电商软件测试转型AI数据工程 补习课程表转型：电商软件测试->AI数据工程4
发表时间：2025-08-31 23:58 电商软件测试转 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
大类 | 序号 | 知识点 | 学习要求 | 学习时长建议 | 学习资源 | 难点总结 | 课后练习 | 过关考试 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
数学基础 | 1 | 线性代数基础 | 1.理解向量、矩阵、张量的基本概念和运算 2.掌握线性方程组的解法和应用 3.理解特征值和特征向量的概念和计算方法 4.能够应用线性代数知识解决数据工程中的问题 | 建议 15 小时（理论学习 6 小时，实践 9 小时） | 中国大学 MOOC：线性代数 慕课网：线性代数与机器学习 哔哩哔哩：线性代数的本质 | 1.理解高维空间的线性变换 2.掌握矩阵运算的几何意义 3.理解特征值和特征向量的物理意义 | 1.实现向量和矩阵的基本运算 2.使用线性代数方法解决简单的回归问题 3.计算给定矩阵的特征值和特征向量 | 1.笔试：线性代数基本概念和运算 2.应用题：使用线性代数知识解决一个简单的数据工程问题 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
4 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
5 |
大类 | 序号 | 知识点 | 学习要求 | 学习时长建议 | 学习资源 | 难点总结 | 课后练习 | 过关考试 |
数学基础 | 1 | 线性代数基础 | 1.理解向量、矩阵、张量的基本概念和运算 2.掌握线性方程组的解法和应用 3.理解特征值和特征向量的概念和计算方法 4.能够应用线性代数知识解决数据工程中的问题 | 建议 15 小时（理论学习 6 小时，实践 9 小时） | 1.中国大学 MOOC：线性代数 2.慕课网：线性代数与机器学习 3.哔哩哔哩：线性代数的本质 4.人工智能工程师的线性代数 补习课程表 :http://www.ilearnai.online/h-nd-19.html?fromColId=2#_np=2_481 | 1.理解高维空间的线性变换 2.掌握矩阵运算的几何意义 3.理解特征值和特征向量的物理意义 | 1.实现向量和矩阵的基本运算 2.使用线性代数方法解决简单的回归问题 3.计算给定矩阵的特征值和特征向量 | 1.笔试：线性代数基本概念和运算 2.应用题：使用线性代数知识解决一个简单的数据工程问题 |
2 | 概率基础 | 1.理解概率的基本概念和性质 2.掌握随机变量及其分布 3.理解期望、方差、协方差等数字特征 4.掌握常用概率分布的性质和应用 5.理解大数定律和中心极限定理 | 建议 18 小时（理论学习 7 小时，实践 11 小时） | 1.中国大学 MOOC：概率论与数理统计 2.慕课网：概率统计与机器学习 3.网易云课堂：概率论与数理统计 4.人工智能工程师的概率论 补习课程表 http://www.ilearnai.online/h-nd-20.html?fromColId=2#_np=2_481 | 1.理解条件概率和贝叶斯定理 2.掌握多维随机变量的联合分布和边缘分布 3.理解大数定律和中心极限定理的应用条件 | 1.计算常见概率分布的期望和方差 2.使用概率统计方法分析一个简单的数据集 3.验证大数定律和中心极限定理 | 1.笔试：概率统计基本概念和计算 2.应用题：使用概率统计知识解决一个简单的数据工程问题 | |
3 | 统计学习基础 | 1.理解统计学习的基本概念和方法 2.掌握参数估计和假设检验的基本方法 3.理解回归分析和分类分析的基本原理 4.掌握方差分析和非参数统计方法 5.能够应用统计学习方法解决实际问题 | 建议 20 小时（理论学习 8 小时，实践 12 小时） | 1.中国大学 MOOC：统计学习方法 2.慕课网：统计学习与数据挖掘 3.网易云课堂：应用回归分析 | 1.理解假设检验的原理和应用 2.掌握回归模型的建立和评估方法 3.理解方差分析的基本思想 | 1.使用参数估计方法估计一个分布的参数 2.设计并实施一个假设检验 3.建立一个简单的回归模型并进行评估 | 1.笔试：统计学习基本概念和方法 2.应用题：使用统计学习方法解决一个实际的数据工程问题 | |
编程语言基础 | 4 | Python 编程基础 | 1.掌握 Python 的基本语法和数据结构 2.能够使用 Python 进行文件操作和异常处理 3.掌握函数和模块的定义和使用方法 4.理解面向对象编程的基本概念 5.能够使用 Python 解决简单的编程问题 | 建议 30 小时（理论学习 10 小时，实践 20 小时） | 1.中国大学 MOOC：Python 语言程序设计 2.慕课网：Python 编程基础 3.网易云课堂：Python 入门教程 | 1.理解 Python 的动态类型和内存管理 2.掌握面向对象编程的高级特性 3.理解生成器和迭代器的概念和使用方法 | 1.使用 Python 实现一个简单的数据分析程序 2.编写一个处理文件的 Python 脚本 3.使用面向对象编程方法设计一个简单的应用程序 | 1.笔试：Python 基本语法和概念 2.编程题：使用 Python 解决一个实际的数据处理问题 |
5 | Python 数据科学库 | 1.掌握 NumPy 库的基本使用方法 2.掌握 Pandas 库的基本使用方法 3.掌握 Matplotlib 和 Seaborn 库的基本使用方法 4.能够使用这些库进行数据处理、分析和可视化 5.理解这些库在数据工程中的应用场景 | 建议 25 小时（理论学习 8 小时，实践 17 小时） | 1.中国大学 MOOC：Python 数据分析 2.慕课网：Python 数据科学库 3.网易云课堂：Python 数据可视化 | 1.理解 NumPy 数组和 Pandas 数据框的底层结构 2.掌握数据清洗和转换的高级技巧 3.理解不同可视化库的适用场景 | 1.使用 NumPy 和 Pandas 处理一个简单的数据集 2.使用 Matplotlib 和 Seaborn 进行数据可视化 3.解决一个需要综合应用这些库的实际问题 | 1.笔试：Python 数据科学库的基本概念和方法 2.编程题：使用 Python 数据科学库解决一个实际的数据工程问题 | |
6 | ||||||||
7 |
学习要求：
学习时长：
学习资源：
难点总结：
课后练习：
过关考试：
学习要求：
理解关系型数据库的基本概念
掌握 SQL 语言的基本语法和查询方法
能够使用 SQL 进行数据的增删改查操作
理解 SQL 的高级特性和优化方法
能够使用 SQL 解决实际的数据处理问题
学习时长：建议 20 小时（理论学习 7 小时，实践 13 小时）
学习资源：
中国大学 MOOC：SQL 语言与数据库
慕课网：SQL 基础教程
网易云课堂：SQL 高级应用
难点总结：
理解复杂查询的执行计划
掌握索引的原理和使用方法
理解事务和锁的概念和应用
课后练习：
使用 SQL 创建数据库和表结构
编写复杂的 SQL 查询语句
优化一个低效的 SQL 查询
过关考试：
笔试：SQL 语言的基本概念和语法
应用题：使用 SQL 解决一个实际的数据工程问题
学习要求：
理解数据采集的基本方法和技术
掌握数据清洗的常用方法和技术
理解数据转换和归一化的方法
掌握特征选择和特征提取的方法
能够设计和实施一个完整的数据预处理流程
学习时长：建议 25 小时（理论学习 9 小时，实践 16 小时）
学习资源：
中国大学 MOOC：数据采集与预处理
慕课网：数据清洗与预处理
网易云课堂：数据预处理技术
难点总结：
处理缺失值和异常值的方法
特征选择和提取的标准和方法
处理高维数据的降维技术
课后练习：
设计一个数据采集方案
使用 Python 进行数据清洗和预处理
对一个数据集进行特征选择和提取
过关考试：
笔试：数据采集与预处理的基本概念和方法
应用题：设计一个完整的数据预处理流程并实现
学习要求：
理解数据可视化的基本原理和方法
掌握常用的数据可视化工具和技术
能够选择合适的可视化方法展示数据特征
理解交互式可视化的概念和应用
能够使用可视化工具进行数据分析和探索
学习时长：建议 18 小时（理论学习 6 小时，实践 12 小时）
学习资源：
中国大学 MOOC：数据可视化
慕课网：数据可视化实战
网易云课堂：高级数据可视化
难点总结：
选择合适的可视化类型展示数据
设计有效的可视化布局和交互
理解颜色和比例的使用原则
课后练习：
使用 Matplotlib 和 Seaborn 进行数据可视化
设计一个交互式数据可视化应用
使用可视化工具进行数据探索和分析
过关考试：
笔试：数据可视化的基本概念和方法
应用题：使用数据可视化工具分析和展示一个数据集的特征
学习要求：
理解数据挖掘的基本概念和流程
掌握关联规则挖掘的基本方法
理解分类和聚类分析的基本原理
掌握异常检测的基本方法
能够应用数据挖掘技术解决实际问题
学习时长：建议 25 小时（理论学习 10 小时，实践 15 小时）
学习资源：
中国大学 MOOC：数据挖掘基础
慕课网：数据挖掘实战
网易云课堂：机器学习与数据挖掘
难点总结：
理解 Apriori 算法和 FP-growth 算法的原理
掌握分类算法的评估方法
理解聚类分析的不同方法和应用场景
课后练习：
使用 Apriori 算法挖掘关联规则
使用决策树算法进行分类分析
使用聚类算法对数据集进行聚类分析
过关考试：
笔试：数据挖掘的基本概念和方法
应用题：使用数据挖掘技术解决一个实际的数据工程问题
学习要求：
理解关系型数据库的基本原理和架构
掌握数据库设计的基本方法和范式
理解索引和查询优化的原理
掌握事务和锁的概念和应用
能够设计和优化数据库表结构
学习时长：建议 20 小时（理论学习 8 小时，实践 12 小时）
学习资源：
中国大学 MOOC：数据库系统原理
慕课网：关系型数据库设计
网易云课堂：数据库原理与应用
难点总结：
理解数据库的事务隔离级别
掌握索引的设计和优化方法
理解数据库的并发控制机制
课后练习：
设计一个满足第三范式的数据库模型
优化一个数据库查询语句
设计和实现一个数据库事务处理
过关考试：
笔试：关系型数据库的基本概念和原理
应用题：设计一个满足业务需求的数据库模型
学习要求：
理解非关系型数据库的基本概念和特点
掌握 NoSQL 数据库的分类和应用场景
理解文档型数据库的使用方法
掌握键值存储数据库的使用方法
能够根据应用场景选择合适的数据库类型
学习时长：建议 15 小时（理论学习 6 小时，实践 9 小时）
学习资源：
中国大学 MOOC：非关系型数据库
慕课网：NoSQL 数据库实战
网易云课堂：非关系型数据库应用
难点总结：
理解不同类型 NoSQL 数据库的适用场景
掌握文档型数据库的查询语言
理解分布式数据库的一致性模型
课后练习：
使用 MongoDB 进行文档存储和查询
使用 Redis 进行键值存储和操作
比较不同类型 NoSQL 数据库的优缺点
过关考试：
笔试：非关系型数据库的基本概念和类型
应用题：根据给定的应用场景选择合适的数据库类型并说明理由
学习要求：
理解数据仓库的基本概念和架构
掌握数据仓库的设计方法
理解 ETL 的概念和流程
掌握 ETL 工具的使用方法
能够设计和实现一个简单的 ETL 流程
学习时长：建议 20 小时（理论学习 8 小时，实践 12 小时）
学习资源：
中国大学 MOOC：数据仓库与 ETL
慕课网：ETL 工具与实践
网易云课堂：数据仓库设计与实现
难点总结：
理解星型模型和雪花模型的设计原理
掌握 ETL 过程中的数据清洗和转换方法
理解增量抽取和全量抽取的区别和应用场景
课后练习：
设计一个星型模型的数据仓库
使用 ETL 工具实现一个简单的 ETL 流程
优化一个 ETL 作业的性能
过关考试：
笔试：数据仓库与 ETL 的基本概念和方法
应用题：设计一个满足业务需求的 ETL 流程
学习要求：
理解 Hadoop 的基本架构和原理
掌握 HDFS 的基本概念和使用方法
理解 MapReduce 的编程模型和实现原理
掌握 Hadoop 集群的搭建和管理方法
能够使用 Hadoop 进行分布式数据处理
学习时长：建议 25 小时（理论学习 10 小时，实践 15 小时）
学习资源：
中国大学 MOOC：Hadoop 分布式系统基础
慕课网：Hadoop 实战
网易云课堂：Hadoop 集群管理
难点总结：
理解 HDFS 的副本机制和数据分布策略
掌握 MapReduce 的工作流程和优化方法
理解 Hadoop 的资源管理机制
课后练习：
搭建一个简单的 Hadoop 集群
使用 MapReduce 实现一个简单的数据处理任务
优化一个 MapReduce 作业的性能
过关考试：
笔试：Hadoop 的基本概念和原理
应用题：使用 Hadoop 解决一个实际的大数据处理问题
学习要求：
理解 Spark 的基本架构和原理
掌握 Spark RDD 的基本概念和操作
理解 Spark SQL 的使用方法和应用场景
掌握 Spark Streaming 的基本概念和使用方法
能够使用 Spark 进行大规模数据处理和分析
学习时长：建议 30 小时（理论学习 12 小时，实践 18 小时）
学习资源：
中国大学 MOOC：Spark 分布式计算框架
慕课网：Spark 实战
网易云课堂：Spark 高级应用
难点总结：
理解 Spark 的内存管理和调度机制
掌握 RDD 的转换和行动操作
理解 Spark Streaming 的容错机制和性能优化方法
课后练习：
使用 Spark RDD 实现一个数据处理任务
使用 Spark SQL 进行数据分析
使用 Spark Streaming 实现一个实时数据处理系统
过关考试：
笔试：Spark 的基本概念和原理
应用题：使用 Spark 解决一个实际的大规模数据处理问题
学习要求：
理解分布式存储系统的基本概念和架构
掌握 HBase 的基本概念和使用方法
理解 Kafka 的基本概念和工作原理
掌握 Kafka 的生产者和消费者编程方法
能够设计和实现一个基于分布式存储和消息队列的系统
学习时长：建议 25 小时（理论学习 10 小时，实践 15 小时）
学习资源：
中国大学 MOOC：分布式存储与消息队列
慕课网：HBase 与 Kafka 实战
网易云课堂：分布式系统设计
难点总结：
理解 HBase 的数据模型和存储机制
掌握 Kafka 的分区和副本机制
理解分布式系统的一致性模型
课后练习：
使用 HBase 进行数据存储和查询
使用 Kafka 实现一个消息发布订阅系统
设计一个基于 HBase 和 Kafka 的实时数据处理系统
过关考试：
笔试：分布式存储和消息队列的基本概念和原理
应用题：设计一个基于分布式存储和消息队列的系统架构
学习要求：
理解机器学习数据管道的概念和作用
掌握数据管道的设计和实现方法
理解数据版本控制的重要性和方法
掌握数据验证和质量控制的方法
能够设计和实现一个完整的机器学习数据管道
学习时长：建议 25 小时（理论学习 10 小时，实践 15 小时）
学习资源：
中国大学 MOOC：机器学习数据管道
慕课网：数据管道设计与实现
网易云课堂：数据版本控制与质量控制
难点总结：
理解数据管道的并行处理和优化方法
掌握数据版本控制的实现方法
理解数据验证和质量控制的标准和方法
课后练习：
使用 Python 设计一个简单的数据管道
实现数据版本控制功能
设计和实现数据验证和质量控制机制
过关考试：
笔试：机器学习数据管道的基本概念和方法
应用题：设计和实现一个完整的机器学习数据管道
学习要求：
理解 MLOps 的基本概念和流程
掌握模型训练和评估的自动化方法
理解模型部署的不同方式和应用场景
掌握模型监控和更新的方法
能够设计和实现一个完整的 MLOps 流程
学习时长：建议 30 小时（理论学习 12 小时，实践 18 小时）
学习资源：
中国大学 MOOC：MLOps 与模型部署
慕课网：MLOps 实战
网易云课堂：模型部署与监控
难点总结：
理解 CI/CD 在 MLOps 中的应用
掌握模型版本控制和实验跟踪的方法
理解模型监控和异常检测的原理和方法
课后练习：
使用 MLflow 实现模型训练和跟踪
使用 Docker 进行模型打包和部署
设计一个模型监控系统
过关考试：
笔试：MLOps 的基本概念和方法
应用题：设计和实现一个完整的 MLOps 流程
学习要求：
理解生成式 AI 的基本概念和技术
掌握生成式 AI 在数据工程中的应用场景
理解提示工程的概念和方法
掌握合成数据生成的方法和技术
能够应用生成式 AI 技术解决数据工程中的问题
学习时长：建议 25 小时（理论学习 10 小时，实践 15 小时）
学习资源：
中国大学 MOOC：生成式 AI 与数据工程
慕课网：生成式 AI 实战
网易云课堂：提示工程与合成数据
难点总结：
理解生成式 AI 模型的训练和优化方法
掌握提示工程的设计和优化方法
理解合成数据的评估和质量控制方法
课后练习：
使用生成式 AI 生成数据架构设计
使用生成式 AI 生成数据清洗和转换代码
使用生成式 AI 生成合成数据集
过关考试：
笔试：生成式 AI 在数据工程中的基本概念和方法
应用题：使用生成式 AI 技术解决一个实际的数据工程问题
学习要求：
理解检索增强生成 (RAG) 的基本概念和原理
掌握向量数据库的基本概念和使用方法
理解知识库构建的流程和方法
掌握 RAG 系统的设计和实现方法
能够设计和实现一个完整的 RAG 系统
学习时长：建议 30 小时（理论学习 12 小时，实践 18 小时）
学习资源：
中国大学 MOOC：检索增强生成与知识库构建
慕课网：RAG 系统设计与实现
网易云课堂：向量数据库与知识图谱
难点总结：
理解向量检索的原理和方法
掌握知识库的更新和维护方法
理解 RAG 系统的性能优化和评估方法
课后练习：
使用向量数据库构建一个知识库
实现一个简单的 RAG 系统
优化一个 RAG 系统的性能
过关考试：
笔试：检索增强生成和知识库构建的基本概念和方法
应用题：设计和实现一个完整的 RAG 系统
学习要求：
能够综合应用所学知识设计和实现一个电商用户行为分析系统
掌握数据采集、处理、分析和可视化的完整流程
理解电商用户行为分析的业务需求和技术挑战
能够应用机器学习算法进行用户行为预测
能够撰写完整的系统设计文档和技术报告
学习时长：建议 40 小时（理论学习 15 小时，实践 25 小时）
学习资源：
中国大学 MOOC：电商用户行为分析系统设计
慕课网：电商数据分析实战
网易云课堂：用户行为分析与预测
难点总结：
理解电商业务的关键指标和分析方法
掌握用户行为数据的处理和特征工程方法
理解推荐系统的原理和实现方法
课后练习：
设计电商用户行为分析系统的架构
实现数据采集和处理模块
实现用户行为分析和预测功能
过关考试：
项目实践：设计和实现一个完整的电商用户行为分析系统
答辩：系统设计和实现的讲解和演示
学习要求：
能够综合应用所学知识设计和实现一个智能客服系统
掌握自然语言处理的基本技术和应用
理解智能客服系统的业务需求和技术挑战
能够应用生成式 AI 和 RAG 技术提升客服系统性能
能够撰写完整的系统设计文档和技术报告
学习时长：建议 45 小时（理论学习 18 小时，实践 27 小时）
学习资源：
中国大学 MOOC：智能客服系统设计与实现
慕课网：智能客服实战
网易云课堂：自然语言处理与智能客服
难点总结：
理解自然语言处理的关键技术和应用
掌握对话管理和多轮对话的实现方法
理解知识图谱在智能客服中的应用
课后练习：
设计智能客服系统的架构
实现自然语言理解和生成功能
实现基于 RAG 的知识检索和回答功能
过关考试：
项目实践：设计和实现一个完整的智能客服系统
答辩：系统设计和实现的讲解和演示
学习要求：
能够综合应用所学知识设计和实现一个智能推荐系统
掌握推荐算法的基本原理和实现方法
理解推荐系统的业务需求和技术挑战
能够应用协同过滤、深度学习等技术提升推荐性能
能够撰写完整的系统设计文档和技术报告
学习时长：建议 50 小时（理论学习 20 小时，实践 30 小时）
学习资源：
中国大学 MOOC：智能推荐系统设计与实现
慕课网：推荐系统实战
网易云课堂：深度学习推荐系统
难点总结：
理解推荐算法的评估指标和方法
掌握冷启动问题的解决方案
理解实时推荐的技术挑战和实现方法
课后练习：
设计推荐系统的架构和数据流程
实现基于协同过滤的推荐算法
实现基于深度学习的推荐算法
过关考试：
项目实践：设计和实现一个完整的智能推荐系统
答辩：系统设计和实现的讲解和演示
理论与实践结合：数据工程是实践性很强的学科，学习时要注重理论与实践的结合，通过大量的实际操作巩固所学知识。
多做项目实践：参与实际项目是提高数据工程能力的最佳途径，可以从简单的小型项目开始，逐步挑战更复杂的项目。
建立知识体系：数据工程涉及多个技术领域，要注重建立完整的知识体系，理解各知识点之间的联系和应用场景。
持续学习和跟进：数据工程技术发展迅速，要保持持续学习的态度，关注最新的技术发展和应用趋势。
参与技术社区：加入数据工程相关的技术社区，与同行交流经验和学习心得，获取最新的技术信息和资源。
开发工具：
Python 开发环境：Anaconda、PyCharm
数据可视化工具：Tableau、Power BI
大数据开发工具：IntelliJ IDEA、Eclipse
学习资源：
在线课程平台：Coursera、edX、Udemy
技术社区：Stack Overflow、GitHub、Medium
专业书籍：《数据工程实战》、《Hadoop 权威指南》、《Spark 快速大数据分析》
辅助工具：
版本控制工具：Git、GitHub
项目管理工具：Jira、Trello
文档工具：Markdown、LaTeX
制定学习计划：根据课程表的安排，制定详细的学习计划，合理分配每天的学习时间，确保按时完成学习目标。
阶段性目标：将整个学习过程分为若干阶段，每个阶段设定明确的学习目标，如完成一个模块的学习并通过相应的过关考试。
学习记录：记录每天的学习内容、遇到的问题和解决方法，便于复习和总结。
定期复习：定期复习已学内容，强化记忆，避免遗忘，特别是核心知识点和操作技能。
模拟考试：在每个模块学习结束后，进行模拟考试，检验学习效果，及时发现和解决问题。
本课程表系统地梳理了数据工程的核心知识点，从基础数学、编程语言到数据处理、数据库、大数据技术，再到 AI 数据工程应用和综合实践，覆盖了数据工程的各个方面。通过按照本课程表的顺序学习，你将能够全面掌握数据工程的核心理论和实践技能，并能够在 AI 项目中应用这些知识解决实际问题。
作为一名有电商软件测试经验的专业人士，你已经具备了软件开发和测试的基础能力，现在通过系统学习数据工程基础知识，将能够顺利转型为 AI 数据工程师。数据工程是 AI 领域的重要基础，掌握数据工程技能将为你在 AI 领域的职业发展打下坚实的基础。
记住，学习是一个循序渐进的过程，需要持续的努力和实践。希望你能够坚持学习，不断实践，最终达到熟练掌握数据工程技能的目标。祝你学习愉快，事业有成！
参考资料
[1] 人工智能学院人工智能专业2024级2024-2025学年(pdf) https://jw.nju.edu.cn/_upload/article/files/2c/7b/aca1a33f48d9aed6f0f217d3753b/4c10e174-117a-4bdb-94a6-99821b296fd4.pdf
[2] 人工智能数据工程技术专业 https://www.huwai.edu.cn/xxjsygcxy/info/1033/1764.htm
[3] 人工智能数据工程技术——专业介绍-数字工程学院-重庆建筑科技职业学院 https://cqrec.edu.cn/xxgcxy/info/1004/3926.htm
[4] 人工智能专业(本科)人才培养方案-信息科学与工程学院(人工智能学院) http://isen.qlnu.edu.cn/info/1065/2904.htm
[5] 人工智能与自动化学院2024-2025学年第一学期课表 https://aia.hust.edu.cn/info/1292/9334.htm
[6] AI应届生坦白局——人工智能专业大学学什么-抖音 https://www.iesdouyin.com/share/video/7521228234178301184/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7208435783827475256®ion=&scene_from=dy_open_search_video&share_sign=dp6dZ4O9BGnAb3UM5i0TSAzs0rZ6vZyDombIBu_xEUo-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651444&u_code=0&video_share_track_ver=&with_sec_did=1
[7] 世界顶级大学，人工智能专业课程表-抖音 https://www.iesdouyin.com/share/video/7342899706583977228/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7342899763496438565®ion=&scene_from=dy_open_search_video&share_sign=jrI16pMflP2Mwq5qlPdNphfUkn1mm13PPGdKqnu71yY-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651444&u_code=0&video_share_track_ver=&with_sec_did=1
[8] Data Engineering & AI https://www.esilv.fr/en/programmes/master-degree-engineering/majors/data-artificial-intelligence/
[9] Fundamentals of Data Engineering https://learn-xpro.mit.edu/fde_boeing
[10] Data Engineering https://www.ischool.berkeley.edu/courses/info/258?page=0%2C0
[11] Data Engineering https://ce.uci.edu/courses/course-details?academicTerm=SPRING&academicYear=2022
[12] Learn Data Engineering https://www.educative.io/courses/learn-data-engineering
[13] Data Engineering Courses https://www.coursera.org/courses?query=Data+Engineering
[14] 【AI数据开发工程师招聘】_中电金信招聘信息-猎聘 https://m.liepin.com/job/1976795757.shtml
[15] 「上海浦东新区 数据工程师(深度学习/大模型方向)招聘」_2025年浪潮集团招聘-智联招聘 https://m.zhaopin.com/jobs/CC120143600J40837317215.htm
[16] 生成式人工智能驱动的数据工程:现代数据工程师至少应掌握哪些技能-51CTO.COM https://www.51cto.com/article/815356.html
[17] AI数据工程师工作内容_黑时展域2025年AI数据工程师工作要求-BOSS直聘 https://activity.zhipin.com/job_detail/4d399d9261c5a00603Z63dy8GVpU.html
[18] 「AI数据工程师招聘」_易安能招聘-BOSS直聘 https://www.zhipin.com/job_detail/28682b2071faa5551HJ-2t2_EVtZ.html
[19] AI数据工程师 https://www.sii.edu.cn/2025/0415/c32a192/page.htm
[20] 2025年，数据标注员岗位有多火！-抖音 https://www.iesdouyin.com/share/video/7488671719117409587/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7488672520524811047®ion=&scene_from=dy_open_search_video&share_sign=dMiZzKKZJhC.Q6KV8yCXa5YoZCIsEzY79sNPDojqYwU-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651565&u_code=0&video_share_track_ver=&with_sec_did=1
[21] Top 11 GenAI Powered Data Engineering Tools to Follow in 2025 https://www.analyticsvidhya.com/blog/2024/12/genai-data-engineering-tools/
[22] The Future of Data Engineering in an AI-Driven World https://dataengineeracademy.com/blog/the-future-of-data-engineering-in-an-ai-driven-world/
[23] Top 5 Data Engineering Courses in 2025: Grow Your Data Engineering Skills https://www.simplilearn.com/top-data-engineering-courses-article
[24] The Data Skills in Demand for 2025: https://www.freshminds.co.uk/candidates/skills-hub/data-skills-in-demand-2025
[25] Data Engineering: The Foundation of AI https://www.tcsion.com/hub/isi/data-engineering-foundation-ai-course/
[26] Generative AI for Data Analysis and Engineering with ChatGPT https://www.udemy.com/course/generative-ai-for-data-analysis-and-engineering-with-chatgpt/?srsltid=AfmBOoqTPg42Oq1HQjI0yOqD9SkFuSRR4WrvFasZvLqsTCoCQIRYaHaF
[27] Generative AI: Elevate your Data Engineering Career (Coursera) https://www.mooc-list.com/course/generative-ai-elevate-your-data-engineering-career-coursera
[28] 2025年生成式人工智能应用工程师学习线路_工业和信息化人才培养工程培训课程标准 生成式人工智能应用工程师-CSDN博客 https://blog.csdn.net/e891377/article/details/145960925
[29] Databricks Certified Generative AI Engineer Associate 2025 https://www.udemy.com/course/databricks-certified-generative-ai-engineer-associate/?srsltid=AfmBOooJa9dRo67hl7MHz-mf6TaBbd_eL9h8pyaVVCQs-qPx8mPCDeWc
[30] Generative AI for data analytics https://www.udemy.com/course/chatgpt4datascience_x/?srsltid=AfmBOopYBfUhPv0kPoFWFUkSpsWOQyWBG9bclSvSes6rmjldoaf7iaNG
[31] ChatGPT & Generative AI for Data Analytics | Coursera https://www.coursera.org/programs/coursera-for-uva-mjhc4/learn/chatgpt-for-data-analytics
[32] Generative AI Masters 2025 - NLP, Transformers & Gen AI!! https://www.udemy.com/course/mastering-generative-ai/?srsltid=AfmBOor1HFNEJQNULL_xWnRjZvi9tCpGzNOYRsR9bR8Jci1Xpqy7IS3o
[33] 《2025大模型RAG全栈实战指南:从原理入门到工程精通》_大模型rag实战 网盘-CSDN博客 https://blog.csdn.net/2501_90713682/article/details/147104732
[34] AI & LLM Engineering Mastery: GenAI, RAG Complete Guide https://www.udemy.com/course/llm-engineering/
[35] Basic to Advanced: Retreival-Augmented Generation (RAG) https://www.udemy.com/course/basic-to-advanced-retreival-augmented-generation-rag-course/?srsltid=AfmBOorFhRfOGT9GuESXS4E3P6dALqPGZLmKPX9n2nGuR6Aj6mqxnD_-
[36] Python搭建RAG系统：原理解析+代码实现 10分钟极速上手！Python零基础搭建RAG系统，原理解析+代码实现，2025最新最详细教程，小白也能实现！大模型|LLM-抖音 https://www.iesdouyin.com/share/video/7535791136544230696/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7535791277397314358®ion=&scene_from=dy_open_search_video&share_sign=uPsagRzKSfBze0g6iQyum_MxS0mgdA2UJ7Q8LDO0hN0-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651619&u_code=0&video_share_track_ver=&with_sec_did=1
[37] 2025最新企业级大模型RAG项目实战教程，从0到1手搓搭建一套完整 RAG 系统！-抖音 https://www.iesdouyin.com/share/video/7487255334449401140/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7487258807106636555®ion=&scene_from=dy_open_search_video&share_sign=8MBR0muCGD_dNymW6sW04MZxsZjaD4atpgxwAOobp8w-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651619&u_code=0&video_share_track_ver=&with_sec_did=1
[38] 2025最新RAG教程！从零到精通带你入门-抖音 https://www.iesdouyin.com/share/video/7522097808229846272/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7522097818459196223®ion=&scene_from=dy_open_search_video&share_sign=T8Uw0OzpEvjwIzdmKV2IOoMN1FSQ.i6R8t5.9_7K6C4-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651619&u_code=0&video_share_track_ver=&with_sec_did=1
[39] 2025最新大模型RAG企业项目实战：手把手带你搭建一套完整 RAG系统，原理讲解+代码解析-抖音 https://www.iesdouyin.com/share/video/7488255592046316858/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7488255339859741459®ion=&scene_from=dy_open_search_video&share_sign=z.cmZaZl9GZ7l9nYwq5xx_t6UjiREUkeQqA4YX30AwE-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651619&u_code=0&video_share_track_ver=&with_sec_did=1
[40] 免费 MLOps 课程:学习机器学习运维的完整流程_mlops全流程-CSDN博客 https://blog.csdn.net/Xianxiancq/article/details/145825995
[41] Introducing MLOps: From Model Development to Deployment (AI) https://www.udemy.com/course/mastering-mlops-from-model-development-to-deployment/?couponCode=MARCH012025
[42] 精通 GCP 高级 MLOps:CI/CD、Kubernetes 与 Kubeflow,mastering-advanced-mlops-on-gcp-cicd-kubernetes-kubeflow_学术FUN https://xueshu.fun/5938/
[43] 全栈7步MLOps框架:打造高效能的端到端机器学习系统-CSDN博客 https://blog.csdn.net/gitblog_00046/article/details/139019431
[44] 这是一份关于MLOps（机器学习运营）的参考资料列表.MLOps是一个跨学科领域，旨在将机器学习模型从设计、训练到部署和运行；以下是列表中的一些重点内容......-抖音 https://www.iesdouyin.com/share/video/7441186286083280128/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7441185604362144512®ion=&scene_from=dy_open_search_video&share_sign=IWzD6LpGEfDF7pnnXRZDL5w56UUk7tIZtMN_06x6gm0-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756651619&u_code=0&video_share_track_ver=&with_sec_did=1