怎样开展AI的学习?

技术路线  收藏
0 / 144

bgEnd.png

每个人学习的道路都不太一样,学习 AI 就像是一个游戏

1950959328.jpg

首先要明白,自己要选什么职业,然后明白自己要选什么技能。之后,去找寻最称手的武器。打造自己的 AI。

有的人喜欢编程,喜欢工程,喜欢挑战面对很多用户的实时性需求,就像一个战士

有的人数学很好,喜欢研究算法,提高准确率,就像个法师

有的人涉猎面很广,能够根据需求,将各种算法应用,完成需要的功能。就像个弓箭手

有的人虽然不擅长编程,但是对产品很敏锐,知道怎样设计会更符合用户需求。就像飞侠。

每一种岗位,都有所长,但是,他们都有一点,对 AI,计算机,编程,数学最基本的知识都有一定的掌握。

回头我给你做个测试吧,看看 你适合什么?

也许 你只是想自己一个人用现在的 AI 产品做点有趣的作品,譬如做个视频,处理照片,也许你想编程 做出一个有趣的 AI 程序,也许你会选择一个和几个人一起组一个小团队来做一些更有趣的 Ai。也许,你想加入一个大公司,用 AI 来服务于很多人。 无论你是谁,现在开始了解,时间都刚刚好。

学习路线

千篇一律的学习路线,认为你就能学会 AI,其实是个伪命题。但是,固定职业固定技能还是有它的学习路线。

开源项目 AlphaTree 将 之前我们提到的五个方向,分成了金木水火土

第一个,学派是行为主义(actionism)/控制论学派(cyberneticsism),聚焦在机器人,机器狗等方向。涉及到的学科知识,包括机器人操作系统,控制论,路径规划等。关键词 机器人 Robotics - 金

第二个学派是 符号主义(symbolicism) ,聚焦在搜索,推荐,图神经网络 ,专家系统等,关键词 机器学习。-木

第三个学派是 连接主义(connectionism),聚焦在神经网络,深度学习 机器视觉等方向,关键词 深度学习,GAN 等 - 水

第四个方向是最近兴起的强化学习等。火

第五个方向是数据科学方向的 数据挖掘等,也和 AI 息息相关。 土

f19dcf5b77aaf101338b080dbf032ca9.jpg

方向

如果是土系 : 也就是 数据, 可以参照下面路线去做 然后再看 是做工程 还是做算法 或者应用 也就是 有的是继续走 数据科学家的道路

image.png

image.png

另外一个 roadmap 也是很知名的。

如果是 木系法师,也就是 机器学习算法工程师,目标职位为推荐算法这些,那市面上之前大部分标准学习路线都适合
西瓜书 花书 这些都要啃。国外几门官方的课程,要继续看下去。

如果 是水系,那就是专注深度学习。无论应用还是算法,都要熟悉各种网络结构。譬如 水系的弓箭手,也就是 深度学习的算法应用工程师,可以参照 alphatree 的 算法结构地铁图。

image.png

如果是选择飞侠,那么就要多了解各种产品 多看。每个系的应用 都要有所了解。

如果有人问你 深度学习和机器学习有什么不同?你就应该可以很轻松的解释清楚了

木系,专注于模拟人的认知能力,也就是让计算机学会新知识。人类会设定一些目标函数,机器学习的过程就是训练数据去优化目标函数。 传统的机器学习需要定义一些手工特征,从而有目的的去提取目标信息, 非常依赖任务的特异性以及设计特征的专家经验。

水系,专注于模拟人的感知能力,深度学习是从大数据中先学习简单的特征,并从其逐渐学习到更为复杂抽象的深层特征,不依赖人工的特征工程。

你回头做完测试,我帮你做个合适的学习计划吧。

总结

学习规划

职业

  • 战士(开发)
  • 法师(算法)
  • 弓箭手(应用)
  • 产品/其他(飞侠)

方向

  • 金(机器人,无人机等)
  • 木(机器学习-推荐系统,知识图谱,搜索等)
  • 水(深度学习,gan,图像,语音)
  • 火(强化学习,进化算法)
  • 土(大数据,数据挖掘,区块链)

新建位图图像.bmp

https://github.com/apachecn/ai-roadmap/

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

https://github.com/weslynn/AlphaTree-graphic-deep-neural-network