零基础学人工智能可以学会吗?怎么学好?

优就业好像是和中科院专家有一个人工智能的合作的网课,是由中科院研究员授课的,可以了解一下,中科院在人工智能研究方向还是很权威的。


这个零基础是什么意思呢?是开发人员转岗人工智能?还是没有编程基础?各大厂招聘人工智能相关开发岗位最低要求研究生起步。重点考核数学、算法等专业知识。


我认为初学者在该领域还没有一个学习的途径,这是我创建这个指南的目的。在过去的几个月里,我试着每天花几个小时了解这个领域,无论是观看Youtube视频还是看各种资料,现在我觉得我有丰富的经验来分享我的见解。我在本指南中收集的所有信息适用于这个领域的初学者。该指南是按照时间顺序进行,而且与我所遇到的大多数指南/学习路径不同,它不需要理解线性代数,偏导数和其他复杂的数学概念。如果你经常在这条路上学习,我相信你可以在三个月内可以达到相当高的水平。以下是学习步骤:

学习Python并用它编写你的算法

我强烈建议先学习Python,因为它不仅非常容易学习,而且几乎支持机器学习中使用的所有优秀库。虽然R语言很有用,但我发现Python更适合初学者。除了基本编程外,对于机器学习,最有用的库是Numpy,Pandas和Matplotlib。

对于那些以前从未写过代码的人,我建议参加多伦多大学(现在是ML/AI最好的大学之一)提供的课程。这需要几周的时间,但这是非常值得的。你通过本课程获得的大部分知识可以应用于任何其他编程语言,唯一的区别是语法。该课程是免费的,可以在这里观看。

对于那些拥有其它语言编程经验的人,只需浏览Python的语法。

现在,在了解Python的基础知识之后,你需要了解我所说的前两个库(Matplotlib可以晚点)。Numpy和Pandas用于修改你使用的数据,而Matplotlib则用于通过图表将这些数据可视化。

Numpy:

深入了解机器学习的基础知识

如果有一门通用的机器学习课程,它必须是AndrewNg的课程。虽然对于初学者来说,这门课程可能有点难度,因为它涉及到偏导数等概念。我希望每个人都观看这个视频并做笔记,虽然这不需要编程相关的教程和练习。

链接:https://www.coursera.org/learn/machine-learning

学习各种机器学习算法,并理解如何在真实世界的场景中实现它们

理解没有大学数学知识的机器学习算法是很难的,但是澳大利亚的一个团队解决了这个问题。KirillErenko和HadelindePonteves来自SuperDataScience团队,他们在现实生活中应用简单算法。他们的课程涵盖Python和R,但你只需通过Python教程即可。另外,如果你觉得他们的速度太慢,可以1.25倍的速度看这个课程(我做到了,发现它好得多)。

他们的课程在Udy上,它可以在这里找到,通常约为10美元。它涵盖了从基本回归算法到深度学习和卷积神经网络的一切。如果你想探索更先进的领域,他们的深度学习课程将在机器学习结束时提供,并且享受90%的折扣。然而,这第二门课程中的概念可能有点先进,缺乏适当的文档,因为它们非常新颖。另外你可以学习谷歌的免费深度学习课程或密歇根州的免费课程。

找到一个特别感兴趣的领域,并深入探索

现在,你已经有广泛的机器学习的概念,并且学到了很多技能,可以帮助你独立完成基础项目。我建议去Kaggle或UCI机器学习资源库尝试不同的算法和优化性能。如果你遇到问题,可以在StackOverflow提问,发布之后你将在几个小时内得到答复!

另外,我建议你在机器学习的广泛领域找到一个有趣的领域,并深入研究。我推荐的区域有:

计算机视觉:这可能是机器学习/人工智能领域最热门的领域---利用计算机使用特殊类型的神经网络来查看和理解事物。斯坦福大学在线发布他们的课程,在线提供讲座,课程笔记和作业。不要担心数学太复杂,因为这个过程只是为了加深你的知识。另外,你可以看看OpenCV,这是一个计算机视觉库,可以为你做很多复杂的事情,推荐一个教程。完成这些后,请查看Kaggle和UCI上更高级的图像数据集,甚至可以进行Kaggle比赛。

自然语言处理:了解计算机如何学习说话也是今天的一个突出话题。斯坦福大学提供了一个在线课程。如果你不了解一些数学概念,不要担心,只要了解这个领域的工作原理。对于实现,你可以进行这个Udy课程。另外,你也可以观看一些著名的机器学习者SirajRaval的视频(如watch?v=9zhrxE5PQgY)。当你已经完成了这些,可以尝试进行简单的项目,如建立聊天机器人,情感分析或为歌曲创建歌词。

强化学习:该领域专注于机器学习如何以特定方式学习,其最受欢迎的应用程序是在视频游戏领域。银鸿的UCL是个不错的选择,但初学者可能会觉得有点棘手。一旦你完成了这些工作,就可以开始从网上下载基础项目,并利用机器学习和人工智能来修改他们的行为。一些简单的教程可以通过Youtube搜索找到。

数据科学:这个领域是一个萌芽的领域,有许多令人兴奋的工作机会。我建议你进行SuperDataScience的付费课程或UC圣地亚哥基于Python的免费课程,此外你必须学习SQL以及Matplotlib。还有像自主学习(用于推荐系统),AdversialNetworks(AI改进AI)和遗传算法(以与自然进化类似的方式改进问题的解决方案)等领域,在我看来,这些是大多数初学者延伸的领域。

最后

如果你想长期在这个领域工作,那么一定要了解它是什么。一旦你对该技术的工作有了必要的了解,你就应该开始做在本节列出的事情,这些事情是初学者应该做的,以加深他们对该领域的总体了解程度并使他们更有知识,如下:

开始阅读研究论文:他们确实没有听起来那么具有挑战性。如果你遇到过一个你不明白的东西,那么就把它放下。这个网站提供了大量优秀的论文。

倾听前辈的意见:AndrewNg,IanGoodfellow和YannLeCunn等人都会定期接受采访,并给出该领域工程师关于人工智能主题的观点。这个Youtube频道收集了这些演讲的最佳内容。

与领域保持同步:Wired是所有对科技感兴趣的人的最佳平台之一。它每天发布多个与AI相关的故事,可在这里找到。另外,也可以使用TechCrunch的FacebookMessenger机器人---它通常会对AI相关的文章感兴趣,并且每天都会提示你。

哲学:AI有它的支持者和反对者,但是它背后的哲学是有趣的。这一领域的书籍适合初学者,其中包括RayKurzweil的“如何创造心灵”和MaxTegmark的“生活3.0”(arena-attachments/1446178/cffa5ebc74cee2b1edf58fa9a5bbcb1c.pdf?1511265314)---请尝试阅读这些内容。

贡献:如果你是喜欢从别人的经验中学习的人,请查看人工智能和深度学习Facebook小组。或者通过r/artificial/在AI上查看Reddit的主题。


谢谢邀请,零基础真不好界定,学习人工智能零基础可以从学习Python开始!

要想学好的话最重要的两方面要注意:

1.学好Python

软件开发技能最好的学习方法就是做实战小项目,边做边学习相关知识点,我的号上就有许多我录制的上课视频,就是一直用案例与项目去教学生学习的,效果还不错。

2.掌握数学与统计基础,尤其是统计

不过不是科班出身,走人工智能方向要费劲得多,数学与统计要好,计算机相关专业的话应该也学过高数、线性代数、概率统计吧,就看学的怎么样了!

3.Python在数据科学领域是霸主

数据岗位发展方向,都是比较新型的职位,数据分析员、数据分析师、数据产品经理、数据总监、首席数据官等等,从数据分析员、初级数据分析师(就是表哥表姐哦)入行,逐步发展!

我们选择发展方向要顺势而为,目前人工智能、大数据、数据分析与挖掘无疑是发展方向,选准了深耕下去就行了,不管怎么样Python是非常值得投资的方向,希望能够坚定你的信心,需要更多相关资源可以关注号“语凡提”,里面有大量我上课录制的相关视频,涵盖Python/机器学习入门/深度学习入门/PySpark大数据开发/人脸识别项目实战等等。


原始地址:/zixun/51124.html