从零开始如何学习人工智能？

°news__语萱゛ · 发表于 2023-8-12 18:12:36

人工智能

xrkakbam · 发表于 2023-8-12 18:12:57

如果数学基础扎实的话，可以直接学习卷积神经网络。
卷积神经网络其实是一大类方法，包含各种网络结构，例如残差网络、深度残差收缩网络等。

卷积神经网络

残差网络

（适合含噪声数据的）深度残差收缩网络

关中灬刀客 · 发表于 2023-8-12 18:13:17

当前人工智能正受到越来越多的关注，随着“新基建计划”把人工智能作为一个重点发展内容，人工智能领域也将获得更多的资源支撑，所以当前不论是学生还是职场人，学习人工智能都是不错的选择。当前人工智能正处在发展的初期，当前积极拥抱人工智能也会有更多的机会来获取人工智能前期的发展红利。
长期以来，人工智能领域的人才培养一直以研究生教育为主，一方面原因是人工智能是一个典型的交叉学科，涉及到数学、控制学、计算机、神经学、语言学等诸多学科，另一方面原因是人工智能技术体系尚不成熟，有大量的研究课题需要攻克。目前随着人工智能领域的技术体系逐渐被建立起来，不少高校在本科阶段也连续开设了人工智能专业，相信未来会有更多的高校，包括普通本科高校也会开设人工智能专业。
随着人工智能平台开始逐渐落地应用，人工智能领域对于人才的需要也将逐渐多元化，将逐渐从研发型（创新型）人才向应用型和技能型人才覆盖，这就会在很大程度上促使更多人开始学习人工智能技术。未来学习人工智能技术的渠道也会越来越多，普通人也完全可以通过自学的方式来学习基本的人工智能技术。
对于普通人来说，学习人工智能技术可以先从编程语言开始学起，比如从Python开始学起就是不错的选择。Python语言目前在人工智能领域有非常广泛的应用，不论是计算机视觉领域，还是自然语言处理领域和机器人领域，Python语言都是非常重要的工具之一。
学习Python语言完全可以自学，即使没有任何编程基础的人，也可以通过自学来掌握，但是在学习资料的选择上，普通人要尽量选择知识量适中的书籍，尽量不要在学习的初期就选择那种知识量非常大（非常厚）的书籍，这些书籍并不适合基础比较薄弱的初学者，普通人在没有专业人士的指导下，也很难理解其中的一些专业讲解。对于基础比较薄弱的初学者来说，可以重点关注一下这本书：
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

红梅阅冰 · 发表于 2023-8-12 18:14:13

人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能不像其他编程一样，需要一种特定的计算机语言去开发它。人工智能这块领域包含了很多计算机这方面的技术。且听我一一道来。
很多人知道，不管学习哪种编程，你的数学知识一定要好，而搞算法的那一群工程师数学水平则更是要犹有过之。
阶段一-高等数学
人工智能的基础，其中高等数学是必需必会的。而高等数学则包括数据分析、概率论、线性代数及矩阵、凸优化等。良好的数学基础，也是有利于以后同学们在后续的课程中更好的理解机器学习和深度学习的内容。同时对于AI研究尤为重要，例如人工智能中的智能很大一部分依托“概率论”实现的。
阶段二-python的高级应用
需要对python的高级应用。python语言在人工智能上有着不可或缺的地位。机器学习则是非常的复杂庞大，通常会涉及组装工作流和管道、设置数据源及内部和云部署之间的分流。而python则能更好地对其中的数据管道进行处理。使得我们能在学习机器学习的时候更加的轻松。
阶段三-机器学习
开始进行机器学习。而机器学习中则涉及到很多复杂的算法，通过算法对数据进行分析和进行学习。然后对现实的情况作出判断并对其进行回应。比如说语音识别，从外部用户身上获取语音数据，然后进行算法分析，最后识别为文字显示在你的设备上。
阶段四-数据挖掘
进行数据挖掘对数据进行收集分析。顾名思义，数据挖掘就是对数据进行挖掘，通过算法对数据进行收集然后分析，模拟人的原始学习形态。而数据挖掘涉及到了很多的知识，比如数据库技术、机器学习、统计学、数据仓库技术等。
阶段五-深度学习
深度学习。深度学习则是机器学习的一个分支，是实现机器学习的技术，同时深度学习也给机器学习带来了很多实际的应用。从TensorFlow、BP神经网络、深度学习概述、CNN卷积神经网络、递归神经网、自动编码机，序列到序列网络、生成对抗网络，孪生网络，小样本学习技术等方面讲解深度学习相关算法。
阶段六-自然语言
自然语言的处理。自然语言的处理一直是计算机科学和人工智能领域一个重要的方向。自然语言就是如汉语、英语这样的语言。这类语言一直是我们人类的独有的特权。而这阶段的自然语言处理就是让机器能听懂并能处理自然语言。
阶段七-图像处理
图片处理就是计算机通过获取图像并对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。已经广泛地应用到各个领域。
收尾
而学习人工智能或者任何其他的东西，不是一朝一夕能学成的。只是帮你们梳理梳理思路，不至于让你们走岔路。而真正想要学精通，推荐千锋好程序员线下学习大数据人工智能，也需要你们自身的不懈努力和坚持。

yx88353 · 发表于 2023-8-12 18:14:59

想要学习人工智能？这里有一条完整路径资源
在本文中，《Analytics India》杂志给出了学习AI的最佳途径。...

科技领域的天平正在向人工智能倾斜，IT领域的技术人员正在将AI应用到现有产品中。但是对于企业来说， AI人才才是关键。企业培训应有意识地建立在线项目，帮助员工适应新的角色。
虽然很多程序员都可以编写代码，但他们还不精通机器学习。尽管行业的炒作和初创公司层出不穷，开发人员或AI新手还是不知道如何开始人工智能的学习。企业家和产品爱好者Shival Gupta提出了一个有趣的观点：在行业不断变化的情况下，全行业开发人员的相互联系和交流远远不够，在未来两年内，如果没有成熟的AI技能，整个行业将裹足不前。
在本文中，《Analytics India》杂志给出了学习AI的最佳途径。

1. 寻找一些免费的书籍

Shival Gupta分享自己初学AI的经验时，强调了熟悉基本AI术语和方法的重要性。寻找一些免费的AI书籍作为自己学习人工智能的开始，是正确的做法。Peter Norvig和Stuart J. Russell所著的《Artificial Intelligence: A Modern Approach》一书就很不错。本书不仅介绍了基本的人工智能概念和算法（专家系统、深度优先和广度优先搜索、知识表示等），而且还包括基础知识如贝叶斯推理，一阶逻辑，语言建模等。
对于那些对深度学习感兴趣的人， Ian Goodfellow、Yoshua Bengio和Aaron Courville 所写的《深度学习》（自适应计算和机器学习系列）一书是不错的选择。
此外，可以看看《Logic For Computer Science》这本免费书，它解释了计算机科学的数学逻辑，并强调了求解证明的算法方法。
注：想要获取上述提到的几本书，可私信智能观。

2.把需要的数学知识整理一下

由于微积分和线性代数在AI / ML技术上有广泛的应用，学习它将是一个很好的方法。人工智能爱好者认为，大多数机器学习技术可以简化为线性代数和微积分，比如训练神经网络的反向传播算法。
还有，想要深入研究AI / ML，需掌握离散数学、微积分(微分、积分和多变量)、概率和统计、线性代数、回归分析和随机过程(泊松过程、马尔科夫链和布朗运动)。
您可以在网上查找免费的学习资源，了解概率理论，了解基于R 语言、推理和算法的统计学习。

3.熟悉Python，（C / C ++）和数据结构

人工智能从业者相信，任何主流语言和非主流语言都能应用于AI / ML。最大的区别在于库/工具的性能和可用性。例如，C++的所有设置都优于Java或Python，并帮助开发人员最大化硬件的功能。另一方面，Python有一个非常好的FFI，并且经常与C或C++结合使用。与此同时，Octave / MATLAB、R、Python、C++、Java、R和其他一些语言都有高质量的库，如何使用取决于你想要做什么。
一般的共识是，必须熟悉一些流行的语言，如Python，它有一个很好的工具箱/库。

4.尝试使用开源框架

你可以选择一个开源框架，实现基本分类。根据开发人员Akash Paul的说法，选择框架可能是一项具有挑战性的任务，因为这些框架都是基于不同目的构建的。他举了一个例子:Caffe使用了一种声明式的方法来定义模型，而TensorFlow允许通过编程创建和使用模型，甚至跨平台可视化和部署模型。
对硬件的一些建议是，购买一个强大的Pascal系列GPU(10606gb)、i3、8GB RAM和SSD，以获得对AI工作负载的最低配置要求。你可以看一下英伟达的CUDA工具包，这是开始实验的好地方。

5.使用GitHub平台，搜索热门项目

GitHub拥有世界上最大的开源数据集合，它为机器学习爱好者提供了大量资源。你也可以在GitHub上查看最受欢迎的项目。试着每个月做一个项目。

6.创建你的第一个聊天机器人

尝试构建自己的聊天机器人作为第一个人工智能项目。在开始编程机器人前，你要知道制作聊天机器人的3个步骤——输入文本、发送按钮和输出文本。根据AI从业者的说法，搜索引擎巨头谷歌使用的网络爬虫是高级机器人的最佳范例。在你开始编程机器人之前，看看这些:
xpath:开发人员使用xpath根据各种标准选择XML节点或节点集。
Regex:正则表达式是用于描述搜索模式的特殊文本字符串，用于构建基本的聊天机器人。
此外，还可以查看这些用于bot项目的API:谷歌云预测API文档、DiffBot、用于语言工具包的机器学习、Wolfarm Alpha API等。

7.免费资源

在学习网站上开设账户，做一些项目增长知识和经验。
一些免费的人工智能学院，如英特尔的AI学院，为初学者提供必要的学习材料、工具和技术。
英伟达的自学实验室也是免费的，提供最新的技术培训，如在广泛的应用程序中部署神经网络。

AIai沦陷 · 发表于 2023-8-12 18:15:17

Andrew Ng 的”机器学习“在线课程是一个很好的开始~

		自动登录	找回密码
密码			立即注册

从零开始如何学习人工智能？

本帖子中包含更多资源

本帖子中包含更多资源