人工智能基础

说明：介绍目前的深度学习需要学习什么，以及一些比较好的资源。

基础技术栈

• 系统：Debian
  
• 环境管理：venv，pip
  
• 编程语言：Python
  
• AI 框架：Pytorch
  
• 内容管理工具：Git
  
• 集成开发环境：VScode（本地环境）、Jupyterlab（远程环境）

进阶技术栈

• 编程语言：C++（g++、cling，标准=20）
  
• AI 框架：Pytorch（AMP，DDP并发）
  
• 环境管理：Docker（开发容器与普通容器）
  
• 高性能计算：jax
  
• 大数据：duckdb（替代pandas）
  
• 构建工具：xmake

自选方向技术栈

• 数学建模：MATLAB / Mworks（Julia）
  
• 大数据：pyspark
  
• 科学计算：计算方法，Julia
  
• 云计算：K8s（rancher）、KVM、SDS（ceph）、SDN
  
• 边缘智能：Tensort、onnx
  
• 高性能AI：flax、optax、orbax
• 加速器：FPGA（xilinx）、vitis、PCIe

注：
1. 基础技术栈建议在进入方向后3-6个月内完成；
2. 进阶技术栈建议在基础学习完后1-2个月内完成；
3. 自选方向技术栈仅作为参考，目前阶段无强制要求；
4. 使用“/”连接表示可选择其中一种技术，使用“，”仅作为分隔符；
5. WSL2不再推荐，仅作为过渡使用。

---

以下推荐一些需要的数学知识

• 线性代数：介绍了人工智能所需的线性代数基础
• 机器学习方法：深入介绍机器学习中的一些基础方法