1.24

今天进行学习路线的梳理，主要是走python 、大数据等技术路线。最终实现一个对话只能体的效果
夯实前置阶段（寒假前期）
重点完成 Python​ 和 PyTorch​ 学习。
补充 自然语言处理（NLP）基础（如文本处理、词向量）。
数学部分可侧重线性代数、概率论基础。
切入大模型基础（寒假中期）
直接学习 Transformer 架构（这是大模型的基石）。
实践 提示工程​ 与 思维链（可通过 OpenAI API 或开源模型体验）。
此时可开始结合 Spark​ 进行大规模文本数据预处理（为训练/微调做准备）。
推进进阶技术（寒假中后期）
学习 微调技术（如 LoRA、QLoRA 等 PEFT 方法），尝试在个人项目中微调一个小模型。
了解 模型压缩（量化、剪枝）和 对齐技术（RLHF），理解其逻辑。
实践高阶应用（寒假后期）
在团队项目中尝试 大模型智能体（如基于 LangChain 搭建一个工具调用智能体）。
或探索 多模态应用（视觉问答、图文生成）。
用 Spark​ 处理多模态数据（如图像与文本的关联分析）。