********************************2018.12.1 更新********************************
转行学AI，如何选择适合的方向
https://blog.csdn.net/BTUJACK/article/details/84675008
********************************2018.11.20 更新********************************
骚年：
网上勾搭一个大佬，学习一下转行经验。
转行靠得是实力，各种数据比赛，拿到大奖，容易转行
对推荐系统认知为零，个人能力强也可以转推荐系统工程师。
********************************2018.11.15 更新********************************
快速入门人工智能的方法，持续更新ing
https://blog.csdn.net/BTUJACK/article/details/84109941
********************************2018.10.21 更新********************************
其实，我是按照网络各种培训班的路径来学习的，现在更新下我用的路径
课程安排
-
第一阶段：零基础快速上手编程
- 在线直播：1-基本python类型、判断与循环流程等
- 在线实训：2-python基本练习题
- 在线直播：3-文件/数据读写、面向对象、第三方库等
- 在线实训：4-多种数据读写与面向对象练习
- 线下实战：5-python基本练习题 与 google python实战题
-
第二阶段：数据分析全攻略
- 在线直播：1-pandas花式数据统计与分析技能
- 在线实训：2-pandas综合练习
- 在线直播：3-用pandas完成机器学习数据预处理与特征工程
- 在线实训：4-pandas完成Kaggle机器学习预处理
- 线下实战：5-美国大选、共享单车数据分析
-
第三阶段：可视化提升数据逼格技能get
- 在线直播：1-好用的python可视化利器matplotlib
- 在线实训：2-matplotlib完成Titanic和自行车租赁数据可视化
- 在线直播：3-自带各种数据拟合分析的可视化利器seaborn
- 在线实训：4-seaborn完成Titanic和自行车租赁数据可视化
- 线下实战：5-美国大选、共享单车可视化技能巩固与实战
-
第四阶段：玩转大数据
- 在线直播：1-hadoop与map-reduce
- 在线实训：2-手写map-reduce完成词频统计，制作词云
- 在线直播：3-Spark与大数据处理
- 在线实训：4-Spark大数据日志分析
- 线下实战：5-大数据分析处理案例
-
第五阶段：机器学习原理
- 在线视频：1-线性回归、logistic回归、梯度下降
- 在线视频：2-决策树、随机森林、GBDT
- 在线视频：3-SVM与数据分类
- 在线视频：4-特征工程：数据清洗、异常点处理、特征抽取、选择与组合
- 在线直播：5-logistic回归 Softmax SVM 与 朴素贝叶斯的精髓速讲
- 在线实训：6-算法核心要点巩固(上)
- 在线直播：7-决策树 随机森林 boosting 模型融合的精髓速讲
- 在线实训：8-算法核心要点巩固(下)
- 线下实战：9-机器学习算法面试要点大考察
-
第六阶段：机器学习实战
在线直播：机器学习流程、基本分类与回归模型
- 1-ML综述及sklearn库简介
- 2-ML算法一览（各类算法及简单应用）
- 3-数据预处理及验证
- 4-回归案例
在线实训：Kaggle机器学习比赛中的特征工程处理实战
在线直播：机器学习中的特征工程与模型调优，sklearn用法
- 1-特征工程（独热向量编码，分段与离散化，多项式特征）
- 2-特征处理、特征构造、 特征选择
- 3-模型评估与参数调优
- 4-流程化处理：PIPELINE
在线实训：sklean接口熟悉与机器学习建模指导
线下实战：sklearn建模与使用
- 1-手把手带你get scikit-learn机器学习建模重要点
- 2-get迅速上手建模的技能
- 3-学习如何进行模型调优，一步步优化自己的模型
- 4-包括数个Kaggle与天池案例
在线直播：XGBoost与LightGBM精讲
- 1-建模调参（数据清洗、特征处理、特征选择、模型的调参、评估）
- 2-模型状态（过/欠拟合、状态验证、过/欠拟合的调整、模型调优）
- 3-模型融合（集体智慧：投票器/Bagging/随机森林/Boosting）
- 4-XGBoost简介及三类参数详解，和代码实现
在线实训：sklearn刷Kaggle比赛题
在线直播：自然语言处理相关问题与建模
- 1-Kaggle便利店销售预测案例
- 2-比赛开发流程：数据准备、数据特征处理、XGBoost设参、训练与分析
- 3-NLP案例1：分类与打标签的应用：资讯，金融
- 4-NLP案例2：中文情感分析
在线实训：XGBoost与LightGBM使用
在线直播：金融风控比赛实战
- 1-微额借贷风控案例：数据分析、特征处理、特征选择、模型设计
- 2-风控算法案例：数据清洗、特征选择、类别不平衡解决、模型设计
- 3-模型融合及项目代码
在线实训：数据科学比赛练习赛
线下实战：集成算法与场景建模
- 1-集成模型在多个比赛和工业场景的应用
- 2-熟练XGBoost和LightGBM的使用
- 3-使用树形Boosting模型达到最佳拟合效果
-
第七阶段：深度学习原理到实战
- 在线视频：1-神经网络初步：全连接与反向传播
- 在线视频：2-卷积神经网络与计算机视觉
- 在线视频：3-循环神经网络与自然语言处理
- 在线视频：4-深度学习实践：Caffe与Tensorflow项目实战
- 在线直播：5-深度神经网络、google wide&&deep模型、腾讯通用CTR神经网络框架与实现
- 在线直播：6-卷积神经网络、caffe实战图像分类、Tensorflow实战图像风格变换实现
- 在线直播：7-循环神经网络、Tensorflow实战情感分析与文本生成实现
- 线下实战：8-Caffe&&Tensorflow实战
-
第八阶段：实际综合项目与就业指导
- 线下实战：1-自然语言处理项目
(文本数据抓取+spark/pandas数据分析+可视化+特征抽取+Sklearn/Spark机器学习建模+深度学习建模)
- 线下实战：2-分类与推荐系统实战
(音乐数据抓取+spark/pandas分析+可视化+协同过滤+隐语义模型+特征抽取分类建模)
- 线下实战：3-图像项目
(图像分类+图像检索)
- 线下实战：4-机器学习面试辅导
(面试注意点+常见面试考点精讲+简历指导+项目展示)
- 线下实战：1-自然语言处理项目
实战项目
实战项目1
python基本练习题 与 google python实战题
通过完成基本练习题，加深和巩固对python的认识和理解，挑战来自google的python实战题，熟练完成书写python代码解决各种问题。
实战项目2
pandas综合练习
通过pandas 100题练习，加深对pandas操作的熟悉度，同时通过对Kaggle案例进行数据处理，掌握实际场景下的数据操作工具。
实战项目3
大数据分析处理案例
通过对大文件日志的分析，熟悉hadoop，spark写map-reduce处理海量数据的方法，并对电商数据进行处理，get工业界常用大数据技能。
实战项目4
sklearn建模与使用
手把手带你get scikit-learn机器学习建模重要点借助于整理的简单资料，get迅速上手建模的技能，并学习如何进行模型调优，一步步优化自己的模型。期间的案例包括数个Kaggle与天池案例。
实战项目5
Xgboost与LightGBM使用
大部分情况下，为了取得好结果，我们会用集成模型，这个部分，我们设计了多个比赛和工业场景，帮助大家熟悉Xgboost和LightGBM的使用，使用树形Boosting模型达到最佳拟合效果，同时又很好地控制过拟合。
实战项目6
金融风控实战
通过两个金融风控比赛案例：微额借贷和风控算法，全方位阐述数据清洗、特征处理（排序特征，离散特征，交叉特征，类别特征编码，交叉特征）、特征选择（SelectKBest,SelectFromModel,RFE，以及使用XGBOOST选择特征）、模型设计、模型调优等完整流程。
实战项目7
Caffe&Tensorflow实战
这个部分，将获得激动人心的深度学习库Caffe与Tensorflow搭建网络进行训练的全技能。我们将通过一个景点的图像识别transfer learning，到图像检索，到风格转换，一步步带大家学习库的使用，真正做到使用深度学习库解决实际的图像场景。
实战项目8
自然语言处理
针对工业界最大的一块应用场景：自然语言处理，设计了一个专题，我们将获取从文本数据抓取，到Spark/Pandas文本数据分析，到可视化，到多种文本特征抽取，到sklearn机器学习建模，到Spark机器学习建模，到利用深度学习建模的全部技能。
实战项目9
分类与推荐实战
我们针对电商最常见的推荐系统，设计了这个专题，从音乐数据抓取，到数据分析可视化，到利用协同过滤、隐语义模型、用户序列建模、learning to rank等方式完成一个推荐系统。
实战项目10
图像分类与检索
具体的图像分类与检索案例，在电商服装数据集上，进行分类与检索的实验。将获得图像数据预处理，Tensorflow建模与调优，基本图像检索与高级图像检索技能。
AI自学路径.jpg
********************************2018.10.7 更新********************************
2018年的国庆假期我在上算法课程，因为通过前段时间的找工作，发现泥腿子出身的我在数据结构和算法这个科目比较差劲，有些全球100强的公司上来就让我做算法题，一下就懵逼了，导致原本可以拿年薪50万只能拿到30万。
面试第一关都是考数据结构和算法分析（计算机专业其他课程一般考得比较少，没时间其他课程可以不做准备）。比如，必考的几个基础算法：二分法，双指针法，快速排序，归并排序，各种算法的时间复杂度。通过花钱报了培训班，节省自己的时间，提高自学效率，努力拿到更高的工资。
********************************2018.6.16更新********************************
最近行情急剧变化，以前只有大公司招人，现在几乎所有互联网公司都在招人，招聘岗位井喷式增加，因为人才有限，很多小公司放低要求，本科学历以上就可以～～
这样大部分程序员短期内没有必要去拿个硕士学历！！！我总结了一个书单，喜欢看书学习的童鞋可以照着买，不喜欢看书的看各种网课视频～
书单：
《Python 编程从入门到实践》埃里克写得，亚马逊评分非常高～高清版电子书和源码，百度云链接系统禁止放，有需要的联系我公众号：湾区人工智能，回复：《人生苦短，我用Python》
《统计学习方法》李航博士
《机器学习》周志华教授
《机器学习实战》哈林顿
《Tensorflow ：实战Google深度学习框架》才云科技
《Python3网络爬虫开发实战》崔庆才，用于获取数据，自然语言处理岗位有些公司会要求此技能～
以上书目都是爆款，适合打包带回家～
认真看书，练习，做几个项目，我相信会有机会改行做AI工程师，年薪30万起步
alles gut！
谢谢
********************************以下编辑于2017年7月********************************
先假设你还比较年轻，尽可能去读个计算机硕士。因为现在招聘网站起步就是硕士学历，要不然很难进入人工智能行业。BAT大厂海归硕士起步，海归博士最好。
硕士毕业前搞定下面几个事情：
- 学好python（python对于AI就像枪于战士）
- 学好数学（高数，线代，概率论统计）
- 学好数据结构与算法分析
- 学习机器学习，
- 学习深度学习
- 做几个项目（车牌识别，人脸识别，垃圾邮件过滤等等）
只要你认真完成以上几个内容，保证轻松月入30K。
最后，人工智能涉及很多学科（数学，计算机科学，物理学，神经学，生物学，控制学，哲学等等），如果不喜欢学习，不喜欢做学术，没有在椅子上纹丝不动坐一天的能力，没有一天不学习就难受，只为了钱去做人工智能还是蛮痛苦的，也是做不出成就的。做人工智能需要终生学习，直到dead（活着就要学习，要不然就被时代抛弃了）。
如果你去读个硕士不太可能，还有机会：
在SCIENCE发表震惊世界的论文，高中学历也会收到很多大公司的邀请函。
用法律武器，痛击腾讯侵权行为！！！湾区人工智能可以改善知识产权现状吗？
【免费】某机构最新3980元机器学习/大数据课程高速下载，限量200份
认识你是我们的缘分，同学，等等，学习人工智能，记得关注我。
微信扫一扫
关注该公众号
《湾区人工智能》
回复《人生苦短，我用Python》便可以获取下面的超高清电子书和代码
271
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
