人工智能应该如何学习?详细AI学习路线与资料推荐它来啦!

83次阅读

很多同学问我,AI 方向的知识多而杂,哪些该重点学习?学习路径又是怎么样的呢?

今天,我将自己的学习路径及我所参考的资料全部免费分享出来,希望能够帮助到大家。

AI 知识大纲

图片

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实战项目,帮助大家快速入门人工智能。

一、Python 编程基础

在 AI 领域,目前大部分程序员都使用 Python 作为第一语言。

图片

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

图片

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。

二、数学基础

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!!

高数

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。

线代

首先要明白矩阵各维度所代表的意义

其次清楚矩阵的运算规则

概率论

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。

籍推荐

图片

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。

三、数据分析

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。

爬虫

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。

必备三剑客

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。

四、机器学习

从机器学习开始就正式进入到了人工智能的领域。ML 涉及的算法都是白盒算法,使用可解释的数学公式去拟合数据、学习参数然后进行预测,最后对模型进行评估。

图片

机器学习算法因为都有可解释性,所以大家需要搞懂数学原理,并知道模型之间的差异、以及适用于什么数据集。

图片

对于回归任务与分类任务,我们也需要知道各种评估指标间的差异与使用场景。

图片

书籍推荐

这里推荐两本学习 ML 必备书籍。周志华老师的《机器学习(西瓜书)》与李航老师的《统计学习方法》。

图片

这两本书非常经典,讲述了机器学习核心数学理论与模型推导全过程,是夯实理论的不二选择。强烈推荐将书籍与上述推荐视频相结合进行学习。

五、深度学习

深度学习是黑盒算法,不具可解释性,初学者通常会觉得它比较神秘。但它的基础神经网络,可以说是由众多个逻辑回归函数组成,所以在学机器学习时一定要将逻辑回归彻彻底底学明白。

图片

未完待续

上述提到的重点内容日后会继续和大家分享,文字难以表达的也会以视频的方式和大家见面。

资料领取:

  1. 一键三连 + 关注

  2. 后台主动留下自己的足迹:“书籍”(重点)

原文链接:https://www.bilibili.com/read/cv24175073/

正文完
 
不知道
版权声明:本站原创文章,由 不知道 2023-08-23发表,共计1383字。
转载说明:声明:本站内容均来自互联网,归原创作者所有,如有侵权必删除。 本站文章皆由CC-4.0协议发布,如无来源则为原创,转载请注明出处。