🚀 ML工程师路线图

![License: MIT](https://opensource.org/licenses/MIT) ](https://github.com/Ahmet-Ruchan/ML-Engineer-RoadMap/stargazers) ](https://github.com/Ahmet-Ruchan/ML-Engineer-RoadMap/network/members) ![PRs Welcome](https://github.com/Ahmet-Ruchan/ML-Engineer-RoadMap/pulls)

从零开始成为机器学习、人工智能、数据科学和Python工程专家的全面、循序渐进的路线图。

全面的一步一步的路线图，让您成为机器学习，人工智能，数据科学和Python工程领域的专家。

______________________________________________________________________

______________________________________________________________________

🇬🇧 英文版本

🎯 关于本项目

欢迎来到 ML工程师路线图 -您掌握机器学习和人工智能世界的终极指南！该存储库旨在为任何希望进入或发展以下职业的人提供一条清晰、结构化的路径：

🤖 机器学习工程师
🧠 AI工程师
📊 数据科学家
🐍 Python工程师
📈 数据分析师
🔬 研究科学家

无论你是一个完全的初学者还是一个有经验的开发人员，都希望转向AI/ML，这个路线图将指导你完成旅程的每一步。

🌟 是什么让这份路线图与众不同？

✅ 结构化学习路径：从基础到高级主题
✅ 实用项目：真实世界的应用程序和实践经验
✅ 行业标准：符合当前行业要求
✅ 资源建议：精心策划的书籍、课程和工具
✅ 职业指导：面试准备、作品集构建和求职策略
✅ 社区支持：加入不断壮大的学习者社区
✅ 交互式网站：即将推出-互动学习平台

🎓 这是给谁的？

完全初学者

没有编程经验？没问题！
从绝对零开始学习Python基础知识
在数学和统计学方面打下坚实的基础

职业转换者

从另一个领域过渡？
利用现有技能的结构化路径
专注于实际应用和投资组合项目

学生和毕业生

补充你的学术教育
获得实用的行业相关技能
为实习和入门级职位做好准备

专业人士提升技能

已经在技术领域，但想专攻机器学习/人工智能？
高级主题和专业轨道
了解最新技术和趋势

🗺️ 完整路线图

第一阶段：基础（0-3个月）

目标：在编程和数学方面建立坚实的基础

数学与统计学

线性代数
微积分（导数、积分）
概率与统计
离散数学

Python编程

Python基础（变量、数据类型、控制流）
面向对象程序设计（OOP）
数据结构和算法
文件处理和错误管理
虚拟环境和包管理

基本工具

Git和GitHub
命令行/终端
Jupyter笔记本
VS代码/PyCharm

第二阶段：数据处理和分析（3-6个月）

目标：主数据操作和可视化

核心库

数值Python：数值计算和阵列
熊猫：数据操作和分析
Matplotlib&Seaborn：数据可视化
Plotly：交互式可视化

数据库基础

SQL基础（SELECT、JOIN、GROUP BY）
数据库设计
PostgreSQL/MySQL
NoSQL基础（MongoDB）

数据清理和预处理

处理缺失数据
数据规范化和标准化
特征工程
探索性数据分析（EDA）

第三阶段：机器学习基础（6-9个月）

目标：理解并实施核心机器学习算法

监督学习

线性回归
逻辑回归
决策树和随机森林
支持向量机
K—最近邻（KNN）
朴素贝叶斯

无监督学习

群集分析
层次聚类
基于密度的噪声应用空间聚类
主成分分析
t-SNE

ML框架

Scikit学习：完整的ML工具包
模型评估与验证
交叉验证技术
超参数调整

第四阶段：深度学习和神经网络（9-12个月）

目标：掌握深度学习和神经网络

神经网络基础

感知器和多层感知器
激活函数
反向传播
梯度下降优化

深度学习框架

TensorFlow和Keras
PyTorch
模型架构设计
迁移学习

高级架构

卷积神经网络（CNN）
循环神经网络（RNN）
长短期记忆（LSTM）
变压器和注意力机制
生成对抗网络（GAN）

第五阶段：专业化轨道（12-18个月）

目标：选择你的专业并掌握它

轨道1：计算机视觉

图像分类
目标检测（YOLO，R-CNN）
图像分割
人脸识别
OpenCV和PIL

轨道2：自然语言处理

文本预处理
单词嵌入（Word2Vec、GloVe）
序列模型
BERT、GPT、变压器
情感分析、NER、机器翻译

轨道3：强化学习

马尔可夫决策过程
Q学习
深度Q网络（DQN）
策略梯度方法
演员批评方法

轨道4:MLOps和生产

模型部署
Docker和Kubernetes
ML的CI/CD
模型监控和维护
云平台（AWS、GCP、Azure）

第六阶段：高级主题（18+个月）

目标：成为尖端技术专家

大型语言模型（LLMs）
检索增强生成（RAG）
AutoML和神经架构搜索
联邦学习
可解释人工智能（XAI）
边缘AI和TinyML
量子机器学习

💼 职业道路

🤖 机器学习工程师

聚焦：构建和部署机器学习系统

强大的软件工程技能
MLOps和生产部署
可扩展模型开发
平均工资：12万至18万美元

🧠 AI工程师

聚焦：开发人工智能应用程序和系统

深度学习专业知识
人工智能产品开发
将人工智能集成到应用程序中
平均工资：13万至20万美元

📊 数据科学家

聚焦：从数据中提取见解

统计分析
商业头脑
数据叙事
平均工资：10万至16万美元

🐍 Python工程师（ML Focus）

聚焦：构建强大的机器学习管道

高级Python编程
软件体系结构
性能优化
平均工资：11万至17万美元

🛠️ 基本工具和技术

程式语言

Python（初级）
SQL（数据库查询）
R（统计-可选）
JavaScript（Web部署）

ML/DL框架

Scikit学习
TensorFlow/Keras
PyTorch
XGBoost，LightGBM

数据处理

熊猫，NumPy
Apache Spark（大数据）
Dask（并行计算）

可视化

Matplotlib，Seaborn
阴谋论，达世
Tableau、Power BI

开发工具

Git和GitHub
码头工人
Jupyter笔记本
VS代码/PyCharm

云平台

AWS（SageMaker、EC2）
谷歌云平台（顶点AI）
微软Azure（Azure ML）

📚 推荐资源

书籍

Sebastian Raschka的《Python机器学习》
Aurélien Géron的《动手机器学习》
Ian Goodfellow的《深度学习》
克里斯托弗·毕晓普的《模式识别与机器学习》

在线课程

吴恩达的机器学习（Coursera）
Fast.ai深度学习课程
麻省理工学院开放式课程-线性代数
斯坦福CS229-机器学习

YouTube频道

StatQuest与乔什·斯塔默
3蓝色布朗（数学概念）
Sentdex（Python和ML）
两分钟论文

网站和博客

迈向数据科学（媒介）
机器学习掌握
带代码的论文
Kaggle学习

🚀 入门指南

🔧 安装和本地设置

想在本地运行此项目吗？ 查看我们的详细安装指南：

👉 安装.md -完成分步设置说明

快速入门：

git clone https://github.com/Ahmet-Ruchan/ML-Engineer-RoadMap.git
cd ML-Engineer-RoadMap
pnpm install
cd apps/web
cp .env.example .env.local
pnpm prisma generate
pnpm prisma migrate dev
pnpm dev

打开http://localhost:3000在您的浏览器中！

______________________________________________________________________

📖 学习路径

第一步：评估你目前的水平

完全初学者？从第一阶段开始
有编程经验吗？跳到第2或第3阶段
已经了解ML基础知识了吗？跳到第4或第5阶段

第二步：设定明确的目标

定义你的目标角色
设定一个现实的时间表（6-18个月）
确定你的学习风格（视频、书籍、项目）

第三步：制定学习计划

每天2-4小时（或每周15-20小时）
平衡理论与实际项目
定期休息以避免疲劳

步骤4：构建项目

从简单项目开始（Iris分类）
复杂应用的进展
在GitHub上创建投资组合
记录你的学习历程

第五步：加入社区

参加Kaggle竞赛
为开源项目做出贡献
加入ML/AI Discord服务器和论坛
参加聚会和会议

🌐 互动网站（即将推出！）

我们正在构建一个交互式网络平台，其中包括：

📺 视频教程和讲座
💻 交互式编码练习
📝 测验和评估
🏆 竣工认证
👥 社区论坛和指导
📊 进度跟踪仪表板

请继续关注更新！

🤝 贡献

我们欢迎社区的贡献！以下是您可以提供帮助的方式：

分叉此存储库
创建要素分支 (git checkout -b feature/AmazingFeature)
提交您的更改 (git commit -m 'Add some AmazingFeature')
推到分支 (git push origin feature/AmazingFeature)
打开拉取请求

贡献理念

添加新资源或教程
改进现有内容
将内容翻译成其他语言
修正拼写错误
分享你的学习历程

📧 联系与支持

GitHub: @艾哈迈德·鲁昌
电子邮件: aruchanavci01@gmail.com
问题: 报告错误或建议功能

📄 许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

🙏 致谢

特别感谢整个ML/AI社区让每个人都能获得知识！

______________________________________________________________________

⭐ 如果你觉得这个路线图有用，请给它一颗星！

______________________________________________________________________

🇹🇷 中文版本

🎯 关于项目

ML工程师路线图欢迎来到 - 掌握机器学习和人工智能世界的终极指南！该仓库旨在为任何想要进入以下职业道路或在这些领域取得进步的人提供清晰而结构化的途径：

🤖 机器学习工程师
🧠 人工智能工程师
📊 数据科学家
🐍 Python 工程师
📈 血液分析师
🔬 研究科学家

无论您是新手还是有经验的开发人员，都希望进入AI / ML领域，本路线图将引导您完成旅程的每一步。

🌟 这个路线图有什么特别之处？

✅ 结构化学习之路从基础到高级主题
✅ 实际项目现实世界的应用和实践经验
✅ 行业标准符合当前行业需求
✅ 资源建议选定的书籍，课程和工具
✅ 职业指导面试准备、投资组合建设和求职策略
✅ 社区支持加入不断增长的学生社区
✅ 互动网站即将推出 - 互动式学习平台

🎓 这是给谁的？

完全新手

你没有编程经验吗？没关系！
从绝对零开始 Python
在数学和统计学中建立坚实的基础

职业生涯改变者

你在转移到另一个领域吗？
使用您现有技能的结构化方式
专注于实际应用和投资组合项目

学生和校友

完成您的学术教育
获得实践，行业相关技能
为实习和入门级职位做好准备

提高技能的专业人士

您已经在技术行业，但想专注于ML / AI吗？
高级课程和特殊课程
跟上最新的技术和趋势

🗺️ 完整路线图

Faz 1:特梅尔（0-3-Ay）

目标建立强大的编程和数学基础

数学和统计

Liner Cebir
钙（衍生，整体）
概率与统计
独立数学

Python 编程

Python基础知识（变量，数据类型，控制流）
面向对象编程（OOP）
数据结构和算法
文件处理和错误管理
虚拟环境和包管理

基本工具

Git 和 GitHub
命令行/终端
Jupyter笔记本
VS代码/PyCharm

第二阶段：数据处理和分析（3-6个月）

目标掌握数据操作和可视化

主图书馆

数值Python数值计算和数组
熊猫数据处理和分析
Matplotlib&Seaborn数据可视化
Plotly：交互式可视化

数据库基础知识

SQL Temelleri（SELECT、JOIN、GROUP BY）
数据库设计
PostgreSQL/MySQL
NoSQL Temelleri（MongoDB）

数据清理和预处理

处理丢失的数据
数据标准化和标准化
特性工程
个人数据分析（EDA）

第三阶段：机器学习基础知识（6-9个月）

目标理解和应用基本的ML算法

监督学习

LINEER后悔
Lojistik深感遗憾
决策树和随机森林
支持向量机（SVM）
K-最近邻居（KNN）
朴素贝叶斯

无监督学习

K-Means Kümeleme
层次分类
基于密度的噪声应用空间聚类
基本成分分析（PCA）
t-SNE

ML框架

Scikit学习完整的ML工具包
模型评估和验证
交叉验证技术
超参数设置

第四阶段：深度学习和神经网络（9-12个月）

目标掌握深度学习和神经网络

神经网络基础

Perceptron和多层Perceptron
激活功能
重新发布
梯度下降优化

深度学习框架

TensorFlow ve Keras
PyTorch
模型建筑设计
转移学习

高级建筑师

进化神经网络（CNN）
重复性神经网络（RNN）
长短期记忆（LSTM）
变压器和注意力机制
制造商吸引网络（GAN）

第5阶段：专业化计划（12-18个月）

目标选择和掌握你的专业

方案1：电脑视觉

图像分类
人权（YOLO，R-CNN）
图像分割
面部识别
OpenCV ve PIL

课程二：自然语言处理

文本预处理
文字嵌入（Word2Vec， GloVe）
序列模型
BERT、GPT、变压器
情绪分析，NER，机器翻译

方案3：强化学习

马尔科夫决策过程
Q学习
深度Q网络（DQN）
政治梯度方法
演员批评方法

计划4：MLOps和生产

模型分布
Docker与Kubernetes
ML 的 CI/CD
模型跟踪和维护
云平台（AWS、GCP、Azure）

第6阶段：高级课程（18个月以上）

目标成为最新技术的专家

主要语言模型（LLM）
回收辅助制造（RAG）
AutoML和神经架构搜索
Federe学习
可解释的人工智能（XAI）
Edge AI ve TinyML
量子机器学习

💼 职业道路

🤖 机器学习工程师

来源创建和部署ML系统

强大的软件工程技能
MLOps和生产部署
可扩展模型开发
平均工资：12万至18万美元（ABD）

🧠 人工智能工程师

来源开发AI应用和系统

深度学习专业知识
AI 产品开发
将AI集成到应用中
平均工资：13万至20万美元（ABD）

📊 数据科学家

来源从数据中提取见解

统计分析
商业智能
数据故事讲述
平均工资：10万至16万美元（ABD）

🐍 Python工程师（以ML为重点）

来源建立健全的 ML 管道

高级Python编程
软件架构
性能优化
平均工资：11万至17万美元（ABD）

🛠️ 基本工具和技术

编程语言

Python （主要）
SQL（数据库查询）
R（统计 - 可选）
JavaScript （Web 部署）

ML/DL框架

Scikit学习
TensorFlow/Keras
PyTorch
XGBoost，LightGBM

数据处理

熊猫，NumPy
Apache Spark（大数据）
达斯克（Paralel hesaplama）

可视化

Matplotlib，Seaborn
阴谋论，达世
Tableau、Power BI

开发工具

Git 和 GitHub
码头工人
Jupyter笔记本
VS代码/PyCharm

云平台

AWS（SageMaker、EC2）
谷歌云平台（顶点AI）
微软Azure（Azure ML）

📚 推荐资源

书籍

“Python机器学习”-Sebastian Raschka
“动手机器学习”-Aurélien Géron
“深度学习”-Ian Goodfellow
“模式识别与机器学习”-Christopher Bishop

在线库尔斯拉尔

Andrew Ng‘nin机器学习Kursu（Coursera）
Fast.ai深度学习库
MIT OpenCourseWare - 线性代数
斯坦福CS229-机器学习

YouTube 频道

StatQuest与乔什·斯塔默
3Blue1Brown（数学概念）
Sentdex（Python与ML）
两分钟论文

网站和博客

迈向数据科学（媒介）
机器学习掌握
带代码的论文
Kaggle学习

🚀 开始

步骤1：评估你目前的水平

你才刚开始？从第一阶段开始
你有编程经验吗？进入阶段 2 或 3
你了解ML的基础知识吗？跳转到阶段 4 或 5

步骤2：确定目标

定义你的目标角色
确定实际的时间表（6-18个月）
确定你的学习风格（视频，书籍，项目）

步骤3：创建一个工作计划

每天2-4小时（或每周15-20小时）
平衡理论和实践项目
定期休息以防止疲惫

步骤4：开发项目

从简单的项目开始（虹膜分类）
进入复杂的应用程序
在 GitHub 上创建投资组合
记录您的学习之旅

第五步：加入社区

参加 Kaggle 比赛
为开源项目做出贡献
加入 ML/AI Discord 服务器和论坛
参加会议和会议

🌐 互动网站（即将推出！）

我们正在创建一个交互式网络平台，其中包括：

📺 视频课程和讲座
💻 交互式编码练习
📝 测试和评估
🏆 完成后的证书
👥 社区论坛和指导
📊 进度跟踪面板

关注更新！

🤝 找不到贡献

我们对社区的贡献持开放态度！如何帮助：

卜书斋
创建属性分支 (git checkout -b feature/HarikaBirOzellik)
提交您的更改 (git commit -m 'Harika bir özellik ekle')
推你的分支 (git push origin feature/HarikaBirOzellik)
开启 Pull Request

贡献理念

添加新资源或教程
改善现有内容
将内容翻译成其他语言
修复拼写错误或错误
分享您的学习之旅

📧 联系和支持

GitHub: @艾哈迈德·鲁昌
电子邮件: aruchanavci01@gmail.com
问题: 报告错误或建议功能

📄 许可证

该项目在麻省理工学院许可证下授权 - 详情许可证看看档案。

🙏 谢谢

特别感谢整个 ML/AI 社区，让所有人都可以访问这些信息！

______________________________________________________________________

⭐ 如果您发现此路线图有用，请给它一颗星！

______________________________________________________________________

🎯 Next Steps / 下一步

Coming Soon / 即将到来：

📝 每个阶段的详细教程
💻 编码挑战和练习 / Coding Challenges and Exercises
🎥 视频内容和演讲 / Video content and walkthroughs
🏅 Certification Program / 认证计划
🌐 互动学习网站 / Interactive Learning Website

Stay Connected/保持联系：

Watch this repository for updates 关注此仓库以获取更新
加入我们的社区讨论
分享您的进展和项目

______________________________________________________________________

快乐学习! （2）🚀 | 好学习！（2）🚀

*“最好的开始时间是昨天。下一个最好的时间是现在。”-中国谚语*

*“最好的开始时间是昨天。第二个最好的时间是现在。” - 中国谚语*

ML Engineer Roadmap

快速接入

详细介绍

🚀 ML工程师路线图

📚 语言/迪尔

🇬🇧 英文版本

🎯 关于本项目

🌟 是什么让这份路线图与众不同？

🎓 这是给谁的？

完全初学者

职业转换者

学生和毕业生

专业人士提升技能

🗺️ 完整路线图

第一阶段：基础（0-3个月）

数学与统计学

Python编程

基本工具

第二阶段：数据处理和分析（3-6个月）

核心库

数据库基础

数据清理和预处理

第三阶段：机器学习基础（6-9个月）

监督学习

无监督学习

ML框架

第四阶段：深度学习和神经网络（9-12个月）

神经网络基础

深度学习框架

高级架构

第五阶段：专业化轨道（12-18个月）

轨道1：计算机视觉

轨道2：自然语言处理

轨道3：强化学习

轨道4:MLOps和生产

第六阶段：高级主题（18+个月）

💼 职业道路

🤖 机器学习工程师

🧠 AI工程师

📊 数据科学家

🐍 Python工程师（ML Focus）

🛠️ 基本工具和技术

程式语言

ML/DL框架

数据处理

可视化

开发工具

云平台

📚 推荐资源

书籍

在线课程

YouTube频道

网站和博客

🚀 入门指南

🔧 安装和本地设置

📖 学习路径

第一步：评估你目前的水平

第二步：设定明确的目标

第三步：制定学习计划

步骤4：构建项目

第五步：加入社区

🌐 互动网站（即将推出！）

🤝 贡献

贡献理念

📧 联系与支持

📄 许可证

🙏 致谢

🇹🇷 中文版本

🎯 关于项目

🌟 这个路线图有什么特别之处？

🎓 这是给谁的？

完全新手

职业生涯改变者

学生和校友

提高技能的专业人士

🗺️ 完整路线图

Faz 1:特梅尔（0-3-Ay）

数学 和 统计

Python 编程

基本工具

数学和统计

监督学习

数据处理