尊仝商学院-如何从零起步学习AI

                                                                                       数据科学家的成长之路兼学习路线

    所谓万丈高楼平地起，搞数据科学、机器学习或深度学习，一开始至少得学会跟计算机打交道吧，怎么跟计算机打交道呢？编程。

第一步：学习编程

    实话说，计算机体系很庞大，除了语言、数据机构、算法之外，计算机体系结构、操作系统、网络、数据库等等领域庞大。但不管怎样，学习如何编写代码、如何编程是必需的。学完语言、数据结构、算法等基础知识后，如何更进一步提高编程能力呢？上LeetCode刷题成为很多人的不二之选。

推荐教程：《面试求职算法班》、《LeetCode直播刷题班》

第二步：扎实数学

    数学是搞数据科学的必备基础，数学不扎实，机器学习里很多原理、推导、公式便无法理解透彻，比如单单一个SVM就涉及到求导、凸优化等数学知识。所以如果数学忘了，很有必要复习并重新扎实数学基础。

涵盖内容：微积分、数理统计与概率论、矩阵、凸优化
推荐书籍：数理统计学简史、矩阵分析与应用by张贤达、凸优化(Convex Optimization)

推荐课程：《 机器学习中的数学班》

第三步：掌握适合数据科学的Python

    python在当今的数据分析很热，广泛应用于金融、电商等领域的大数据分析，也非常适合数据工作者利用它处理数据，所以Python在数据领域应用的越来越广泛。

推荐教程：《Python基础入门班》、《 Python数据分析班》、《Python爬虫项目班》

第四步：开始学习机器学习

    机器学习技术在很多领域应用广泛，包括在数据挖掘、搜索、推荐、广告、自然语言处理等等中。所以学好机器学习，是搞更多应用领域的前提条件。此外，学习机器学习，不单单只是学习一个个模型、算法就足够，因为实际的机器学习工作中，分析问题、处理数据、处理特征占绝大部分工作。所以不要以为看到一个课程涵盖许许多多的模型/算法就以为捡到了宝，看一个ML课程有没有工业实战，最快速的判断标准之一就是看它讲不讲以及是否能讲好特征工程、模型调优等工程点。

推荐书籍：PRML

推荐课程：《 机器学习班》

第五步：再进一步之学习DL

    得益于计算机越发强大的计算能力，神经网络的加强版深度学习（权且容许我这么不专业的叫法）越发火热，从AlphaGo、无人驾驶再到最近的AlphaGo 2.0横扫中日韩顶级棋手，AI可谓出尽了风头，在这个人工智能与大数据的时代，不学点AI，都不好意思出门跟人打招呼说我是搞计算机技术的了。

推荐课程：国内首家提供GPU云平台实战的《 深度学习课程》

第六步：做实验及上kaggle实战

    纸上得来终觉浅、绝知此事要躬行。理论学习再多最终还是要实战。为降低门槛起见，你可以从做一个一个有趣的深度学习实验开始，比如学梵高作画、自动玩flappy bird等等。然后，在kaggle上多刷刷一些数据竞赛项目

推荐课程：除了上面本身便有实战的机器学习、深度学习课程之外，还推荐《 kaggle案例实战班》、《机器学习项目班》、《深度学习项目班》

第七步：实习或工作

    如果你是想做数据挖掘、计算机视觉、自然语言处理，可以继续学相关的课程： https://www.julyedu.com/route。此外，很多经典最新论文值得一读。如果足够了，那就正式出山到实际江湖上闯一闯吧：找份工作，干一把！

推荐公司：有资源、有数据的偏大型一点的公司