B.Tech CSE(AI&ML)大二规划求助：AI/ML与SDE方向选择及技能指导

1. 大二应重点培养的技能 #

AI/ML方向 #

• 夯实数学基础：线性代数（矩阵运算、特征值分解）、概率论与数理统计（概率分布、假设检验），这些是AI/ML算法的核心底层知识
• 深入Python进阶：掌握面向对象编程、装饰器、生成器，熟悉numpy、pandas数据处理库，上手scikit-learn做基础建模
• 基础算法实践：从经典模型入手，比如线性回归、逻辑回归、决策树、随机森林，完成小型数据集的分类/回归项目

SDE方向（若兼顾） #

• 掌握一门静态类型语言：比如Java或C++，理解内存管理、面向对象核心概念
• 数据结构与算法：重点练习数组、链表、栈、队列、二叉树、哈希表，以及排序、查找算法，通过编程题巩固
• 基础Web开发：了解HTML/CSS/JS基础，尝试用Flask或Django搭建简单的后端服务

2. 应避免浪费时间的事项 #

• 盲目跟风学过多框架：不要同时上手TensorFlow、PyTorch、Keras，先精通一个再拓展
• 忽略基础只追热点：不要沉迷于大模型、GPT等热点概念，底层数学和编程基础没打牢之前，热点技术只会浮于表面
• 无目标的刷课：不要囤积大量在线课程却不实践，学一个知识点就做对应的小项目或练习题
• 过度纠结工具选择：比如纠结用哪个IDE、哪个包管理工具，选主流的（VS Code、pip）后就专注于学习内容本身

3. 同时兼顾AI/ML与SDE是否可行 #

完全可行，且在当前行业环境下是加分项：

• 两者的核心能力有重叠：编程能力、逻辑思维、问题解决能力是AI/ML和SDE都需要的
• 合理分配时间：比如工作日重点攻AI/ML的数学和建模，周末抽时间练SDE的数据结构与算法或Web开发
• 互补优势：懂SDE的AI/ML工程师能更好地将模型部署上线，懂AI/ML的SDE能开发更智能的应用，在求职时选择面更广

4. 需尽早学习的重要技术或科目 #

• 数学类：线性代数、概率论与数理统计、微积分（多元微积分部分）
• 编程类：Python进阶、至少一门静态语言（Java/C++）、数据结构与算法
• AI/ML核心：机器学习基础、深度学习入门（神经网络基本原理）
• 计算机基础：操作系统（进程管理、内存管理）、计算机网络（TCP/IP协议、HTTP基础）

内容的提问来源于stack exchange，提问作者Shaurya Gupta