加油呀！！！！窝要加油变强💪
📅 十月：夯实基础
国庆假期（9.29 - 10.1）
没离职海尔的时候
- JSON格式处理
- SMTP邮件发送
- 设计模式学习：
- 多线程
- 单例模式
- 工厂模式
- Python3内置库深入：
- MongoDB, urllib, pip
- operator, math, requests, random
- OpenAI, statistics, hashlib
- pyecharts, sys, pickle, subprocess
- queue, StringIO, logging
- datetime, re, csv
- threading, asyncio（没学完，都只是看了个皮毛🥲后面用到再补）
假期期间
- 个人网站搭建（就是现在这个博客！）
国庆假后
核心学习内容
- Python基础巩固
- OOP编程
- SQL数据库
- Pandas, NumPy, Matplotlib
三个实战项目
- 学生成绩管理系统（面向过程版）
- 学生成绩管理系统（OOP重构版）
- Kaggle数据集分析
- 选择基础数据集
- 数据探索与清洗
- 可视化分析
十一月：深入AI
主要学习内容
- 大模型课程深入学习
- RAG技术栈
- 检索算法
- LoRA微调
- 深度学习复习
- 机器学习复习
- 强化学习入门
实践要求
- 手写复现课程代码
- 理解每个算法原理
- 做好笔记和总结
多线程实践
在RAG项目中，尝试用多线程并行处理多个文件向量化
十二月：学习企业的开发方法和思想
学习内容
- Linux基础
- Docker基础
- Web编程基础
- Elasticsearch基础
- HTTP协议
- RESTful API（FastAPI）
核心项目：智能电影推荐系统
这个项目将串联所有技术点：
技术栈应用
Web编程（FastAPI） - 后端API服务
GET /search?q=科幻：接收搜索关键词，返回相关电影POST /recommend：接收用户喜欢的电影ID，返回推荐列表
Elasticsearch - 搜索引擎
- 导入电影数据（标题、简介、演员等）
- 快速检索，替代慢速数据库查询
- 支持全文搜索和相关性排序
机器学习模型
- Pandas处理电影数据
- Scikit-learn训练协同过滤推荐模型
- FastAPI调用模型提供推荐服务
Docker - 容器化部署
- 编写Dockerfile，定义环境依赖
- docker-compose一键启动FastAPI + ES
- 确保跨平台一致运行
- 便于云服务器部署
解决的实际问题
问题：Docker、Web编程、ES这些在实践中怎么应用？
答案：通过这个智能电影推荐系统，将所有技术点串联起来，形成完整的应用。
代码管理
将所有代码上传到GitHub并分类整理
多线程实践
在Web服务项目中，用线程池处理并发请求
一月：重构
核心任务
重构之前在幂律做的合同抽取系统
- 使用企业级开发规范
- 代码模块化、可维护
- 添加完整的文档
- Docker容器化部署
多线程实践
多线程并行处理多个合同文件，提升处理效率
路漫漫其修远兮，吾将上下而求索。