首页 百科正文

人工智能自学(想学互联网从哪里入手)

自学人工智能还是有一定门槛的,如果已经擅长一些技术和能力,那么成功的机会就会大很多。

比如说,尽可能有数学的基础或是学习过统计学的知识,这样能更好的理解算法原理,更容易上手。如果有Python或者R语言的编程基础也是能够大大加分的,自学的道路上这些都是很重要的基础能力。

对于想要自学人工智能的同学,人邮君也为大家规划了一个学习路径:

了解领域➡️学习相关基础知识➡️学习以机器学习为主的原理知识➡️通过实践检验知识,精进自己的技能。

首先要了解这个领域,建立一个人工智能基本概念。

例如了解AI技术包括哪些技术方向,有哪些应用领域,未来会如何发展,前景如何,对社会的影响如何等等,这不仅能够帮助我们加强对AI的兴趣,甚至可以发挥自己对AI的想象。

这个阶段人邮君为大家推荐《人工智能(第2版)》。

《人工智能(第2版)》系统、全面地涵盖了人工智能的相关知识,既简明扼要地介绍了这一学科的基础知识,也对自然语言处理、自动规划、神经网络等内容进行了拓展,更辅以实例,可以帮助读者扎扎实实打好基础。

人工智能自学(想学互联网从哪里入手)

人工智能自学(想学互联网从哪里入手)

人工智能(第2版)(异步图书出品)

特色鲜明、内容易读易学,适合人工智能相关领域和对该领域感兴趣的读者阅读,也适合高校计算机专业的教师和学生参考。

学习相关的基础知识

统计学部分:线性代数:标量、向量、矩阵/张量乘法、求逆,奇异值分解/特征值分解,行列式,范数等

概率与统计:贝叶斯、期望与方差、协方差、概率分布(0-1分布、二项分布、高斯分布)、独立性与贝叶斯、最大似然和最大后验估计等

高等数学:微积分、链式法则、矩阵求导、线性优化、非线性优化(凸优化/非凸优化)以及其衍生的如梯度下降、牛顿法等

数学部分为大家推荐《人工智能基础 数学知识》及《白话机器学习的数学》两本书。

人工智能自学(想学互联网从哪里入手)

人工智能基础 数学知识(异步图书出品)

《人工智能基础 数学知识》基于流行的 Python 语言,通俗易懂地介绍了入门人工智能领域必需必会的数学知识,旨在让读者轻松掌握并学以致用。这本书分为线性代数、概率和优化等3篇,读者可在潜移默化中掌握这些数学知识以及相关的编程操作。

人工智能自学(想学互联网从哪里入手)

白话机器学习的数学(图灵出品)

《白话机器学习的数学》通过正在学习机器学习的程序员绫乃和她朋友美绪的对话,结合回归和分类的具体问题,逐步讲解了机器学习中实用的数学基础知识。层层拆解,步步引导。同时,还通过实际的 Python 编程讲解了数学公式的应用,进而加深读者对相关数学知识的理解。

学习以机器学习为主的原理知识

当前人工智能技术中,机器学习占据了主导地位。

具体到机器学习的流程,包括数据收集、清洗、预处理,建立模型,调整参数和模型评估。基础则是机器学习的基本算法,包括回归算法,决策树、随机森林和提升算法,SVM,聚类算法,EM算法,贝叶斯算法,隐马尔科夫模型,LDA主题模型等等。

在机器学习入门阶段给大家推荐《机器学习实战》这本书。

人工智能自学(想学互联网从哪里入手)

人工智能自学(想学互联网从哪里入手)

机器学习实战(图灵出品)

这本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用Python代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,读者可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。

如果你想将你的能力在深度和广度上进行拓展,《百面机器学习》和《百面深度学习》这两本书可能会对你很有帮助。

人工智能自学(想学互联网从哪里入手)

这两本“面试宝典”由Hulu公司富有经验的算法工程师团队编写,其中《百面机器学习》梳理了机器学习的基础概念、方法和经典模型,可以帮你巩固基础,建立自己作为算法工程师的知识网络。《百面深度学习》进一步着眼于深度学习这个子领域,在算法和模型以外,还对推荐系统、计算广告等多个业务场景中遇到的实际问题进行分析解答。

《百面深度学习》仍然采用知识点问答的形式来组织内容,每个问题都给出了难度级和相关知识点,以督促读者进行自我检查和主动思考。

人工智能自学(想学互联网从哪里入手)

程序员面试宝典:百面机器学习+百面深度学习 算法工程

通过实践检阅自己的知识储备,落地和增强自己的技能

此部分分为:熟悉机器学习流程、数据集实践、深度研究三个部分。

收集数据,预处理和清理数据,搭建模型,训练和调试模型,评估模型。思考什么样的数据适合用什么类型的模型,逐渐建立这方面的判断能力。将不同类型的算法应用在数据集中,看看哪个效果最好。

这个部分更多地通过实践查漏补缺了解自己的知识盲点进行补齐。

本文从学习的逻辑出发,给想要自学人工智能的同学了一些建议,希望对想进入人工智能领域的同学有所帮助。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/10155.html

发表评论

评论列表(0人评论 , 4154人围观)
☹还没有评论,来说两句吧...