人工智能蔡自兴 自学人工智能可行吗?_人工智能_电器吧
首页 > 新闻中心 > 在线步兵网 > 人工智能

人工智能蔡自兴 自学人工智能可行吗?

    发布时间: 浏览量:
  • 0
内容由悬疑Zoo提供,电器吧机器人网提供人工智能蔡自兴相关内容,小编芒果味病患□为您整理并发布于人工智能栏目下,原标题:自学人工智能可行吗?,处理后为人工智能蔡自兴 自学人工智能可行吗?内容图片均为互联网搜集。阅读:37755次。
请给点建议?

人工智能蔡自兴 自学人工智能可行吗?

自学当然是可行的!如果你是人工智能领域的零基础小白,可以看看这份学习计划,部分附资源链接,除了书籍,配合一些视频学习效果会更好哦。

一、人工智能

书籍:“Artificial Intelligence: A Modern Approach (AIMA)” (人工智能:一种现代方法)

不可多得的综合性书籍,总体概述了人工智能领域,几乎涵盖新手需要了解的所有基本概念。

视频:

https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos/

Artificial Intelligence course(人工智能课程)系列视频讲座,通过训练AI玩游戏这类趣味实践来介绍基本知识,如果视频太快跟不上,可以配合从上面这本书(现代方法)中寻找相关概念。

二、机器学习(计算机科学和统计学的交叉学科)

视频:

机器学习基础薄弱的,可以先去TutsPlus课程“Machine Learning Distilled”看一下相关概念简述,Coursera上的Andrew Ng机器学习课程,也有基本概念的解释,还介绍了大部分重要的算法。

(https://www.coursera.org/learn/machine-learning/)

对ML算法了解不够的,可以配合以下教学视频进行理解

TutsPlus的“Machine Learning Distilled”(简要概述)

Perer Norvig 的Udacity Course on ML(ML Udacity 课程)

Tom Mitchell 的 Another course on ML

书籍:集体智慧编程(Programming Collective Intelligence)

ML算法在Python中的实践,大量基础性的实例,讲述生动,很适合入门学者,培养兴趣的同时又开拓视野,让你不想懂都难!

三、深度学习(是机器学习里最近比较火的一个子集)

DL基础方面的准备工作:

Google上的great introductory DL cources

Sephen Welch的great explanation of neural networks

书籍:

Deep Learning With Python(可自行度盘下载https://pan.baidu.com/s/1kUThYHT)

介绍DL应用程序中的最先进成果,深入浅出,带领新手快速开始构建基础并且接触实践案例,包含Keras、TensorFlow时下最先进的工具。

Neural Networks and Deep Learning(神经网络与深度学习)

(可自行度盘下载https://pan.baidu.com/s/1miLerZM)

新手友好,作者在数学密集的区域都有标注提示。MNIST手写数字的识别问题贯穿全书,每个模型以及改进都有详细注释的代码。

更多优质回答,请持续关注镁客网头条号~

人工智能蔡自兴 自学人工智能可行吗?

人工智能蔡自兴介绍

题主这么问,首先假设题主不是计算机或者数学专业的。

这么说吧,这是件可以去做的事,而且现实情况是,现在也有不少的一部分人工智能从业者就是转行过来的。

我在国内某电商做人工智能,而我大学的专业并非计算机也不是数学,就是纯靠自学找到的这份工作。目前从业三年,也积累了很多面试经验。

就我面试别人的经验来看,现在这行的水平良莠不齐,而且其实很少有学校有专门对口的专业,所谓的专业更多的只是计算机专业有天生的编程基础,数学专业有强大的数学背景,而更多的计算机应届毕业生,其实并没有很深厚的人工智能基础,只是和导师做了一两个用到了某个人工智能算法的项目。

所以自学的话,建议刚开始找一些例子,多看看比如tensorflow这样的框架官方文档上的内容,还是能学到不少东西的,然后思考整个例子的流程,再找些经典的教材看看算法的细节。

如果数学基础不好,建议先恶补一下基础的线性代数和基础概率论的前几章,然后就试着去理解神经网络,梯度下降这些内容,随着慢慢的深入,缺什么数学就补什么数学,不用一上来就一堆数学书,这样很容易就放弃了。最好是补充了基础的线性代数和概率论后,就着算法去跟随需求补充数学。

另外关于编程,这是个硬功夫,建议每天花时间去学习。

再说说工作的真实状态,工作一般分两种,一种就是网上所说的调参侠,还有一种就是做模型压缩优化这些高大上的工作。

对于调参侠,其实上手是很快的,但也不用鄙视调参侠,他们自有自己的价值,而且很多公司要的就是调参侠,而不是算法创新,需要的是快速出可用的模型。这时候工作的大部分内容其实并不在算法,更多的是在处理数据,把数据处理到最简单的算法都能得出好的结果,你就是你周围的圈子里蛮厉害的了。所以调参侠需要的技能并没有想象中那么复杂,通过自学是可以入门的。

对于模型压缩优化这部分工作,刚开始自学的时候可能会很难到这个层次,但也有捷径,就是利用别人写好的优化框架,你可能不知道发生了什么,但你的模型就是跑的快了,模型也变小了。

当然我这里并不是鼓励做调参侠,建议做两年调参侠后,这时候操作系统基础(linux)该有了,也有些编程经验了,各类算法也摸过了,这时候可以考虑做一些深入的工作了,比如模型压缩这样的工作。

另外,即使是自学,最好也是找一个具体的方向深入,比如推荐,视觉,nlp等,不然只是常规的分类回归门槛太低了。

最后建议初学不要给自己太多压力和砍,可以看看下面这些内容(对非计算机或数学专业):

1.linux基础

2.python基础

3.线性代数和概率论基础

4.吴恩达的深度学习视频

5.tensorflow官方文档,实践起来

看完上面这些,相信自然而然会知道该往哪里深入了。

既然是自学,所以看书的时候千万不要骗自己,没看懂就是没看懂,刚开始的时候一个很简单的推导都值得花很多时间好好去咀嚼。

希望能有更多的参与到人工智能这场技术变革里来。

人工智能蔡自兴 自学人工智能可行吗?

达到能够从事机器学习研发工作的基本要求,需要先循序渐进地学习几门基础知识:

1、高等数学

2、线性代数

3、概率和数理统计

4、一门计算机语言(Java/C++/Python and the like)

5、算法

一定要自学的话,除了看书,建议看高校课程视频(这里就不放链接了,在网上很容易找到美国牛校的视频教程,当然前提还有英语听力...),否则不太容易学好。

判断这些基础知识是否学好的标准,不是去做几套考题。最有效的办法是应聘计算机公司的初级程序员。入职后可以继续往下看 :-) >>>>>

恭喜你已经入门一只脚!不过要坐到AI算法工程师的位置,还要啃这几门知识:

1、计算原理

2、模式识别

3、人工智能导论,个人推荐:Artificial Intelligence: A Modern Approach,虽然有些年头了,但很经典!

接下来要看你喜欢哪个具体方向了,NLP、图像还是语音,相关书籍就不推荐了。强烈建议NLP方向哈,我们需要更多的同行。 :-)

这时需要:1)找个开源框架多练练手了,2)多看国际会议经典论文。

记住:算法不是万能的,多读数据,会有灵感。

如果你找不到比较完整的学习资料,可以把我的给你,

链接: https://pan.baidu.com/s/1o7Xps86 密码: 9733

(如果链接失效,麻烦私信我)


文章关键词人工智能,自学,蔡自兴

结语:感谢悬疑Zoo的辛苦撰写及电器吧小编芒果味病患□的整理。有关人工智能蔡自兴的介绍如果您还有不理解的,欢迎留言。

声明:
分享知识,勿忘初创!
电器吧内容大部分均为自己原创,欢迎转载,请注明出处,页面永久链接?/pro/AI/2175.html

猜您想看

友情链接: 176bg.space    470vqe.space