Python人工智能学习路线(长篇干货) | 您所在的位置:网站首页 › python 写个选型软件 › Python人工智能学习路线(长篇干货) |
本文篇幅较长,干货较多,面向于AI领域了解不深、有自学兴趣且有一些基础知识(高中+)的同学。前言 谈到人工智能(AI)算法,常见不外乎有两方面信息:铺天盖地各种媒体提到的高薪就业【贩卖课程】、知乎上热门的算法岗“水深火热 灰飞烟灭”的梗【贩卖焦虑】。 其实,这两方面都是存在的,但都很片面,这里不加赘述。客观地说,数字化、智能化是人类社会发展的趋势,而当下人工智能无疑是一大热门,那是蓝海还是火海?我们回到老道理——水的深度,只有你自己去试试水才知道。 当你对上面情况有了初步的了解并想试试水,需要面对的问题是:AI入门容易吗? 答案其实是否定的,难! AI领域需要钻研算法原理、大量复杂的公式及符号、无所适从的项目都是劝退一时热度初学者的原因。但对于一个初学者,这些原因根本上就是面对这样困难的学科却缺乏合适方法导致的。 反问一个玩笑,程序员怎么会没有方法呢?随手就定义一个Python方法(funtion)。。。 def funtion(): return 'haha,往下看,下面会介绍方法'回到笔者,一名普普通通的程序员,当初也是”误打误撞“学习Python入门到机器学习、深度学习,至今有4个年头,踩了很多坑,下文说到的学习方法、具体化的学习路线也就填坑试错的经验罢了。 一、学习方法是?说到学习方法,其实我们谈到的人工智能之所以智能,核心也在于其学习方法。而人工智能学习过程有两个要素: 1、学习目标是什么?(——什么目标函数) 2、如何达到目标?(——什么算法) 可以发现这两个问题也是我们学习这门学科需要回答的,所谓的学习方法也就是明确学习目标以及如何达到的方法。人工智能领域很多思路和人类学习是很共恰的! 1.1 学习目标是什么?我们的学习目标比较清楚,就是入门人工智能领域,能完成一个AI相关的任务,或者找到相关的工作。 1.2 如何达到目标?1、入门人工智能是个宽泛的目标,因此还得 将目标拆分成阶段性目标才易于执行,可以对应到下面--学习路线及建议资源的各个节点。 2、学习人工智能这门学科,需要提醒的是这本来就是件难事,所以实在搞不懂的知识可以放在后面补下,不要奢求一步到位(当然天赋了得另说),不要想一下子成为专家,可以从:懂得调用现成的算法模块(scikit-learn、tensorflow)做项目 -进阶-》懂得算法原理进一步精用、调优算法 -进阶-》领域专家。保持学习,循序渐进才是啃硬骨头的姿势。 3、啃硬骨头过程无疑是艰难的,所以慢慢地培养兴趣和及时的结果反馈是很重要的。在这方面,边学边敲代码是必须的,结合代码实践学习效率会比较高,还可以及时看到学习成果,就算是啃硬骨头看到牙印越来越深,不也是成果,也比较不容易放弃! 二、整体的学习路线及建议资源本学习路线的基本的框架是: → 首先宽泛了解领域,建立一定兴趣 → 基础知识、工具准备 → 机器学习|深度学习的入门课程、书籍及项目实践 → (面试准备) → 自行扩展:工作中实战学习 或 学术界特定领域钻研,经典算法原理、项目实践 2.1 了解领域及培养兴趣我们首先要对人工智能领域有个宽泛的了解,有自己的全局性的认识,产生一些判断,才不会人云亦云地因为“薪资高、压力大”等去做出选择或者放弃。再者你做的准备调研越多,确认方向后越不容易放弃(等门槛效应)。当然,最重要还是慢慢培养兴趣,这个事情如果没有兴趣不走心,能做得很好吗? 人工智能(Artificial Intelligence,AI)之研究目的是通过探索智慧的实质,扩展人类智能——促使智能主体会听(语音识别、机器翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会思考(人机对弈、专家系统等)、会学习(知识表示,机器学习等)、会行动(机器人、自动驾驶汽车等)。一个经典的AI定义是:“ 智能主体可以理解数据及从中学习,并利用知识实现特定目标和任务的能力。” 从技术层面来看(如下图),现在所说的人工智能技术基本上就是机器学习方面的(也 |
CopyRight 2018-2019 实验室设备网 版权所有 |