人工智能技术路径.docx

《人工智能技术路径.docx》由会员分享，可在线阅读，更多相关《人工智能技术路径.docx（7页珍藏版）》请在第一文库网上搜索。

1、人工智能技术路径前期：知识储备包括数学知识，机器学习经典算法知识，编程技术(python)的掌握中期：算法的代码实现后期：实战水平提升机器学习路径规划图数学基础编程技术实际项目经验一、数学基础很多人看到数学知识的时候就望而却步，数学是需要的，但是作为入门水平，对数学的要求没有那么的高。假设你上过大学的数学课(忘了也没事)，需要的数学知识啃一啃还是基本能理解下来的。1.1、数学内容线性代数：矩阵/张量乘法、求逆，奇异值分解/特征值分解，行列式，范数等统计与概率：概率分布，独立性与贝叶斯，最大似然(M1E)和最大后验估计(MAP)等优化：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

2、降、牛顿法等微积分：偏微分，链式法则，矩阵求导等信息论、数值理论等上面的看不太懂没事，不是特别难，学习一下就能理解了。12、数学资源网上有很多人会列举大量大量的课程资源，这是非常不负责任的事,学完那些我头发都得白了。实际上，我们只需要学习其中的一部分就够了。1.2.1、 吴恩达的斯坦福大学机器学习王牌课程CS229,课后就有对学生数学知识的要求和补充，这些数学知识是完全符合机器学习要求的，不多也不少。墙裂推荐要看，不过只有英文版的。链接：https：/密码：3k3m1.2.2、 深度学习的三大开山鼻祖之一YOShUaBengiO写的深度学习（包含了机器学习）领域的教科书，现在以开源的形式在网上

3、公开。这部书被誉为深度学习的圣经。在这里我们只看这本书的第一部分,也就是数学基础。囊括了机器学习所需的所有必备数学基础，而且是从最基础的说起，也不多，必读的。链接：https：/密码：6qqm1.2.3、 跟机器学习算法相结合的数学知识。上面两部分是理论层面的数学，机器学习算法中会对这些数学进行应用。链接：https：/好了，数学方面我只推荐上面三个资源，三个都是必看的。里面很多可能你现在看不太懂，没关系。先大概过一遍，知道自己的数学水平在哪。在看到算法知识的时候，不懂的再回来补就好。后期需要更多的数学资料我会再更新的。二、编程技术编程语言：PythOn3.5及以上，Python易学，这个这期

4、先不细讲。三、经典算法知识算法包括机器学习和深度学习，机器学习是深度学习的基础。所以务必先学机器学习的经典算法，再学深度学习的算法。3.1、 机器学习1、 1.1、课程资料首推吴恩达的CS229,经典中的经典，在网易公开课里有视频，翻译，课程讲义，笔记是非常非常完备的。墙裂推荐。这个课程对数学有一定的要求，但我觉得只要你上过大学的数学，然后补一下上面的数学，完全可以直接来看这个CS229o假设你的数学真的很差的话，怎么办？吴恩达在CoUrSera上也开了一门跟CS229完全匹配的课程，coursera机器学习课。这门课是CS229的翻版，唯一不同的是它对数学基本是没有要求了，如果你对数学真的不

5、懂的话，那就先看这个的教程吧。它跟CS229的关系就是同样的广度，但是深度浅很多，不过你学完COUrSera还是要回过头来看CS229的。这个也是免费的。CS229课程视频：http：/https：/密码：6rw63、 1.2、配套书籍:机器学习实战，必看。用代码实现了一遍各大经典机器学习算法，必须看，对你理解算法有很大帮助，同时里面也有应用。如果大家看上面纯理论的部分太枯燥了，就可以来看看这本书来知道在现实中机器学习算法是怎么应用的，会很大程度提升你的学习兴趣，当初我可是看了好几遍。书籍及课后代码：链接：https：/s15XtF0H18si316076G1KYfg密码：sawb李航统计学习

6、方法，配合着看链接：https：/密码：adep,配合着看周志华机器学习，机器学习的百科全书，配合着看。链接：https：/sHJoQnWToonvBU6cYwjrRKg密码：7rz13.2、 深度学习说到深度学习，我们不得不提斯坦福的另一门王牌课程CS231,李飞飞教授的。这门课的课程，课后习题，堪称完美。必须必须看。整个系列下来，特别是课后的习题要做，做完之后你会发现，哇哦！它的课后习题就是写代码来实现算法的。这个在网易云课堂上有。视频地址：http：/课程笔记翻译，知乎专栏：https：/课后作业配套答案：https：/b1og,3.3、 学习时间到这里了，你的机器学习和深度学习算是入门

7、了。学完上面这些，按一天6小时，一周六天的话，起码也得三个月吧。上面是基本功一定要认真学。但是，还找不了工作。因为你还没把这些知识应用到实际当中。3.4、 实战部分3.5、 1,实战基础这一个阶段，你要开始用tensorf1ow（谷歌的深度学习框架）、scikit-1earn（PythOn的机器学习框架），这两个框架极大程度地集成了各大算法。其实上面在学习cs231n的时候你就会用到一部分。scikit-1earn的学习：http：/sk1earn.apachecn.org/cn/O.19.O/这是scikit-1earn的官方文档中文版翻译，有理论有实战，最好的库学习资源，没有之一。认真看，

8、传统的机器学习就是用这个库来实现的。Tensorf1ow的学习：https：/tensorf1ow,仅仅看这两个教程是不够的，你需要更多地去应用这两个库。接下来推荐一部神书，机器学习和深度学习的实战教学，非常非常的棒，网上有很多号称实战的书或者例子，我看了基本就是照搬官网的,只有这一本书，是完全按照工业界的流程解决方案进行实战，你不仅能学习到库的应用，还能深入了解工业界的流程解决方案，最好的实战教学书，没有之一。书名是hands-onrd-With-Sk1earn-and-tf链接：https：/3.4.3,实战最终阶段kagg1e数据竞赛，如果你已经学到了这一步，恭喜你离梦想越来越近了：对于

9、我们初学者来说，没有机会接触到机器学习真正的应用项目，所以一些比赛平台是我们不错的选择。参加kagg1e竞赛可以给你的简历增分不少，里面有入门级别到专家级别的实战案例，满足你的各方面需求。如果你能学到这一步了，我相信也不需要再看这个了。上述所有资料的合集：https：/密码：ve75补充:学到这个水平，应该是能够实习的水平了，还有很多后面再说吧。比如深度学习和机器学习的就业方向，深度学习得看论文，找工作还得对你得编程基础进行加强，具体就是数据结构与算法，我当年在这个上面可是吃了很大的亏。这里面关于深度学习和机器学习的就业其实是两个方向，上面的其实也没有说全。一般来说，你得选择一个方向专攻。我建议的是，自学的最好在后期侧重机器学习方向，而不是深度学习。深度学习的岗位实在是太少，要求太高。机器学习还算稍微好点。