人工智能学习篇-人工智能数据科学之路

成功之路从来都不简单，但是有方法，要想在人工智能成功的路上有所作为，还是先来看看下面的图，等有信心了再启程：

懵逼没，确实我第一次看到这些的时候，就想到了放弃，但是经过再三考虑，我要坚持下来，理由有三：

• 我是一个不轻易放弃的人，所以不可能碰到困难就溜之大吉
• 大牛们整理出这么清晰的学习路径，不就是让学习者更方便的学习吗，后来者就要跟上。
• 经过梳理之后，我发现其实没有那么恐怖，因为相当一部分内容是我们已经熟悉的，况且我们也不需要把所有的内容学完。
• 再细细品味一下，发现内容虽多，但实际上每一块的内容都可以支撑我们的工作需要，完全可以边学习边工作，边工作边研究，我们要抱着一种用一生来学习的态度去对待。

下面我来分析一下如何走完这一条路：

第一阶段：Fundamentals 基础部分
涵盖内容：线性代数、矩阵、二进制、哈希函数、数据结构、数据局、连接、数据框架、OLAP、数据模型、ETL、XML、JSON、正则等，这一部分内容基本上上完大学的学生都掌握的差不多了，所以至少大学起点的这一部分就很ok了，不用忧虑

第二阶段：Statistics 统计部分
涵盖内容： 数据分析、贝叶斯理论、随机变量、直方图、矩形图、异常值、百分、概率论、累加、累乘、偏度、方差、协方差等。 这一部分可能有些人发蒙，如果没有学过统计学的，可能理解起来有些困难，但是没有关系，对于一般人来说，只需要做如下两步即可，第一，赶紧找视频学习一番，搞定 。 第二，统计学虽然在学习人工智能是一个比较重要的一块，但是更多的是只要熟悉和理解其中的概念即可，对于大部分来说，是不需要深入学习的，实际编程和应用中，我们只需要会知道使用即可。是不是感觉也没有太大压力了

第三阶段：Programming 编程
这一部分压力更小一些了，学习两门编程语言，例如Python，现在最火，在学习语言框架，搞定。就不多说，没压力。

第四部分：Machine Learning 机器学习
这一部分是学习人工智能基础又核心的部分，要学的东西太多，分享点图看看吧！ 啥也不用想就多看书，多看视频，多敲代码

第五部分：Text Mining /NLP 文本挖掘和自然语言处理（待续）
第六部分：Visualization 可视化（待续）
第七部分：BigData 大数据（待续）
第八部分：Data Ingestion 数据接入（待续）
第九部分：Data Munging 数据整理（待续）
第十部分：Toolbox 集成（待续）