AI-Expert-Roadmap
AI-Expert-Roadmap 是一份由德国 AMAI 公司开源的可视化学习指南，旨在帮助从业者系统性地成长为人工智能专家。面对 AI 领域技术迭代快、知识体系庞杂的现状，许多学习者容易陷入“不知从何学起”或盲目追逐热门工具的困境。这份路线图通过清晰的结构化图表，梳理了从基础理论到数据科学、机器学习及深度学习的完整进阶路径，明确展示了不同阶段应掌握的核心技术与工具选型逻辑。
它特别适合希望转行或深耕 AI 领域的开发者、数据科学家以及相关专业学生使用。不同于简单的列表堆砌，AI-Expert-Roadmap 强调理解技术背后的适用场景，引导用户根据实际需求选择工具，而非盲目跟风。项目不仅提供了静态的 GitHub 版本，还推出了包含详细资源链接的交互式网页版，方便用户按需深入探索。无论是用于制定个人学习计划，还是作为团队内部的技术培训参考，它都能提供极具价值的导航作用，帮助你在纷繁复杂的 AI 技术 landscape 中找到清晰的成长方向。
使用场景
某高校计算机系大三学生李明，计划从零开始转型成为人工智能工程师，但面对海量的技术栈和碎片化的学习资源感到无从下手。
没有 AI-Expert-Roadmap 时
- 学习路径迷茫：在数学基础、编程语言和算法框架之间反复横跳，不知道应该先学 Python 还是先啃线性代数，缺乏清晰的先后顺序。
- 技术选型困难：面对 TensorFlow、PyTorch、Scikit-learn 等众多框架，盲目追逐“热门”工具，却不清楚它们各自适用的具体场景和优劣。
- 知识体系破碎：东拼西凑地观看各类教程，导致知识点孤立，无法构建从数据清洗到模型部署的完整闭环认知。
- 时间成本高昂：花费大量时间在筛选课程和验证学习方向上，半年过去仍停留在"Hello World"阶段，学习效率极低。
使用 AI-Expert-Roadmap 后
- 路线清晰明确：直接参照路线图定义的“基础 - 进阶 - 专家”三阶段路径，按部就班地先夯实数学与编程根基，再进入核心算法学习。
- 工具选择理性：通过路线图中对各项技术的分类与指引，理解了不同框架的适用边界，不再盲目跟风，而是根据项目需求选择最合适的工具。
- 技能树系统化：依托图表中展示的数据科学、机器学习等分支结构，建立了完整的知识图谱，确保每个学习模块都能有机衔接。
- 成长效率倍增：节省了摸索方向的时间，将精力集中在实质性的代码实践与原理理解上，仅用三个月便完成了首个端到端的 AI 项目演示。
AI-Expert-Roadmap 的核心价值在于将混乱的技术海洋转化为可视化的导航图，帮助学习者以最短路径从入门走向精通。
运行环境要求
未说明
未说明
快速开始
i.am.ai
AI专家路线图
2022年成为人工智能专家的路线图
以下是几组图表，展示了你可以选择的发展路径以及为了成为一名数据科学家、机器学习专家或人工智能专家而需要掌握的技术。我们为新员工制作了这些图表，帮助他们成长为AI专家，同时也希望与社区分享，以提供帮助。
如果你有兴趣在德国的AMAI成为AI专家，或者你想聘请一位AI专家，请发送邮件至hi@am.ai。
注意
👉 包含指向列表中每个条目的可交互版本，可在i.am.ai/roadmap找到 👈
要获取更新，请点赞 :star:并关注 :eyes: GitHub仓库，以便在我们添加新内容时收到通知，保持对最新研究的了解。
关注我们的AI新闻通讯，及时了解AI领域的最新进展。我们会涵盖新的用例和研究主题。
免责声明
这些路线图旨在为你提供行业概览，并在你对未来学习方向感到困惑时给予指导，而非鼓励你盲目追随热门趋势。你应该理解为什么某些工具在特定情况下比其他工具更合适，同时记住，流行并不一定意味着最适合当前任务。
引言
基础知识
数据科学路线图
机器学习路线图
深度学习路线图
数据工程师路线图
大数据工程师路线图
🚦 总结
如果你认为任何一份路线图还有改进空间，请随时提交PR更新或反馈问题。我们将持续优化这份资料，建议你关注或星标本仓库，以便日后查阅。
🙌 贡献
请查看贡献文档，了解如何更新任何一份路线图。
- 提交包含改进建议的拉取请求
- 在问题区讨论想法
- 分享给更多人
- 随时提出反馈
支持单位
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。