赞
踩
大家好,我是大白
最近很多同学都开始放暑假了,我偶尔去刷了一下关于AI的圈子
诸如学习人工智能的一大推言论:
我想利用暑假期间学人工智能行吗?
学AI是从什么编程语言开始学?
AI该如何学习?有书籍推荐嘛?
学AI必须读博吗?
关注过我的同学都知道,前段时间,我也是一直在给大家分享python相关的知识点和学习路线,
也跟同学们强调的一点,就是python是作为人工智能的首选语言
今天,我将关于AI的学习路径及我所参考的资料全部免费分享出来,虽然机器冰冷,但希望在学习AI的路径上让大家感受到温暖!
在我学习人工智能的过程中,主要有以下两个途径:
AI知识大体可以分为5个模块,接下来我会依次介绍每个模块的学习路径,最后给大家推荐几个我入门时做过的项目,帮助大家快速入门人工智能。
在AI领域,目前大部分程序员都使用Python
作为第一语言。
学会上述操作后就入门了,但一定要将基础部分的内容掌握扎实。进阶操作在前期不着急学习,可以在日后使用过程中逐渐精通,比如函数式编程、多线程使用、异常处理与日志管理等等。
书籍推荐
这里给大家推荐两本学习Python
必备书籍。《Python编程》中每个知识点下都有对应示例,非常直观。入门后,《流畅的Python》可以帮你精通Python
,完成从小白到大神的进阶。
很多同学看到数学就头疼,其实模型通用的基本数学原理并不难,难的公式在之后的模型中遇见时再逐个击破即可。
切记前期不要深陷到数学知识中去深挖!!
首先大家不要惧怕数学。在遇到我们不会的数学公式时,我们要更多的思考这个公式能解决什么问题,而不是一直纠结公式的推导与计算。
比如梯度下降和反向传播的根本原理就是求导,全局最优解就是极值点,所以最优解一定在导数的某一个拐点处,类似的很多知识都是高中就学过的。
在深度学习中,线代最重要的应用就是高维数据相乘运算,可以大大提升运算速度。
概率论的知识在AI体系中看似不那么重要,但却无处不在。从数据预处理、建模、模型参数初始化及归一化,到最后的结果分析都与概率论息息相关。
常用指标很多是大家耳熟能详的,比如均值、方差。如果你之前没有很强的概率论功底,建议你掌握常用知识后,在实际中遇到不懂的问题时要养成查阅的习惯。这部分知识不会太难,但是对理解模型与过程十分的重要:
这里推荐的是3本经典教材与1本我个人非常喜欢的《数学之美》。3本教材书无需多述,《数学之美》把抽象、深奥的数学方法解释得通俗易懂,非常精彩,很多模型原理都可以在其中找到你想要的回答。
在具备一定的编程能力与数学功底后,我们就可以对实际问题进行分析与挖掘。
很多同学问算法工程师需要学爬虫吗?我的回答是:算法的重点在于建模,算法工程师掌握基本爬虫知识就好,因为单位一般都有专门的采集工程师。
但是数据分析师一定需要学。因为数据分析师需要具备自主获取数据的能力,从而进行数据分析。
不论你做数分还是算法,Numpy
、Pandas
和Matplotlib
都是必须掌握的。但这部分内容很杂,没必要进行系统学习,就好像Excel
中的函数一样。
大家可以网上找一些常用方法多浏览浏览,脑子里留个印象就行,在实际使用的时候再去查具体怎么用。就算没印象,我也建议大家在实际使用时先去官网上查有没有对应的内置方法,如果没有再自己写函数实现。
后续我也会总结三剑客的高频使用方法。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。