阶段九 · AI 与大数据（本课导读）
课程定位：解锁「数据 + AI」这波生产力。从机器学习、深度学习到当下最热的大模型应用（LangChain / Dify / Agent），再到大数据处理（Spark），这一阶段让你成为「会用数据说话、会用 AI 干活」的工程师。 前置条件：阶段二（Python 必学）+ 阶段三（算法、数学基础）。 时长建议：3~6 个月，选一个方向主攻（AI 应用 / 算法 / 大数据）。
一、开场案例：AI 时代，程序员会不会被淘汰？
小白问老师：「老师，现在 AI 都会写代码了，我还学这些干嘛？」
老师反问：「会用 AI 写代码的人，和不会用 AI 的人，哪个更值钱？」
小白：「……会用 AI 的？」
老师：「对。AI 不会淘汰程序员，但会用 AI 的程序员会淘汰不会用的。而且你发现没有——AI 生成的东西，需要有人判断对错、设计架构、把 AI 接进业务**。这些恰恰需要你前面八个阶段学的东西：算法、网络、数据库、架构。AI 是放大器：你原本的能力 × AI 的能力 = 你的新能力。」**
小白：「那我该学 AI 的什么？」
老师：「两条路：① 做 AI 应用——把大模型、推荐、搜索接进产品（学 LangChain、Dify、推荐系统）；② 做算法——训练模型本身（学机器学习、深度学习、PyTorch）。大多数人走第一条，回报快、需求大。先把『数据』这碗饭端稳，再谈 AI。」
案例启示：两个团队做同一个智能客服：一个只会调 API，效果一般；另一个懂数据、懂推荐、懂链路，把大模型 + 知识库 + 用户画像结合，回答准确率翻倍。懂 AI 的人很多，懂「AI + 工程」的人很值钱——你前八个阶段的积累，在这里兑现。
二、这一阶段学什么？
| 模块 | 对应课程 | 核心收获 |
|---|---|---|
| AI 认知 | 人工智能基础课 ★、王天一人工智能基础课、零基础 GPT 应用入门课 | AI 全景与思维 |
| 机器学习 | 零基础实战机器学习 ★、AI 应用实战课 | ML 基础与动手 |
| 深度学习 | 深度学习应用实践 60 讲 ★、PyTorch 深度学习实战、TensorFlow 快速入门、TensorFlow2 项目进阶 | DL 框架实战 |
| 推荐系统 | 推荐系统三十六式 ★、深度学习推荐系统实战、手把手搭建推荐系统 | 推荐算法与工程 |
| NLP | NLP 实战高手课 | 自然语言处理 |
| 大模型应用 | AI 大模型之美 ★、LangChain 实战课、Dify 开发·AI Agent 进阶实战、AI 大模型系统实战、AI 大模型企业应用实战、AI 绘画 | LLM 应用开发（最热方向） |
| 大数据 | 从 0 开始学大数据 ★、零基础入门 Spark、Spark 核心原理与实战、Spark 性能调优实战 | 海量数据处理 |
| 数据分析 | 数据分析实战 45 讲 ★、数据分析思维课 | 用数据解决问题 |
| 云计算 | 深入浅出云计算、云计算必修小课 | 云平台与算力 |
三、怎么学最有效？
- 先定方向：AI 应用 / 算法 / 大数据，三选一主攻，其他了解。
- 数据先行：学 AI 前先把 Python 和数据分析基础打牢（pandas/numpy），模型吃的是数据。
- 动手跑模型：别只看理论，Colab/本地跑一个线性回归、跑一个 PyTorch 训练、跑一个 LangChain 对话——「跑通」比「看懂」重要 100 倍。
- 做 AI 作品：给自己做一个「AI 助手」（接入知识库）、一个「推荐 Demo」（基于 MovieLens 数据集）、一个「数据看板」——放进简历，就是竞争力。
四、学完检验（自测清单）
- 能用一句话说清机器���习、深度学习、大模型的区别与关系
- 能解释监督学习/无监督学习、过拟合、评估指标（准确率/召回率）
- 能用 PyTorch 或 TensorFlow 完成一次「数据→训练→评估」全流程
- 能用 LangChain 或 Dify 做一个带知识库的 AI 应用（RAG）
- 能说清推荐系统的召回/排序两阶段架构
- 能用 Spark 处理一份 GB 级数据（或说出它与 Pandas 的区别）
全打勾，进入
10_阶段十_安全与测试/。