Learning Roadmap

Algorithm Internship Roadmap

从基础语法到算法实习作品集

这是一版学习路线 demo，把当前博客里的 Python、C++、数学、数据分析和项目文章串成可执行路径。 目标不是收藏文章，而是每个阶段都有明确产出：能写代码、能复盘、能做项目、能给面试官看。

Target 2026.10 初级算法实习 NLP / LLM App / RAG / Data Mining / Search & Rec

知识图谱 项目作品集 代码基础 数据科学

Stage 01 Python / C++ / Algorithms

先把工程脚本、基础数据结构和刷题基本功打稳。这个阶段的产出是能独立写小脚本、能解释代码、能完成数组和字符串题。

• Python 从入门语法到算法实习工程化
• Python 计算思维与基础算法
• C++ 程序设计入门到实用

完成标准

能写 logging + argparse 脚本；能手写 dict 计数、排序、BFS；能用 C++ 写数组和函数题。

Stage 02 Math Core

线性代数和优化是理解机器学习、深度学习和检索推荐的底层语言。重点是把公式翻译成直觉和应用。

• Tensor 分解入门笔记
• SVD 应用笔记
• 优化核心概念导览

完成标准

能解释向量空间、矩阵分解、PCA、SVD、凸性、KKT 和梯度下降的作用。

Stage 03 Data Analysis / Big Data

算法实习离不开数据。这个阶段训练从表格数据到分布式计算的工作流：读数据、清洗、聚合、特征、评估。

• Pandas 入门到实用
• Pandas / Dask / Spark 动手教程
• Big Data Analytics 全景导览

完成标准

能独立完成 EDA、groupby、merge、SparkSQL 查询，并把数据处理流程写成脚本。

Stage 04 ML / NLP Project

把基础能力落到项目里。先做传统机器学习 baseline，再接 BERT/LoRA/XGBoost hybrid，形成可讲的项目故事。

• Stock Market Sentiment Classification
• GitHub: DSAI4205BigData

完成标准

能讲清数据、baseline、模型改进、指标、错误分析和下一步优化。

Stage 05 PyTorch / RAG / Search & Rec

下一阶段建议补齐深度学习训练闭环，然后做一个最小 RAG demo 和一个搜索/推荐 baseline。

• PyTorch tensor / autograd / training loop
• RAG: chunking / embedding / retrieval / rerank / evaluation
• Search & Rec: recall / ranking / metrics / baseline

完成标准

能把 demo 部署成可运行项目，并写成项目文章。

本月执行看板

Doing

Python 工程化、C++ 基础、Pandas 数据处理、数组题。

Next

PyTorch 最小训练闭环、RAG demo、项目 README 强化。

Portfolio

情感分析项目、Big Data 教程、SVD/Tensor 数学笔记。