当前位置:首页 > 百科 > 正文

人工智能基础知识点(人工智能课程)

人工智能是近些年计算机专业的热门方向。我国早期的时候人工智能主要是研究生所开设的专业,但是2017年开始至今已经有32家重点高校陆续在本科开设了人工智能相关专业。

目前看来,人工智能领域已经出现了人才供不应求的局面,所以很多人愿意来探索人工智能的学习。

涉及知识点

人工智能是一个典型的多学科交叉的学科,其中就包括:哲学、数学、计算机、经济学、语言学,神经学等等。所以真正要入门人工智能需要学习的周期非常长。

目前人工智能的应用包括:机器视觉、人脸识别、专家系统、智能搜索、自动化程设计、智能控制、机器人学、语言和图像处理等等。每一个应用方向的所学知识点都不一样,比如在语言识别中就涉及到了:数学、计算机,语言等主要内容。机器学则涉及到了数学、计算机、工程学等。

我们按照语言识别为例看看发展史:

人工智能基础知识点(人工智能课程)  第1张

零基础该如何入门呢

如果这个零基础真的是计算机基础知识完全不懂得,那么一定要慎重选择入门人工智能专业。应用层的开发学起来都费劲,对于零基础要深层次研究原理会非常吃力。

如果大家有一定的数学理论基础,主要是学习计算机相关内容,那么建议学习周期在2-3个月。对于有一定计算机基础,但是要学习人工智能技术以及数学理论知识的同学,一般需要4-5个月的学习时间。单纯的数学知识都要学习很久的话,那么6个月以上可能才会完成入门。

人工智能学习知识点

Python是必学内容,75%的人工智能方向的人都用Python。起码要学从基础语法学习到面向对象。

其次就是机器学习科学计算库,这里学到的程度是可以独立地分析数据,比如分析电影数据。

机器学习算法:算法篇涉及的内容就非常的多和难了。

sklearn介绍、sklearn获取数据集、seaborn介绍、数据可视化、数据集划分、 特征工程、特征预处理、归一化、标准化、特征选择、特征降维、 交叉验证、网格搜索、模型保存和加载、欠拟合、过拟合、 KNN算法、欧式距离、曼哈顿距离、切比雪夫距离、闵氏距离、标准化欧式距离、余弦距离、汉明距离、 杰卡德距离、马氏距离、KNN中k值的选择、kd树、案例:鸢尾花种类预测、 线性回归、求导、最小二乘法、正规方程、梯度下降法、FG、SGD、mini-batch、SAG、Lasso回归、零回归、 Elastic Net、案例:波士顿房价预测、 逻辑回归、sigmoid、对数似然损失、混淆矩阵、精确率、召回率、F1-Score、ROC曲线、AUC指标、ROC曲线的绘制、 案例:癌症分类预测、决策树算法、熵、信息增益、信息增益比、基尼值、基尼指数、ID3、C4.5、CART算法、 案例:泰坦尼克号乘客生存预测、集成学习、boosting、Bagging、随机森林、GBDT、XGBoost、 案例:泰坦尼克号乘客生存预测优化、聚类算法、K-means聚类实现、SSE、“肘”方法、轮廓系数法、 CH系数、Canopy、Kmeans++、二分k-means、k-medoids、kernel kmeans、ISODATA、Mini-batch K-Means、 案例:探究用户对物品类别的喜好细分。

每一步的学习都要有实战项目,才能验证自己是否真的学会了。而且系统项目理论知识也非常重要,lambda大数据开发也是必学内容。

所以零基础的小伙伴们自学相对来说还是比较困难的。黑马程序员的人工智能课程是多项目实战结合。

人工智能基础知识点(人工智能课程)  第2张