导读:极简可行,少即是多。
本指南为不擅长数学的你私人订制,同时适用于:
-
想要学习AI的学生、程序员、研究人员或爱好者;
-
想转行AI的读者;
-
想把AI运用到本职工作的读者。
新手自学三大误区:
-
贪多求全收集资料,却一份也没看完;
-
想通过脑图了解“系统入门路线”,却只看到满屏的陌生名词,还是不知该怎么学;
-
翻开AI技术书,第一眼就被公式“劝退”。
如果你也一样,在初学入门时踩到这些“坑”,那么继续往下看吧。
路线图制定原则:少即是多
最大化节约你的时间和精力,优先向重点发力,捡西瓜而不是捡芝麻。
路线图分为3个阶段:1. 零基础入门,2. 基础进阶,3. 工作应用
-
在入门阶段,你需要的不是大量资料的罗列,而是一个简单可行的引导——只学重点,建立信心。 所以小编只推荐4本书,而且不必全部看完;
-
一旦真正入门,消除了迷茫,这时再向你推荐全面和深入的内容,才有帮助;
-
达到工作水平后,你自己就会知道怎样学了,同时也已融入这个圈子。这时推荐一些你会在工作中用到的参考书,你自行选择即可。
-
路线图中推荐的书,为了方便新手理解,对每本书都只用直截了当的一句话去描述其特点,把阅读成本降到最低,已经入门或处在行业内的读者,也可以通过路线图来查缺补漏,让自己升值。
①人工智能/大模型学习路线
②AI产品经理入门指南
③大模型方向必读书籍PDF版
④超详细海量大模型实战项目
⑤LLM大模型系统学习教程
⑥640套-AI大模型报告合集
⑦从0-1入门大模型教程视频
⑧AGI大模型技术公开课名额
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观,通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
入门路线上,建议先掌握机器学习的基础(传统模型)后,再开始学深度学习。原因有二:
-
一来机器学习基础是“以不变应万变”的内功。一旦掌握了基础,你对深度学习等进阶技术,以及不断变化的新技术都可以触类旁通,节省学习成本;
-
二来深度学习对计算机硬件要求高,不适合新手用个人电脑自学。
但是有个问题:机器学习相对深度学习来说,对数学基础要求稍高,这该怎么解决呢?
答案就在路线图的第一本书里——《机器学习算法的数学解析与Python实现》。
机器学习算法的数学解析与Python实现
作者:莫凡
推荐语:看得懂、学得会、不枯燥的机器学习入门书。用白话帮你从生活案例中理解算法,发现算法的乐趣,再把算法应用到机器学习中,让你零基础掌握算法精髓,快速进入AI开发领域。
这本书堪称小白福音!你别看它的书名挺长,但作者可是用视频弹幕般的解说风格,带你零基础入门的。至于内容有多么的多通俗易懂,你看一下作者写的文章就知道了。
你要的机器学习全景图,也就在这本书里。
学习理论基础的同时,通过实践带给自己正反馈,才能持续的学下去。人工智能入门用Python你肯定知道,推荐《Python程序设计:人工智能案例实践》,这是结合AI实例入门Python非常好的一本。即使你将来成为机器学习工程师后,也能把这本书放在手边备查。
Python程序设计:人工智能案例实践
作者:保罗·戴特尔
推荐语:极简入门Python和AI,读这一本就够了!538个实例帮你掌握交互式IPython解释器和JupyterNotebook并应用Python实践人工智能项目。
掌握了基本的Python语法后,就可以实践机器学习了,推荐2本“四大名著”足矣。特别是豆瓣满分的蜥蜴书。
机器学习实战
作者:奥雷利安·杰龙
推荐语:“美亚”人工智能畅销榜首图书,基于TensorFlow2全面升级,内容增加近一倍!Keras之父鼎力推荐,从实践出发,手把手教你从零开始搭建起一个神经网络。
Python机器学习
作者:塞巴斯蒂安·拉施卡
推荐语:深度学习“四大名著”之一、美亚畅销书全新升级,《ACM计算评论》年度最佳奖图书,Python机器学习入门教程。
“四大名著”绝非浪得虚名,到你入门进阶之后,会更加领会这2本书的价值。
上述4本书在手,你的零基础入门之路可以说是无死角了,你只需要踏下心来,按书中的内容按部就班动手做,切记,一定要动手实践!
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
这一阶段,还可以继续实践2本“四大名著”。在遇到一些新概念时,需要提升数学基础,此时推荐阅读《机器学习算法》和《机器学习中的概率统计:Python语言描述》来集中理解机器学习中的数学和算法。
机器学习算法
作者:安柯·莫特拉
推荐语:麻省理工学院“机器学习算法”课程教材,介绍可解释的机器学习,探索理论计算机科学和机器学习这两个领域能够互相借鉴的知识。
机器学习中的概率统计
作者:张雨萌
推荐语:GitChat畅销专栏全面升级!系统讲解机器学习中的概率统计核心知识和计算技巧,利用Python工具和典型案例,帮你高效构建机器学习概率统计理论与实践体系。
此时,你可以进入“深水区”了,深度学习理论入门只看这本“蒲公英书”就够了,配套素材非常丰富,内容也绝对够新,让你形成系统的知识脉络。
神经网络与深度学习
作者:邱锡鹏
推荐语:复旦大学邱锡鹏教授力作,周志华、李航联袂推荐!深受好评的深度学习讲义“蒲公英书”正式版!系统整理深度学习的知识体系,由浅入深地阐述深度学习的原理、模型及方法。
实践方面推荐你阅读业内公认的口碑好书《Python深度学习:基于PyTorch》,如果想掌握另一种热门框架TensorFlow的话,再回去看两本“四大名著”就好,版本都是最新。
Python深度学习:基于PyTorch
作者:吴茂贵 郁明敏 杨本法 李涛 张粤磊
推荐语:业内公认的深度学习入门实战好书!资深AI专家20余年工作经验总结,从工具、技术、算法、实战4个维度全面讲解深度学习,重点突出、循序渐进、用图说话,配学习PPT。
深入浅出Embedding
作者:吴茂贵 王红星
推荐语:北京智源人工智能研究院院长、微软中国首席技术官、亚马逊云上海AI研究院院长、中国计算机学会副理事长推荐。
至于系统能力,属于“九阳神功”级别的“内功”。虽然有些人系统能力学得不好也找到了工作,但你如果想有长远发展,还是要抽时间“回炉”。大厂面试也常考系统能力的问题,可见其重要性。系统能力方面最好的书,看过图中这3本,就可以了。
智能计算系统
作者:陈云霁 李玲 李威 郭崎 杜子东
推荐语:深度学习处理器芯片研究的开拓者陈云霁领衔,中科院计算所、软件所的专家学者倾心写就。智能领域系统能力培养大成之作!
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
这个阶段,只提醒1点:工程应用绝对没有学术理论的AlphaGo那么炫酷,想要快速避坑,了解技术商业化中的取舍,除了工作实践之外,推荐你阅读“冰山书”:《机器学习:软件工程方法与实现》,从工程上再刷新一次机器学习,避开新手犯错的“重灾区”
机器学习:软件工程方法与实现
作者:张春强 张和平 唐振
推荐语:大型金融集团专家撰写,基于Python,将软件工程思想、方法、工具和策略应用到机器学习中,提供高质量代码设计、可复用源码和工业应用框架。
结语
现在的你已经进入机器学习工程师这条“伟大的航路”了,也许修行之路才刚刚开始。技术发展日新月异,练好“内功”才能走的更远。
读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用
对于0基础小白入门:
如果你是零基础小白,想快速入门大模型是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括:大模型学习线路汇总、学习阶段,大模型实战案例,大模型学习视频,人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型!
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓