当前位置:首页 > 百科 > 正文

关于如何学习人工智能的信息

学习人工智能的时候,如果发现找不到合适的学习方法,那么一份简单而又清晰明了的学习路线此时就显得十分重要。现在,德国软件公司AMAI GmbH在GitHub平台发布了一份学习路线图。上线不久,该学习路线就收到了5.4k星的高度评价。从下图中我们不难发现,机器学习路线与深度学习路线是学习人工智能的必经之路:

机器学习路线图

关于如何学习人工智能的信息  第1张

这一份机器学习路线图主要分为 4 大部分:基础概念、算法、用例以及所用工具。

基础概念部分主要包括机器学习中常用的概念,比如梯度下降、训练集、测试集、验证集等;

算法部分列举了 4 类算法:监督学习、无监督学习、集成学习和强化学习;

用例部分列举了情感分析、协同过滤、标注和预测;

所用工具部分则介绍 scikit-learn、spacy 等工具。

深度学习路线图

关于如何学习人工智能的信息  第2张

在机器学习路线结束后,就可以进阶进入深度学习路线啦,这是本文图示中学习路线的最后一部分。

深度学习路线图由 4 大部分组成:论文、神经网络、网络架构以及所用工具。

论文部分提供了深度学习论文阅读路线图以及 SOTA 论文;

神经网络部分提供了一篇详细介绍如何理解神经网络的博客文章;

网络架构部分包括感知器、自动编码器、CNN、RNN;

所用工具部分主要介绍TensorFlow 、PyTorch等。

除了机器学习路线和深度学习路线之外,这条学习路线还包含有数据科学家、数据工程师以及大数据工程师的学习路线。想要更多了解的同学们可以进入:

https://github.com/AMAI-GmbH/AI-Expert-Roadmap

相信你在参考了这条人工智能学习路线后,一定会受此启发,快速地入门学习人工智能,并且可以配合Github上开源的训练集、测试集做一些上手实践的项目。除了这份学习路线,你或许还需要下面10本人工智能领域最畅销的图书!

精选好书,献礼读者。

01

深度学习

关于如何学习人工智能的信息  第3张

本书为三大部分,第一部分介绍应用数学基础知识和机器学习的基本概念,第二部分介绍业界经典的深度学习算法,第三部分是一些探索性研究,对深度学习的未来发展非常重要。本书假定读者拥有计算机科学的背景,熟悉编程,对计算性能、复杂度问题、图论知识以及入门的微积分了解。

02

动手学深度学习

关于如何学习人工智能的信息  第4张

广告

动手学深度学习

作者:阿斯顿·张(Aston Zhang) 李沐(Mu Li)[美] 扎卡里·C. 立

当当

本书不仅阐述深度学习的算法原理,还演示它们的实现和运行。本书共分3个部分:第一部分介绍深度学习的背景,提供预备知识,并包括深度学习最基础的概念和技术;第二部分描述深度学习计算的重要组成部分,还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络;第三部分评价优化算法,检验影响深度学习计算性能的重要因素,并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

03

Python神经网络编程

关于如何学习人工智能的信息  第5张

广告

Python神经网络编程(异步图书出品)

作者:[英]塔里克·拉希德(Tariq Rashid)

京东

本书首先从简单的思路着手,详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路,包括神经网络底层的数学知识,第2部分是实践,介绍了学习Python编程的流行和轻松的方法,从而逐渐使用该语言构建神经网络,以能够识别人类手写的字母,特别是让其像专家所开发的网络那样地工作。第3部分是扩展,介绍如何将神经网络的性能提升到工业应用的层级,甚至让其在Raspberry Pi上工作。

04

人工智能(第2版)

关于如何学习人工智能的信息  第6张

广告

人工智能 第2版

作者:[美]史蒂芬·卢奇(Stephen Lucci),丹尼·科佩克(Danny Ko

当当

本书共为17章,讲述了如何多样化探索人工智能领域,原书在亚马逊上收到众多高校老师和学生的好评。书中不仅介绍了人工智能的基础理论,还介绍了机器学习、神经网络、自然语言处理等热门话题,帮助读者全方位了解人工智能领域的方方面面。本书既适合作为教材,也适合作为个人阅读的参考指南。

05

Python数学编程

关于如何学习人工智能的信息  第7张

广告

Python数学编程(异步图书出品)

作者:[澳],阿米特·萨哈(Amit,Saha)

京东

本书将程序设计和数学巧妙地结合起来,从简单的项目开始,应用Python解决高中和大学低年级的数学问题,比如几何、概率、统计以及微积分等,为进一步学习更复杂的数学内容以及Python编程语言打下坚实的基础。本书也可作为Python初学者的入门读物,通过学习书中的示例程序和完成那些编程挑战,读者可以提高自己的编程能力和技巧。

06

自然语言处理实战

关于如何学习人工智能的信息  第8张

广告

自然语言处理实战 利用Python理解、分析和生成文本(异步图书出品)

作者:[美]霍布森·莱恩,科尔·霍华德,汉纳斯·马克斯·哈普克

京东

本书是介绍自然语言处理(NLP)和深度学习的实战书。

NLP已成为深度学习的核心应用领域,而深度学习是NLP研究和应用中的必要工具。本书分为3部分:第一部分介绍NLP基础,包括分词、TF-IDF向量化以及从词频向量到语义向量的转换;第二部分讲述深度学习,包含神经网络、词向量、卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆(LSTM)网络、序列到序列建模和注意力机制等基本的深度学习模型和方法;第三部分介绍实战方面的内容,包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。本书面向中高级Python开发人员,兼具基础理论与编程实战,是现代NLP领域从业者的实用参考书。

07

人工智能基础 数学知识

关于如何学习人工智能的信息  第9张

广告

人工智能基础 数学知识(异步图书出品)

作者:张晓明

京东

本书基于流行的Python语言,通俗易懂地介绍了入门人工智能领域必须必会的数学知识,旨在让读者轻松掌握并学以致用。本书分为线性代数、概率和优化等3篇,共21章,覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣,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,并能从工程落地的角度深刻理解数学在其中的扮演角色和魅力。本书适合希望投身于人工智能领域且想有一番作为的人员阅读,还适合对人工智能领域背后的逻辑感兴趣的人员阅读。本书还可作为各大高校人工智能专业的参考用书。

08

人工智能算法 卷1 基础算法

关于如何学习人工智能的信息  第10张

广告

人工智能算法 卷1 基础算法(异步图书出品)

作者:[美]杰弗瑞·希顿(Jeffery,Heaton)

京东

算法是人工智能技术的核心。本书介绍了人工智能的基础算法,全 书共10 章,涉及维度法、距离度量算法、K 均值聚类算法、误差计算、 爬山算法、模拟退火算法、Nelder-Mead 算法和线性回归算法等。书中 所有算法均配以具体的数值计算来进行讲解,读者可以自行尝试。每章 都配有程序示例,GitHub 上有多种语言版本的示例代码可供下载。本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者 阅读参考。

09

PyTorch深度学习

关于如何学习人工智能的信息  第11张

广告

PyTorch深度学习(异步图书出品)

作者:[印度]毗湿奴·布拉马尼亚(Vishnu,Subramanian)

京东

本书详细讲解了如何使用前沿的深度学习库PyTorch来解决所有的深度学习需求,读者可使用PyTorch训练神经网络,提升其速度和灵活性,以及如何在不同的场景中应用神经网络。本书涵盖了ResNET、Inception、DenseNet等在内的高级神经网络架构以及它们的应用案例。本书适合数据分析师、数据科学家,以及对深度学习感兴趣且希望在系统中执行深度学习最佳做法的读者阅读。

10

机器学习精讲

关于如何学习人工智能的信息  第12张

广告

机器学习精讲 全彩印刷(异步图书出品)

作者:[加拿大],安德烈·布可夫(Andriy,Burkov)

京东

本书用简短的篇幅、精炼的语言,讲授机器学习领域必备的知识和技能。全书共11章和一个术语表,依次介绍了机器学习的基本概念、符号和定义、算法、基本实践方法、神经网络和深度学习、问题与解决方案、进阶操作、非监督学习以及其他学习方式等,涵盖了监督学习和非监督学习、支持向量机、神经网络、集成学习、梯度下降、聚类分析、维度降低、自编码器、迁移学习、强化学习、特征工程、超参数调试等众多核心概念和方法。全书最后给出了一个较为详尽的术语表。本书能够帮助读者了解机器学习是如何工作的,为进一步理解该领域的复杂问题和进行深入研究打好基础。本书适合想要学习和掌握机器学习的软件从业人员、想要运用机器学习技术的数据科学家阅读,也适合想要了解机器学习的一般读者参考。

11

贝叶斯思维:统计建模的Python学习法

关于如何学习人工智能的信息  第13张

广告

贝叶斯思维 统计建模的Python学习法(异步图书出品)

作者:[美]Allen B.Downey

京东

贝叶斯统计学方法正变得日益重要和日益普及。但是市场上适合初学者的资源很少。本书基于作者在大学讲授的课程,可以帮助读者获得一个良好的开端,诸如利用Python编程,处理统计学中的估值,预测,决策分析,假设检验等问题。书中包含掷骰子等简单的例子,也有解决现实问题的实际算例。

12

PyTorch生成对抗网络编程

关于如何学习人工智能的信息  第14张

生成对抗网络(Generative Adversarial Network,GAN)是神经网络领域的新星,被誉为“机器学习领域近20 年来最酷的想法”。本书以直白、简短的方式向读者介绍了生成对抗网络,并且教读者如何使用PyTorch按部就班地编写生成对抗网络。

本书适合想初步了解GAN以及其工作原理的读者,也适合想要学习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关课程的学生,本书可以帮助读者快速入门,为后续的学习打好基础。

13

人工智能算法(卷2):受大自然启发的算法

关于如何学习人工智能的信息  第15张

算法是人工智能技术的核心,大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法,这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章,涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解,每章都配有程序示例,读者可以自行尝试。

14

机器学习测试入门与实践

关于如何学习人工智能的信息  第16张

本书全面且系统地介绍了机器学习测试技术与质量体系建设,能够帮助读者了解机器学习是如何工作的,了解机器学习的质量保障是如何进行的。工程开发人员和测试工程师通过阅读本书,可以系统化地了解大数据测试、特征测试及模型评估等知识;算法工程师通过阅读本书,可以学习模型评测的方法和拓宽模型工程实践的思路;技术专家和技术管理者通过阅读本书,可以了解机器学习质量保障与工程效能的建设方案。