跳转至

🗺️ 秋招备战学习路线(ROADMAP)

目标岗位:算法 / 机器学习 / 大模型方向(算法工程师、大模型算法、NLP 算法等) 总周期:约 6 个月,按阶段推进。提前批一般在 7–8 月,正式批 9–10 月,建议最晚提前 4 个月开始专项冲刺。

时间线总览

阶段 周期 主题 核心产出物
Phase 0 第 1–2 周 定位与盘点 目标岗位清单、JD 分析、能力差距表
Phase 1 第 3–8 周 算法基础 + 分类刷题 模板代码、高频题一刷完成
Phase 2 第 9–14 周 高频二刷 + 手撕代码 高频题二刷记录、手撕题清单
Phase 3 第 15–22 周 ML / DL 系统复习 ML/DL 面经清单全部打勾
Phase 4 第 23–30 周 LLM 专项(自有资料) LLM 面经自测 + 项目深讲
Phase 5 第 31–36 周 八股 + 模拟面试 八股速查、模拟面记录
Phase 6 冲刺期 投递 + 复盘 简历定稿、复盘归档

Phase 0:定位与盘点(第 1–2 周)

目标:明确方向,避免无效努力。

  • [ ] 确定目标岗位:纯算法岗 / ML 算法 / NLP / 大模型 / 推荐系统
  • [ ] 收集 10+ 条目标公司 JD,提炼共同考点(写进各模块清单)
  • [ ] 盘点已有基础:刷题量、ML/DL 掌握度、项目、论文阅读量
  • [ ] 输出能力差距表(会什么 / 缺什么 / 优先级)

产出物:docs/定位与差距分析.md(自建)


Phase 1:算法基础 + 分类刷题(第 3–8 周)

目标:建立算法模板体系,完成高频题一刷。

  • [ ] 按 01-数据结构与算法/README.md 的顺序分类刷题
  • [ ] 每类总结 1 份模板代码(放进 01/模板代码/)
  • [ ] 每天 ≥ 2 题,每周末回顾本周错题
  • [ ] 用 tools/刷题统计(自建)记录进度

验收:01/高频题单.md 中 60%+ 的题已一刷,模板代码 ≥ 10 份。


Phase 2:高频二刷 + 手撕代码(第 9–14 周)

目标:把高频题变成肌肉记忆,能"盲写"。

  • [ ] 高频题二刷:一刷里卡过的题全部重做,限时 20 分钟/题
  • [ ] 手撕代码专项:快排、归并、二分、LRU、单例、生产者消费者、括号匹配等(见题单附录)
  • [ ] 计时模拟:每周 2 次,45 分钟 2 道题(1 简单 + 1 中等/困难)
  • [ ] 错题本:记录卡点原因(思路 / 边界 / 复杂度)

验收:高频题二刷 100%,手撕题清单全部能独立写出。


Phase 3:ML / DL 系统复习(第 15–22 周)

目标:面经全覆盖,重点推导能手推。

  • [ ] 按 00-数学基础/README.md 过数学地基主线(7 本教学 notebook:高数与微积分→线性代数→概率论与统计→信息论→最优化与数值基础→机器人学基础→数学面试八股;每篇含大白话直觉 + 公式推导 + numpy 数值验证,数学八股速查见 05 篇)
  • [ ] 按 02-机器学习/高频面试题.md 逐个过,能讲清"是什么/为什么/怎么用"
  • [ ] 手推:LR、SVM、PCA、朴素贝叶斯、K-Means、EM(写进 02/推导笔记/)
  • [ ] 按 03-深度学习/高频面试题.md 过 DL 面经
  • [ ] 手推:反向传播、BN、LSTM 门控、优化器更新公式
  • [ ] 按 03-深度学习/README.md 过架构主线(08–15 八本教学 notebook:架构全景→CNN 经典架构→RNN/LSTM/GRU 深入→Attention/Transformer 从零→Mamba/SSM→GAN→VAE/扩散→架构面试八股,均可执行默写自检)
  • [ ] 按 08-优化算法/README.md 过优化算法主线(13 本教学 notebook:SGD→动量→Adam/AdamW→调度→二阶→LLM 训练 FP16/ZeRO + 经典优化 LP/IP/GA/SA/TS/PSO/ACO/KKT)
  • [ ] 按 09-计算机视觉/README.md 过 CV 主线(12 本教学 notebook:图像基础→边缘特征→CNN→检测(R-CNN·YOLO v1→v11 全系列)→分割(FCN·U-Net 全家族)→度量学习→SAM 基础模型→3D 视觉与 NeRF/3DGS)
  • [ ] 按 10-自然语言处理/README.md 过 NLP 主线(8 本教学 notebook:文本表示/TF-IDF→n-gram 语言模型→词向量(Word2Vec·GloVe)→RNN·LSTM→Attention·Transformer→预训练(mini-BERT·mini-GPT)→分类与标注→NLP 八股)
  • [ ] 按 11-时间序列/README.md 过时间序列主线(8 本教学 notebook:平稳性/ADF→ARMA·ARIMA→指数平滑→分解→特征工程·ML→深度学习(LSTM 参数量手算·递归 vs 直接·Seq2Seq/TCN/MC Dropout)→评估与异常检测(MASE·pinball·STL 残差·CUSUM)→时序八股(110 问 + 8 手撕))
  • [ ] 手推:Momentum EMA、Adam 四条公式(偏差校正)、AdamW 解耦权重衰减、牛顿法、7B Adam 状态内存口算(84GB)、Metropolis 准则、PSO 更新式、KKT 四条件、软阈值
  • [ ] 手推(NLP):TF-IDF、n-gram 平滑与 PPL、负采样梯度、BPTT、LSTM 四门、注意力/多头、MLM 80/10/10、混淆矩阵与 macro-F1
  • [ ] 手推(时序):ACF/PACF、ADF、AR 的 OLS、AIC、SES/Holt/HW 递推、滑窗特征、ExpandingWindow CV、σ√h 预测区间、MASE、pinball、中心化 MA 两步平均、LSTM 参数量 4H(H+D+2)
  • [ ] 按 07-强化学习/README.md 过 RL 主线(8 本教学 notebook:MDP→DP→MC/TD→Q学习→DQN→PG/AC→PPO/GRPO→面试八股)
  • [ ] 手写:值迭代、Q-learning、PPO clip 目标、GRPO 优势公式(LLM 对齐岗必考)
  • [ ] 按 16-语音/README.md 过语音主线(9 本教学 notebook:信号特征→传统 GMM-HMM·DTW→端到端 CTC·Attention→TTS 合成→语音八股→语音增强→声纹识别→语音转换→语音大模型;语音/ASR/TTS 岗必考)
  • [ ] 按 17-数据科学/README.md 过数据科学主线(4 本教学 notebook:统计推断与假设检验→AB 实验设计与评估→因果推断(PSM·DID·uplift)→数据科学八股;数据科学/推荐/增长岗必考)
  • [ ] 按 18-数据分析/README.md 过数据分析主线(15 本教学 notebook:业务指标与描述性统计→数据清洗与预处理→分组聚合与透视表→留存分析与同期群→漏斗分析与转化率→用户画像与 RFM 分层→SQL 进阶与数仓取数→AB 实验与显著性检验→数据可视化与图表规范→相关与回归分析→时间序列与指标监控→商业分析综合案例→指标体系与埋点设计→面试模拟与开放题→数据分析面试八股;数据分析/商业分析/运营分析岗必考)
  • [ ] 按 19-推荐系统/README.md 过推荐主线(8 本教学 notebook:总览与评估指标(AUC/GAUC/NDCG)→协同过滤(UserCF/ItemCF)→矩阵分解(Funk-SVD)→双塔召回与向量检索→CTR 预估(LR→FM→GBDT+LR→DeepFM)→排序特征工程与采样→冷启动与多目标(ESMM/MMoE)→面试八股与工业流程;推荐/搜索/广告/商业化算法岗必考)
  • [ ] 按 20-多模态大模型/README.md 过多模态主线(7 本教学 notebook:总览与 CLIP(InfoNCE)→图像编码与 ViT→视觉语言模型(BLIP/LLaVA)→视频多模态与音视频→图文生成与扩散模型→跨模态检索与评估→面试八股;多模态/大模型/AIGC 岗必考)
  • [ ] 按 21-大数据与数仓/README.md 过大数据主线(8 本教学 notebook:大数据体系与 HDFS→MapReduce→Spark 核心与 RDD→Flink 与实时计算→Hive 与数仓建模(sqlite3 四层实战)→Kafka 与数据管道→数据平台与调度→面试八股;大数据/数仓/实时计算/数据平台岗必考)
  • [ ] 按 22-图神经网络与知识图谱/README.md 过图算法主线(7 本教学 notebook:图基础与图表示(随机游走/Node2Vec)→GCN→GAT 与 GraphSAGE→链路预测与对比学习→知识图谱构建(sqlite3)→知识图谱推理(TransE)→面试八股;图算法/风控/知识图谱/GraphRAG 岗必考)
  • [ ] 结合手头项目(如 MiniMind)讲清楚训练管线

验收:两份面经清单全部打勾,推导笔记 ≥ 6 篇。


Phase 4:LLM 专项(第 23–30 周)

目标:大模型岗核心竞争力,务必形成体系。

本仓库 04-LLM大模型/ 已内置 Transformer 从零手推 24 讲教学 notebook(架构/分词/训练/推理/RL 对齐), 配合你的 MiniMind 自研项目(预训练/SFT/RL)升级到"公式 + 项目"双线:

  • [ ] 按 04-LLM大模型/README.md 知识地图过六大块(架构 / 分词数据 / 训练范式 / 推理优化 / 应用 / 前沿模型)
  • [ ] 精读必读论文(Transformer / InstructGPT / PPO / DPO / GRPO / RAG 等),每篇写笔记
  • [ ] 按 12-智能体开发/README.md 过 Agent 主线(10 本教学 notebook:Agent 边界与 ReAct→上下文 KV-Cache 与 Skill→记忆与 RAG→工具与 MCP→Coding Agent 与自举→异步/语音/Computer-Use→评估与 Pass@k→Mid-training/SFT/RL→轨迹学习与持续进化→多 Agent 协作;大模型应用/Agent 岗必考)
  • [ ] 按 14-具身智能/README.md 过具身智能主线(6 本教学 notebook:机器人学基础(位姿/齐次变换/正逆运动学/雅可比)→感知与环境理解→规划与控制(A*/RRT/PID/MPC)→VLA 视觉-语言-动作模型(RT-2/OpenVLA/π0)→仿真数据与 sim2real→具身八股;机器人/具身智能/自动驾驶岗必考)
  • [ ] 按 15-AI-Infra/README.md 过 AI 基础设施主线(11 本教学 notebook 全模块完成:手写 autograd(计算图/逆拓扑序反向)→ GEMM 算子优化(naive/tiled/寄存器分块/roofline)→ 混合精度与显存账本(FP16/BF16/loss scaling/ZeRO)→ 分布式并行(DP/FSDP/TP/PP/ZeRO)→ 集合通信与 NCCL(手写 Ring AllReduce)→ KV Cache 与推理内存(PagedAttention)→ vLLM 连续批处理与投机解码 → 量化(GPTQ/AWQ/SmoothQuant)→ 性能分析与优化(profiler/roofline/6ND成本)→ AI-Infra 面试八股 30 连问;AI Infra / 推理优化 / 训练平台 / HPC 岗必考)
  • [ ] 手推核心公式:RoPE、GQA、KV Cache、PPO/DPO/GRPO 损失(配套 04 教学 notebook 逐讲手推)
  • [ ] 结合项目讲深一层:你在 MiniMind 里做过什么(预训练/SFT/RL),踩过什么坑

验收:任意 LLM 考点都能答出"公式 + 流程 + 对比",项目能扛住 3 层追问。


Phase 5:八股 + 模拟面试(第 31–36 周)

目标:补齐工程基础,适应面试节奏。

  • [ ] 按 05-八股与工程/速查清单.md 过一遍,每天 1 个主题
  • [ ] 按 13-编程语言/README.md 过编程语言主线(6 本教学 notebook:Python 核心→C++ 核心与 STL→ROS→Docker→Git→SQL;Python/Docker/Git 为必考,C++/ROS 按岗选学)
  • [ ] 每周 1 次真实模拟面试(找同学/朋友,或录音自测)
  • [ ] 训练表达:用"结论先行 → 展开 → 例子"结构回答
  • [ ] 简历定稿:STAR 法写项目,量化结果

验收:八股清单全部过完,模拟面 ≥ 4 次,简历 1 页能讲 10 分钟不卡壳。


Phase 6:投递 + 复盘冲刺(7–10 月)

目标:把握节奏,持续迭代。

  • [ ] 投递节奏:提前批(7–8 月)→ 正式批(9–10 月),每周固定投递量
  • [ ] 每场面试 24h 内完成 06/面试复盘/复盘模板.md
  • [ ] 复盘内容反哺:新考点进清单,薄弱点安排专项
  • [ ] Offer 对比:技术栈 / 方向 / 城市 / 薪资综合评估

原则

  1. 别贪多:面经清单是"下限",先覆盖高频,再扩展冷门
  2. 背题不如会推:考点都要能现场推导,不背答案
  3. 复盘 > 刷量:一场高质量的复盘胜过刷 10 道新题
  4. 项目讲深:简历上的每个项目都能扛住 3 层追问

教程来源:Akun-python/autumn-recruitment。 MIT 许可证全文。