2026 Modern AI/ML Roadmap for Beginners

你所见过的每一个人工智能（AI）路线图，都将让你被取代，不是被人类，而是被AI本身。我并没有夸大其词。Anthropic公司的CEO，也就是Claude的开发者，地球上最先进的编码AI代理，最近发表了一番严厉的言论，谈到软件工程和编码将在未来6到12个月内过时。他可能是对的。我建立的业务实际上证明了这一点。在Second Brain Labs，我们建立了一个AI销售代理，它已经取代了北美B2B业务中的许多销售团队，以及一些印度最大的企业公司。所以，当我说AI正在觊觎你的工作时，我不是在读别人的推文。我告诉你是因为我亲眼见过AI能做什么，但同时我也见过AI不能做什么。我从2019年就开始涉足这个领域，甚至在“ChatGPT”这个词出现之前。我曾在一个最著名的MLOps框架的早期阶段担任MLOps工程师，那时MLOps甚至还不是一个词，这比那些告诉你应该在AI领域学习什么的人的整个职业生涯还要长六年多。这不仅仅是我的个人观点，我与我所有的北美B2B客户都谈过，我与我持续指导的、在实施AI工作流和咨询他们AI组织的企业CXO和VP们都谈过。同时，我逆向工程了我们在SBL所做的一切，并找到了你可能在2026年需要的人工智能和机器学习的精确路线图。而这个视频将提供以下内容：一个主题接主题的学习指南，为每个概念提供精确的方法，以及一个提供框架，展示如何以如此引人注目的方式包装自己，以至于不雇佣你就感觉像是一种风险。坦率地说，这个路线图不会在2027年或2030年过期，因为它教你如何思考，而不是那些几个月就会过时的工具。坦率地说，如果你想做一些快速的事情，或者需要快速的动力，我认为这个视频不适合你。这是一条艰难的路。我坚信要以艰难的方式去做任何事情。如果你遵循这个路线图整整8个月，我不是在开玩笑。我不是在闲逛。你将比世界上几乎所有人都优秀。而且我非常诚实，每个月你获得高薪工作的概率都会不断增加。你会在整个视频中注意到，你并不是在与AI竞争。我提出的根本问题是，如果AI可以在几秒钟内比特定的人类思考、编码、调试、审查PR问题做得更好、更快、更便宜，那么人类为了获得工作到底应该学习什么？这是当前人们的典型路径。教程，教程，然后可能是一些项目，被拒绝，再次重复循环。坦率地说，我对那些创建AI路线图或机器学习路线图的影响者和内容创作者不太满意，因为他们在教你学习工具。他们告诉你，“好吧，学习这个，学习Y，学习Z。”但如果你真的仔细想想，AI可以比你做得更好。而且没有人教你如何思考。坦率地说，AI每天都在进步。那些认为AI只是一个泡沫的人，我非常坦诚地告诉你，再等几个月吧。你就会意识到。我实际上构建了AML路线图的学习过程。最底层是技术技能。中间层是软技能，关于如何与招聘经理打交道。最上面是如何包装自己，让公司愿意雇佣你。而大多数人只专注于最底层，却忘记了你就是那个将被公司像订阅一样雇佣的产品。如果你不善于包装自己，不善于营销自己，你就完蛋了。你被教导的关于学习AI的一切，都是为那个已经不复存在的世界而设计的。AI证明了记忆、速度和语法并不重要。所以我花了几个月时间与人们交谈。我花了几个月时间来理解人类如何学习，以及AI如何学习。这样我们就能知道，如何进入一个更好的领域，做人类能做而AI在未来一百万年内都不可能做到的事情。你知道我发现了什么吗？五条法则，我们将把它们应用于这个路线图中的每一个主题。第一条法则：预测优先于解释。你的大脑从错误中学习，而不仅仅是被告知。以前，这是一系列文章，你去看，你从一篇文章中理解，然后你理解了一些东西，然后你去看书的另一章，你又理解了一点点。但现在你直接从GPT或公共情节中得到答案，就像有人在告诉你一样。所以你的大脑没有学习，因为它没有自我纠正。所以当你做某事，它坏了，你修复它，这就是学习发生的地方。第二条法则：失败模式优先于功能。为了扩展第一条法则，你的大脑实际上是从它犯的错误中学习，而不是从一系列功能中学习。对于每一个工具或模型，问问它为什么被发明？它悄悄地假设了什么？它如何悄无声息地失效？它又被什么取代了？第三条法则：压缩优先于覆盖。我一直这么说，专注于一个主题，深入研究，然后再扩展你的广度。你会发现你花四到五个月只专注于一个主题，然后你会在几天内看到广度的覆盖。因为当你深入研究一个主题时，一切都只是一个变体。第四条法则：情感创造判断。让我们举一个例子。我总是举这个骑自行车的类比。假设你在骑自行车。你加速。是你自己在加速吗？绝对不是。你只是在看后果然后加速。是自行车要加速吗？现在，假设你看了后果。你看了环境，然后 accordingly 加速。现在，假设你判断错了，你认为自行车会受伤还是你会受伤？是你将感受到你将做出的决定的后果。在这个例子中，自行车就是AI。自行车可以刹车。自行车可以以你想要的速度行驶。但当它摔倒时，它会感觉到什么，还是你会感觉到？同样，如果AI犯了任何错误，是你而不是AI会感受到。在一百万年里，AI永远无法触及这种情感，后果的严重性以及这种负担。而这正是人类需要存在的地方。就是能够判断回应并有效地协调。地球上很少有人能正确地做到这一点。第五条法则：AI加速，人类判断。如果AI选择你的方法，评估你的正确性并决定你的权衡，你的判断就会萎缩。人类有自己的一套框架。人类有自己的一套限制。人类有自己的一套权衡。而你能够将AI置于一个你构建问题、你协调它，而AI负责编写所有内容的环境中。你会在我们将要讨论的路线图中注意到这一点。所以最后，我们知道我们将如何处理这个路线图的学习，以便我们能够利用AI来击败AI本身。现在让我们进入路线图，在整整8个月里，你将成为一个完全改变的人。坦率地说，我将告诉你一种方法，你可以如此出色地包装自己，以至于美国公司愿意每年支付你6万到10万美元。我们将专注于三个阶段。第一阶段是基础。第二阶段是压缩。第三阶段是所有权。而我们的整个路线图都分为这三个阶段。第一阶段，基础，你将花费三个月。你将进行指导式学习。你将建立读写能力。你将学会思考。然后我们进入第二阶段，大约需要两个月。你深入研究少数事情。你建立心智模型，并学会思考。第三阶段，所有权，可能需要两到三个月。现实是你的课程。在这里，你学会制定自己的路线图，并提出比路线图作者更好的问题。你将构建并拥有自己的生产系统。所以你将学会如何思考。你将学会真实的系统是如何构建的。而这个路线图实际上可以让你从零开始获得工作。不是通过学习工具，而是通过比周围大多数人更出色、更有效地判断事物。但这是我们将要遵循的方法。在同一时间点，我们将并行运行三个轨道。技术技能。这是其他所有路线图停止的地方。即使路线图很好，但在本路线图中，你不仅仅是在学习。你每个月都在生产东西。所以第一个月，你已经要构建东西了。然后是轨道二，软技能。大多数人会忽略LinkedIn优化。你每天都会在LinkedIn上联系很多人。你会创作内容。你会建立你的网络。你会进行直接申请。你会与很多人联系。你会谈论如何与招聘经理打交道。你从第一天就开始，而不是在你完成学习之后。每个月都有明确的可交付成果。轨道三是提供开发。你想工作的任何公司，他们都会花费数十亿、数十亿美元。他们花费大量的市场营销、精力来包装某样东西，使其看起来很棒，人们喜欢它，他们看到其中的价值，然后他们就会购买。所以，如果你理解一个人也是一个产品，将被公司按订阅的方式雇佣，基于包装和价值。你只是给他们简历和GitHub作品集来完成这件事。这不是你的错。这实际上是内容创作者的错误。他们没有说，“伙计，听着，你需要以一种非常不同的方式包装自己，以便其他人能看到其中的明确价值。”而很少有人花很少的时间来做这件事。而且，我不会在最后向你推销课程，说“嘿，购买这个课程，如果你想走这条路线图。”所以让我们从第一阶段基础开始。你学习Python，你学习NumPy，你学习Pandas，统计学，线性代数，但你不仅仅是看教程。你从第一周就开始生产。在Python中，你不仅仅是学习语法，你还学习如何阅读代码，理解幕后发生的事情。我专门写了一份详细的文档，说明如何进行学习。我不是让你学习语法，这已经是默认的了。我还要让你以应该学习的不同方式来学习。所以到第一个月，你应该交付你的项目。这个月是基于这个原则构建的。拿别人的作品，深入理解，然后写下你发现的东西。就这么简单。所以你做什么？你去GitHub上找一些开源数据分析代码，一些包含真实数据、包含真实细微差别的东西。然后你做什么？克隆并运行它。然后把它拆开。作者做了什么假设？是否有任何统计结论是有效的？他们检查了异常值吗？他们的Pandas代码有效率吗，还是他们在写循环而向量化就可以工作？如果数据改变了，什么会出错？所以你技术上挑战了仓库的作者。然后一旦你挑战了，你做什么？你创建一个报告，说明你为了修复那个代码做了什么。我不是让你从零开始创建东西。我让你去评判那个项目，然后审查它，修复它，让它变得更好，然后告诉你你做了什么让它变得更好。这就是从第一天开始的拥有权。你不是在构建一个玩具项目。你实际上是在构建公司希望你做的事情，因为他们会看到“这个人很有趣”。而这仍然是第一个月。正如我所说，我也希望你努力提升软技能。所以这里应该是你软技能的可交付成果。完整的LinkedIn优化。你将运行一个每日外展系统，每天25个连接。你每天将发表10条有价值的评论。你还将参与社区，并持续参与其中。你知道你应该在那个电子表格中跟踪它。我已将那个电子表格附加到描述中，以便你可以跟踪你所做的一切，你所做的所有外展，所有连接，所有评论，使其成为一种习惯。然后你应该在这个月发表四篇LinkedIn帖子，每篇都记录了你在第一个月感到困惑的事情以及你是如何解决的。错误就是内容，困惑就是内容。不要只说“很高兴能发布这个”。你遇到的任何错误，人们都喜欢听你失败了什么。人们喜欢看你遇到了什么困惑。人们喜欢看。人们不喜欢看“哦，我构建了项目”。谈谈你遇到的情况，你感受到的经历，并好好记录下来。用真实的内容写作。用语法错误写作。用你懂的任何英语写作。但要真实。写下你遇到的所有经历。我现在和你说话。我喜欢和你们说话。我将写下这次经历。这是我的经历。你也应该努力进行提供跟踪。你应该写一份文件，说明你的目标市场，而不是那些需要你关注的公司。所以有三个理由说明需求很强劲，然后写下你希望公司关注的梦想结果，即“不打折地获得结果”，就这么简单。你希望公司在雇佣你时如何看待你？第二个月的技术轨道将侧重于经典机器学习。在我附加的PDF中，我附加了所有内容，我告诉你每一个主题以及如何学习，这对我来说是浪费时间。只需查看文档，然后与GPT互动，学习每一个主题。我已经为你提供了学习所有这些主题的心智模型：回归和监督学习，无监督学习，其中包含多个概念。我个人将五条学习法则应用于所有这些经典机器学习的学习。不要忽视这一点。你这个月的项目将基于这个原则构建：拿一个真实世界的数据集，应用多种方法，并写一份决策分析，解释你为什么选择一个而不是另一个。你做什么？你找到一个真实的商业数据集，不是MNIST，而是混乱的客户流失、贷款违约、销售预测，或者具有实际业务背景的东西。然后你做什么？你构建三个模型：回归（线性回归或逻辑回归）、随机森林回归或分类，以及XG Boost。但项目将不是关于准确率分数。项目是关于书面的决策文档，回答“我将部署哪个模型以及为什么？”每个模型对数据做了什么假设？在生产环境中，每个模型会在哪里悄无声息地失效？对这个业务来说，错误预测的成本是多少？我会设置什么监控？将代码推送到GitHub。但这个项目的重点是决策文档，而不是实际代码。任何AI都可以写代码，但没有AI可以做出这个判断。所以对于第二个月，软技能的可交付成果将是这样的：继续发布四篇LinkedIn帖子，基于你不断增长的技术深度，因为你已经完成了一些项目。你还跟踪你增加的评论数量。你还开始你的说服力训练。研究销售框架。练习向一个非技术朋友解释你第二个月的项目。录制你自己。发给我。发给一个朋友，看看他们是否理解了。是的，一个非技术朋友。当你向一个非技术朋友解释时，你会使用最简单的术语。销售和市场营销都是关于使用最简单的术语向别人解释某件事，以便那个人能够理解。然后，如果他理解了，他就感知到了你的价值。然后你继续进行提供跟踪，即写下至少20个职位描述中列出的所有招聘职能，说明为什么公司不雇佣像你这样的人。你能想到的每一个摩擦点，在招聘之前、之中和之后。你能想到的每一个摩擦点，公司不会雇佣我，因为公司不会雇佣我，因为列出所有会让你被公司拒绝的因素。坦率地说，这变成了你的固定清单，然后对于每一个摩擦点，写下我将做什么来消除这个风险，因为公司在你雇佣你之前就想消除所有风险。对于公司将面临的每一个摩擦点，每一个风险，你写下你将提供什么解决方案。我举个例子。我认为这个人不会好好编码。我不知道他是否能与AI合作。你做什么？你简单地说，“嘿，我实际上可以帮助你构建一个功能，解决一个问题。我可以做一个带回家的挑战，为你构建一些功能，然后你给我五个符合公司要求的想法，说‘好吧，我可以做这个。如果我做得好，你就可以雇佣我。’风险消失了。”第三个月是深度学习基础，这也是一个技术轨道。你专注于每一个细节。从零开始用NumPy构建神经网络，字面意思上感受反向传播。我仍然告诉你，去手动计算梯度，这样你就能感受到学习是如何发生的，权重是如何更新的。然后你学习PyTorch的基础知识，CNN，为什么卷积对图像有效，它们捕捉了什么。循环神经网络，为什么它们对序列有效，以及为什么它们在长依赖方面会遇到困难。然后你学习Transformer，它是注意力机制，位置编码和二次缩放。这个项目的原则应该是：首先从零开始构建东西，然后使用框架重建它，并记录框架隐藏了什么。就这么简单。用NumPy从零开始构建一个简单的神经网络。也许是一个分类器，用于一些真实的东西。感受每一个梯度，每一个权重更新。然后使用PyTorch。现在写一个详细的比较。这是PyTorch为你做的七件事，如果你没有从零开始构建，你就永远不会理解。Autograd实际上做了什么？损失函数实际上计算了什么？在.backward()隐藏的反向传播过程中发生了什么？所以字面意思上，你从零开始构建了东西，然后使用，然后你比较，然后你写一篇文章，真正表明你拥有真正的深入知识。然后拿一个预训练模型，一个简单的CNN或一个Hugging Face Transformer，并在一个小数据集上对其进行微调。记录花了多长时间，花了多少钱，出了什么问题，模型在哪里失败了，你会改变什么？然后你做什么？将所有东西推送到GitHub，并围绕它写一篇很好的博客，让任何没有深度学习知识的人都能很容易地理解它。第三个月的软技能可交付成果将保持不变：LinkedIn帖子，记录你遇到的任何经历，每天发送大量连接请求，与大量人互动，并继续提高你的说服力和沟通技巧，以便你能说服那些美丽的招聘人员和美丽的创始人。而且，你应该能够如此巧妙地联系到这些人，或者与这些人建立联系。不仅仅是“嘿，我想和你联系，给我点东西”，而是要真诚，看看他们的产品，感受真诚，写下真实、个性化的信息，然后联系这些创始人，联系招聘人员，联系人力资源经理，联系你看到的每一个人。而且你知道吗？我附加了超过10000人的联系方式，你可以在下面的描述框中找到所有这些电子表格。第三个月的提供跟踪可交付成果应该是：为每一个招聘职能写书面解决方案。“无法验证技能”。“这里是你的GitHub项目”。“不知道你是否理解成本”。“这是你的第二个月决策文档”。“漫长的入职”。“证明你独立工作”。所以通常情况下，你正在为每一个招聘摩擦点提供技能，而公司喜欢那些能快速工作的人。所以你需要写“好吧，公司想要速度。好吧，我将展示一些具有速度的东西。”“公司希望我承担责任。我将展示一些我承担责任的东西。”所以字面意思上，每一个摩擦点都有一个解决方案，这样他们就可以消除雇佣你的风险。我们进入第二阶段，也就是第四到第五个月。第一个轨道，技术轨道，表示层加上生成式AI，以及我们美好的事物。你将学得非常快，因为你已经掌握了基础知识：嵌入，向量数据库，LLM工程，提示工程，成本数学，等等。我已经写好了如何在提供的Excel表格中学习这些主题，所以请查看它，不要只是以通常的方式学习。应用四到五条学习法则，如何以最美好的方式学习一个概念。项目将基于这个原则构建：为真实用例构建一个RAG系统。衡量一切，并写一份诚实的成本性能分析。然后选择一个真实的数据集。它可以是你自己从第一到第三个月的笔记，一个公开的数据集，或者一个公司的开放知识库。构建一个完整的RAG管道：分块，嵌入，向量存储，检索，LLM生成。所以可交付成果不是“我构建了一个聊天机器人”。可交付成果是成本性能分析。文档回答“每次查询的成本是多少？”“检索到的文档中有多少百分比是相关的？”“检索在哪里失败？”你能写的一切。选择至少两种分块方法，比较它们，看看结果。没有人进行比较和记录。在README或GitHub页面上写下来。在第四个月，你的软技能可交付成果将基本相同：更好的外展信息，更好的沟通处理能力，因为你必须不断向非技术人员解释，并增加LinkedIn帖子的数量，每周三次。提供跟踪，即如何包装自己，你应该有书面文档，你的精简价值栈，唯一的证明结果。每一个声明都有一个链接到证据。如果你说“我独立工作”，附上一份声明。如果你说“我工作速度快且深入”，附上一份声明。如果你说“我比任何人都更擅长与AI合作”，附上一份声明。然后你应该在你的LinkedIn帖子中公开展示这些。第五个月，第一个技术轨道，系统层，即技术上的机器学习运营，以及你如何设计ML系统。我最近发布了一个4小时的关于设计ML系统的第一部分课程，我不想再谈了，但这是最重要的主题：如何将经典ML，深度学习基础，甚至生成式AI结合到一个单一的架构中，以设计一个完全的、理解真实世界后果和风险的系统。而且，很少有人真正了解这一点。我已经将你应该知道的详细主题写在Excel表格中了。你这个月的项目将基于这个原则构建：将你第四个月的RAG系统变成一个生产级的服务，具有分层路由，监控和成本跟踪，并公开部署。然后你创建一个项目，你实际上结合了经典ML，深度学习基础，LLM等等，然后将其与仅使用LLM进行比较，比较成本，并展示“是的，我可以构建一个健壮的、可解释的系统，而不是仅仅使用API”。你第五个月的软技能可交付成果应该是：你应该写文章了，你应该写博客了，你应该增加LinkedIn帖子的数量，你应该联系更多的人，你应该与更多的人互动。你应该大量发送冷邮件说“嘿，我构建了这个”。你应该公开为其他公司的项目做贡献，仅仅是为了好玩，并发布关于它的帖子，并标记创始人本人。“嘿，我为你公司构建了一些东西，纯粹出于好玩。”生产级项目。如果一家公司正在医疗保健领域构建AI，你选择一个用例，然后使用一些AI代理来解决它，并变得非常专业，构建一些非常有趣、生产级的，创始人可以自己尝试的东西。然后提供跟踪应该是：奖金列表，公开博客，开源工具，社区网络，这些东西不花你钱，但增加了感知价值。第三阶段应该专注于所有权。而这正是你停止遵循这个路线图，转而遵循需求而不是课程的时候。在第六到第八个月，你应该首先专注于技术轨道。你这个阶段的项目将基于这个原则构建：构建一个如此完整、如此完善的文档、如此生产级的系统，以至于它成为你能够拥有ML系统的无可辩驳的证明。例如，选择三个方向之一。方向一：混合成本感知系统。可能是完整的客户支持分类器，具有分层路由，然后与LLM进行端到端比较。方向二：端到端管道。方向三：拟合分析以及你如何重建它。例如，选择一家公司公开的ML失败案例，然后尝试用你自己的方法来修复它。看看一些系统设计案例研究。看看它在哪里失败了，并尝试复制它。同一个案例研究，但有一个更好的起点。对于每一个项目，从第六到第八个月，都只是创建生产级项目，即实时部署的系统。带有全面README和文档的GitHub仓库。解释你所做的每一个决定的架构决策文档。成本分析，监控仪表板，至少一个关于你遇到的真实失败的事后分析以及你如何修复它。以及一个运行手册。如果有人需要维护系统，他们该如何做？然后从第六到第八个月，你的软技能可交付成果应该是：你应该发布到LinkedIn帖子。很多时候你会与很多人评论，但这次你会认真对待，开始向很多人申请，向你已经连接的人申请。最初你可能没有要求工作。你不需要一开始就要求工作，但现在你已经分享了你的项目。你分享了你的作品集网站。你分享了你所做的一切，你已经连接的人。而这才是奇迹开始发生的地方。与更多的人联系，目的是获得工作。不要只联系一次就忘记。每次都要跟进。至少跟进三到五次。每一次都要提供一些价值，给他们一些生产级项目。例如，你的第一条信息应该是“嘿，我为你构建了一些东西。”第二条信息是继续消除你在提供中产生的风险。“好吧，这个人独立吗？是的，我独立。展示一些证据。”“这个人快吗？是的，我很快。”“这个人沟通能力强吗？展示一些证据。”在六到八个月的软技能中，每一次跟进都要不断增加价值。而这里是提供跟踪的可交付成果，按月计算。第六到第八个月。你的保证是“选择并退还”。你告诉他们，“嘿，我实际上可以做一个付费试用项目。你只需要为试用付费。不要说免费。说付费试用项目。如果我为你工作，你不喜欢这个项目，我没关系，我完全可以。但如果你喜欢这个项目，我就会继续为你工作。我可以给你15天的保证，我可以为你工作，看看你是否喜欢我的工作，然后我们可以谈论付款。”或者你给我一个带回家的挑战，我会为你开发它。或者你只是让我做点什么，我会找出一些挑战然后去做。然后你不要只写“我是ML爱好者”。你写一个超级引人注目的LinkedIn标题，整个地球上没有人写过。以及你完整的价值栈，展示栈，核心提供，带有证据的技术能力，从第一天开始的价值，带有证据的软技能，奖金，风险逆转，这一切。而这正是你将在真实面试中展示的。我知道很多路线图实际上变得非常个人化和非常修改化，我知道每个人的学习能力都不同，等等。所以我所做的，我创建了一个详细的工作表，你可以填写，然后将该工作表上传到GPTN云，并附上提示以及所有提供的价值的Excel表格。提示将简单地说，“嘿，根据工作表，创建一个定制的路线图。”它将为你创建一个定制的路线图，就像我所说的，以最适合你的方式。在这个路线图中，你还将获得另一个工作表。我知道每个人的学习水平不同，学习方式也不同。所以你将做的是，你将从技术上查看这些工作表，填写它们，上传所有这些PDF以及我在此描述中提供的任何内容，并要求它创建一个定制的。但请务必诚实地填写工作表。这个路线图是为在职专业人士准备的。这个路线图是为初学者准备的。无论你是绝对的初学者，还是绝对的在职专业人士，这都不重要。这个路线图适用于所有地方。你只需要保持一致，并完成本视频中提到的所有可交付成果。我希望这是一个相当长的视频，我知道，但我希望确保你有一个一站式的解决方案。关键不是遵循路线图。只需遵循前四个月，然后你就会注意到，你提出的问题比我提出的问题更好，你一直在使用AI来解决问题。而且我非常诚实地说，如果你完成了这个，你将获得一个非常高的薪资，至少是一份工作，而且没有任何AI可以真正取代你，更不用说人类了。我不是想贬低任何人，任何影响者，他们都在做伟大的工作，但我感到很难过，他们没有教正确的东西，他们没有说需要说的正确的事情。所以我的想法是站出来，告诉你们，这就是最终有效的东西，因为我不是一个核心销售人员。我实际上经营着我六位数的公司SPL，我们是一家融资公司，我还有很多更好的工作要做。所以所有的PDF和链接都在下面的描述框中，我将在下一个视频中与你见面，讨论一些有趣的话题。TT，再见。迪拜。