29算法深水区：什么时候值得学
⚠️ 何时进入：当目标岗位明确要求训练、微调、推理优化或多模态建模时。
- Transformer：注意力、位置编码、训练与推理
- 微调：SFT、LoRA、数据配方与过拟合
- 评估：基线、消融、泛化、鲁棒与校准
- 工程：PyTorch、GPU、分布式、监控与复现
- 医疗时序：切窗、标签、泄漏、外部验证
如果目标是产品、解决方案或评测岗位，理解原理和限制通常已经足够；如果目标是算法岗，则必须有代码仓库、数据说明、训练曲线、基线比较、消融和错误分析。课程证书不能替代可复现结果。
本页结论：技术深度由目标岗位决定。
30每周必须留下一个可展示产物
页面主张：学习不以看完课程为完成，而以能被别人评审的交付物为完成。
第 1 周：临床流程 + 一页 PRD
第 2 周：安全红线 + 风险登记表
第 3 周：Agent／RAG Demo + 评测集
第 4 周：HIS／FHIR 接入草图 + 试点指标
📋 每天节奏：学习 1 小时，制作 1 小时，访谈／反馈 30 分钟。
每周五做一次公开演示或同伴评审，保留被质疑的问题；周末把反馈转成下周任务。真正的学习闭环是输入、制作、反馈、修正，而不是连续输入。
4 周 · 4 个可展示产物。
🎯 第三幕 · 分层补课小结
- P1 必补：产品表达、LLM 应用、模型评测、医疗安全与合规
- P2 按岗位补：HIS／LIS／PACS／EMR、HL7／FHIR、SQL 与增长、专科信号与验证
- P3 目标明确再补：Transformer、LoRA、微调、分布式训练与多模态建模
- 每周交付：学习闭环 = 输入 + 制作 + 反馈 + 修正
📎 本节证据来源
- BOSS 直聘医疗 AI 岗位截图调研（2026-06-29，14 张，定向样本）
- 面试后自学补短板清单