# 传统 CV / NLP 转大模型路线

> 路线定位：面向已有传统 CV、传统 NLP、搜索推荐、信息抽取、OCR 或深度学习项目经验，希望转向大模型算法、应用和多模态岗位的人。

[返回热门AI学习核心课程与教程总览](README.md) | [返回项目主页](../README.md)

## 先抓迁移关系

传统 CV/NLP 经验不会过期，但需要翻译成大模型语言：数据质量、表示学习、训练目标、评测、部署和误差分析仍有价值；要补的是自回归建模、后训练、上下文工程和生成式评测。

## 推荐顺序

1. 先把原有项目拆成数据、模型、训练、评测、部署五层。
2. 再补 Transformer、LLM 运行机制和后训练。
3. 最后选一个 LLM / RAG / 多模态项目，形成迁移证据。

## 核心跳转

- [我是传统 CV 转大模型，怎么补？](<./02_传统CV转大模型学习路线.md>)
- [从传统 CV 转 AIGC 的最短路径](<./05_从传统CV转AIGC的最短路径.md>)
- [机器学习基础](<../深度学习基础（精华版）/01_机器学习基础.md>)
- [深度学习基础](<../深度学习基础（精华版）/02_深度学习基础.md>)
- [深度学习网络架构](<../深度学习基础（精华版）/03_深度学习网络架构.md>)
- [模型训练与优化](<../深度学习基础（精华版）/04_模型训练与优化.md>)
- [模型架构与工作原理](<../大模型基础（精华版）/02_模型架构与工作原理.md>)
- [预训练：训练与数据处理](<../大模型基础（精华版）/03_预训练：训练与数据处理.md>)
- [后训练：微调与对齐](<../大模型基础（精华版）/04_后训练：微调与对齐.md>)
- [提示工程：应用大模型的高级方法](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md>)
- [模型评估：多维评估大语言模型](<../大模型基础（精华版）/06_模型评估：多维评估大语言模型.md>)
- [AI 多模态基础总入口](<../AI多模态基础/README.md>)

## 本页产出

- 一张“旧能力 -> 新岗位能力”的迁移表。
- 一个可展示的 LLM / RAG / 多模态项目。
- 一段面试转型叙事，解释过去经验为什么能迁移，而不是被淘汰。

## 验收清单

- [ ] 我能把过去项目讲成数据、训练、评测、部署能力。
- [ ] 我能解释大模型和传统 CV/NLP 的核心机制差异。
- [ ] 我能拿项目证明自己已经完成第一轮能力迁移。

[返回热门AI学习核心课程与教程总览](README.md) | [返回项目主页](../README.md)