您正在应用IE低版浏览器,为了您的彩票幸运飞艇-幸运飞艇计划网页版账号安然和更好的产物体验,强烈建议应用更快更安然的浏览器
人工智能 注释
发私信给skura
发送

0

开发者 AI 转型指南

本文作者:skura 2019-08-15 15:05
导语:改酿成 AI 开者是一条漫长而艰辛的蹊径,但这着实不意味着你不克不及完成这个目的

开发者 AI 转型指南

人工智能…好吧,现在看来,这项尖端手艺现在是最盛行的,同时也是一项会对人类发生决议性影响的手艺。我们对人工智能的实力和它们在简直任何行业中的有用应用要领以为惊讶。现在的机械人就像 100 年前的飞机。那么接上去会是甚么?这个效果激起了许多情绪,从极大的兴趣、勉励、成为这一历程的组成部门的欲望,到最后的恐怖、嫌疑和无知。是甚么阻挡了你加入人工智能的生长,成了一个自动的旁不雅不雅者?

你可以想象,改酿成人工智能开发者是一条漫长而艰辛的蹊径,但这着实不意味着你不克不及完成这个目的。我要对嫌疑者说一句话:纵然你在编程、数学、工程方面没有任何履历,你也能够或许在家里重新泉源学习人工智能,并泉源将你的知识应用于现实,培植质朴的机械学习处置赏罚赏罚妄图,这些将是你成为人工智能开发者迈出的第一步。

几年前,Kaggle 的用户查询会见显示,在人工智能这个领域使命的人中,只需 30% 的人在黉舍学习过机械学习或数据迷信。相反,66% 的受访者是自学的。逾越一半的受访者说他们应用群集课程学习新的学科。以是,这只意味着一件事:

阻拦做梦,泉源行动吧!

假定你决议这样做,本文将成为你迈出第一步的绝佳赞助工具。在这里,我将展示我眼中成为人工智能开发者的最有用的学习蹊径。你知道,网上有许多质料可以选择,但我试着赞助你分辨甚么才是真正主要的。

你准备好了吗?

Part I. 首先,获得泉源学习人工智能所需的基本手艺

开发者 AI 转型指南

人工智能是最严重的研究之一,准确的学习战略特殊主要。我的意思是,你须要为学习做准备,你要先控制一些基本的手艺。假定你曾经知道一些基本手艺,那么你可以跳过这一阶段。但在其他情形下,我建议至少花几天或许一周时间来明确你须要学习领域的基础知识。

同时,你不须要在每件事上都成为大师。你只须要花点时间去明确一些基本看法就好。假定你想更深刻地学习,现在先不要焦炙。岂论怎样,它将有助于你在以后遇到效果时更好地在谷歌上搜索谜底。

#1 笼统头脑

笼统头脑关于变得更聪慧和取得处置赏罚赏罚效果的才干来讲很主要。你具有笼统头脑吗?假定没有,是时间改变这类情形了。

取得优胜的处置赏罚赏罚效果才干和逻辑推理才干是你现在的主要义务。机械学习是围绕着寻觅数据中的形式来阻拦的。例如,与设计服务架构和调试服务架构相比,数据迷信家花了更多的时间来天生假定、在数据阵列上准备和推行无阻拦的实验。

在专家的心目中,蹊径和谷歌舆图的交织点、自动取款机剖析系统的时间序列中的的现金提取统计数据都邑被转换成图表。没有用笼统的形式体现浅易事物的手艺是不行的。以是,说到思虑,我们须要优先保证思虑的深度,这是处置赏罚赏罚效果的措施。

若何学会深度思虑?对你所看到的一切事物阻拦提问。或许前进笼统头脑才干的最好措施是前进你的精神耐力,泉源更多地思虑使命。以下是一些滑稽的视频,或允许以帮到你:




顺便说一下,前进你的数学手艺也有赞助,由于数学是一种笼统的头脑要领。在统计数据中寻觅形式也能够或许前进你在这方面的才干。以是,重视下一个手艺。

#2 基本的数学素养

开发者 AI 转型指南

人工智能和机械学习这类职业须要你具有基本的数学知识。这里的要害词是「基本」。你须要浏览或更新基础现实,无需浏览所有教程,只需关注要害看法:

  • 数据剖析用到的线性代数:标量、向量、矩阵和张量

  • 数学剖析:导数和梯度

  • 概率论基础

为了快速学习线性代数和数学剖析,我推荐以下课程:

  • 供应关于线性代数和数学剖析的杂乱现实课程。

  • :这个软件上有很好的 ML 数学学习课程。

  • ,带你轻松走向人工智能的无限能够。

#3 假定你想研究机械人的话,就要学物理

开发者 AI 转型指南

对所有的工程领域来讲,对迷信的扎实明确很主要。物理学特殊有用,由于它为机械人学供应了能量、电路、力学、质料迷信和其他要害课题的基础知识。可是,所有的迷信都是有用的,由于它们教会我们若何将数学应用于现实效果。

在那里学物理?不要惊慌。这里有一个很棒的 ,你可以不才面学习工程物理。享用你的学习吧!

#4 统计措施

开发者 AI 转型指南

统计措施是数学学习的主要基础之一,它可让你加倍深刻明确机械学习算法的原理,用于剖析数据和数据集的主要手艺有:

  • 匀称值

  • 尺度误差

  • 回归剖析

  • 样本尺寸测定

  • 假定磨练




#5 算法,重新到尾!

开发者 AI 转型指南

重视!我们现在曾经进入学习人工智能最基本的领域。用「必弗成少」来形貌算法远远不够。假定你想成为人工智能领域的研究者,你必须成为算法方面的专家。你应当在这方面有精彩的效果处置赏罚赏罚和剖析手艺。以是不要回避前面的法式模范,它将赞助你高效地完成给定的义务。

算法似乎太去世板、严重,难以控制。在某种水平上,这是真的。可是,假定你真的、放肆地,深深地想成为一小我工智能专家,你必须更新你的知识,没有其他的捷径可走。你可以用我之前的一篇文章来简化这个义务——「」——这里我用质朴的语言说清晰了了十大最有数算法的焦点原理。

但这还不够,以是我建议你再往前走一步。看看这些有用的器械:

  • Steven S Skiena 的「」

  • Daniil Korbut 的「」

  • Daniel P.Clark 的「」

以上这些都是准备使命。假定你曾经控制了所有这些基本手艺,你可以自尊地泉源教机械学习啦。

Part II. 泉源学习最主要的部门——人工智能

开发者 AI 转型指南

就这样,我们脱离了最滑稽的部门。有了学习人工智能所必须的知识基础,你便可以容易地明确下面的要点,像婴儿学走路一样一步一步更靠近你的妄图。是的,没错,这些只是踉跄学步。请记着,这是弗成能速成的。

#1 盘算机迷信、法式模范模范设计(关注 python)

开发者 AI 转型指南

人工智能开发职员的使命的一个主要部门是处置赏罚赏罚基于盘算机迷信的应用法式模范模范,网罗编程语言,如 python 和编码。以是,在这一步上要有耐心,让自己对学习保持超群的关注和专注,由于你要学习许多器械。

为甚么是 Python?凭证所有的夷易近意查询会见,Python 现在是人工智能和数据迷信领域最盛行的语言。此外,这个工具很容易学习和应用。它外面有许多库可以挪用,网上也能够或许找到大量的在线课程和质料。以是你可以选择切合你喜欢的学习要领。

初学者必学资源:

  • A Beginner's Guide to Python for Data Science——综合指南,也适用于那些妄图在人工智能领域使命的人。

  • Automate the Boring Stuff with Python——这本书证清晰了了一个现实:编程的主要内容不是语法知识,而是明确若何让机械推行你的指令。

  • How to Think Like a Computer Scientist——此外一个很好的开源书籍项目,指导你像专业职员一样编程。

  • Learn Python the Hard Way—一本优良的手册书,说清晰了了基础知识和更严重的应用法式模范模范。

  • The Python Tutorial——官方文档。

您还可以学习其他语言,如 C++/R/Java,但对我小我而言,Python 是 AI 和数据迷信最合适的工具。想知道为甚么吗?浏览我之前的文章,我在其中详细说清晰了了关于这一点的所有内容:。

#2 学习人工智能自己

开发者 AI 转型指南

Francesco Corea 开发的人工智能知识舆图

想象一下你是若何明确下面的妄图的,我会像 Andrew Ng 那样说「假定你不明确,请不要担忧」。只须要看到所有画面,明确每个元素的职位。顺便说一句,Andrew 是人工智能领域最有影响力的人之一,你会经常看到这个名字的。他加入培植了在线机械学习网站 Coursera,现在是斯坦福大学的副教授。
好吧,我们回到主题,人工智能是一个普遍的研究领域,网罗许多现实、措施、手艺和现实,和以下基本看法:

开发者 AI 转型指南

机械学习

器学习是完成人工智能的历程。这是盘算机在没有人为干预干与干与的情形下学习的才干。人工智能在没无机械学习的情形下是能够的,但这将须要一百万行具有严重规则和条件的代码。换句话说,机械学习不是为每个特定的义务写下详细的指令,而是应用一种自己学习寻觅处置赏罚赏罚妄图的算法。

机械学习主要有四种类型:有监视、无监视、半监视和强化学习。在有监视的机械学习中,该算法经由历程处置赏罚赏罚和分类、标志大量数据来学习若何识别数据。在无监视的机械学习中,算法识别大量未标志数据中的形式和种别——通常比人脑更快。

学习甚么?到那里学?




神经群集

开发者 AI 转型指南

迄今为止,人工智能生长最快的部门能够是神经群集。神经群集和人工智能的研究应当从数学的两个分支——线性代数和概率论泉源。这是人工智能弗成摇动的支柱。神经群集是一种机械学习,赞助智能机械在特定情形下找到准确的毗连来矫正义务或做出预定的决议。

以下是一些很好的学习质料:

  • ——这是一个很好的教程,你可以从一泉源就构建一个质朴的神经群集。外面有许多有用的插图,你会明确梯度降低的原理。


  • I——一份简介。

  • ——关于神经群集若何使命和怎样在 Python 中重新泉源完成它的一个很好的精练教程。

深度学习

深度学习试图模拟新皮质神经元层的运动。人工神经群集(ANNs)——一种曾经这样做的算法。人工神经群集由相互作用的人工神经元组成。它们是分层排列的——每层都对某些符号做出回声,例如,识别图象时图形的曲折和界线。学习被称为深度,由于有大量的条理。



认知盘算

人工智能应用认知盘算来模拟通常由人类推行的历程,诠释图象和语言,然后可以凭证回声序次语言和行动。人工智能和机械学习中有许多措施是从自然界的生物取得的灵感。而且,虽然早期的人工智能专注于制造模拟人脑的机械的雄伟目的,但认知盘算正朝着这个目的起劲。

认知盘算是一种培植在神经群集和深度学习的基础上,应用认知迷信的知识来构建模拟人类头脑历程的系统。可是,认知盘算并没有专注于单一的手艺,而是涵盖了几个学科,网罗机械学习、自然语言处置赏罚赏罚、视觉和人机交互。


盘算机视觉

开发者 AI 转型指南

人工智能是基于图象识别和对图象或视频中发生的使命的深刻研究。当机械能够处置赏罚赏罚、剖析和明确图象时,它们可以伶仃诠释图象,并就输入的处置赏罚赏罚和应用供应自己的决议妄图。




人工智能的话题异常深刻,到现在为止我们只触及了外面。现在是走向现实的时间了。

Part III. 演习手艺

开发者 AI 转型指南

好吧,假定你准备泉源长征,那么我祝贺你!现在你曾经具有了一定的知识基础。关于我小我来讲,这个阶段最有用的学习妄图是两种要领:加入 Kaggle 角逐,选摘要处置赏罚赏罚的数据集并现实这个历程。

加入 Kaggle 角逐

Kaggle 经常举行数据剖析角逐。我建议先加入没有奖品的角逐,由于它们是最容易的,对初学者更友好。随着时间的推移,你可以转向更严重的义务。假定这类演习措施合适你,浏览关于若何加入 Kaggle 角逐的指南——。

数据集现实:

  • P

  • T



太过的安息和一些自驱力

开发者 AI 转型指南

能曾经猜到了,你有许多器械要学。然则假定你有你的目的,你真的对所有这些器械感兴趣,你会很兴奋地走上这条艰辛的学习蹊径。

现在,让我们记着学习人工智能须要重视的所有要点:

  • 准备和取得知识库

  • 学习人工智能的要害知识

  • 演习手艺

  • 信托自己会是告成者

最后,多一点动力,由于动力永世不嫌多,对吧?

每小我在拳击场上都有恐怖感。你很畏惧。你的对手也很畏惧。然则,真实的差异是有的人会向前走,有的人则会退却退却一步。

虽然,你的义务是选择第一个选项——向前走吧。为此,战胜你的恐怖,投入到对你有价值的使命上去。
恐怖可以成为做更多使命或许做得更好、赓续前进、赓续刷新的不竭动力。这样做,恐怖就会酿成你的同伙。

Via:

彩票幸运飞艇-幸运飞艇计划网页版彩票幸运飞艇-幸运飞艇计划网页版彩票幸运飞艇-幸运飞艇计划网页版(夷易近众号:彩票幸运飞艇-幸运飞艇计划网页版)

彩票幸运飞艇-幸运飞艇计划网页版版权文章,未经授权榨取转载。概略见。

开发者 AI 转型指南
分享:
相关文章

文章点评:

神情
最新文章
请填写请求人才网料
姓名
德律风
邮箱
微旌旗暗记
作品链接
小我简介
为了您的账户安然,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
急速验证
完善账号信息
您的账号曾经绑定,现在您可以设置密码以便应用邮箱登录
急速设置 以后再说