AI 岗位高薪太诱人？这有一份6周转型AI的指南

关注「实验楼」，每天分享一个项目教程

普通程序员如何踏入AI的浪潮，站上时代薪资顶端呢？这里有一份系统的学习指南。

人工智能（AI）是近年来最火的技术之一。从商品推荐（淘宝、京东）、个性化推送（今日头条）、自拍美颜、翻译，到语音识别、无人驾驶、图像识别、自动化客服等诸多领域，人工智能都扮演了颠覆性的角色。

人工智能的飞速崛起引起了互联网和资本圈的重视，大家都想在下一次技术革命之前，搭上这辆AI列车。企业花高薪聘请AI人才，据说在帝都，一个机器学习算法的岗位拿到100K的薪水也并不是一件很困难的事情，但依然有价无市。

那么，普通程序员如何踏入AI的浪潮，站上时代薪资顶端呢？接下来，我们就分析一下如何系统学习AI技术。

阶段一

关键词：数学、Python

人工智能是一门兼顾数学和编程的综合性学科。虽然越来越多的机器学习、深度学习框架使人工智能越来越简单，看似调个包就能完成。但在真实的工作中，数学基础和对算法的理解，都是决定你职业生涯能走多远的关键因素。它们能帮你更快地理解问题、更好地选择模型、更深入地解决问题。

如果数学基础不好也不必担心，你不必是专业数学人士。机器学习的基本就是将统计学和计算机科学中的概念应用在数据上，所以保证自己的统计学知识别掉队即可。

相关的知识包括：高等数学基础、统计学基础、线性代数等。

推荐阅读：李航 —《统计学习方法》

与动辄上百的机器学习书籍比起来，这本不到30元的教材没有一句多余的废话，非常经典。

——实验楼机器学习专家huhuhang老师

数学没学好，还能当个调包侠，但编程没学好的话，就完全没办法了。学习深度学习时，工程师一般会根据自己已掌握的语言选择框架，比如使用Python，就选择PyTorch或Tensorflow；使用C++，可以选择Caffee。

但如果你是编程小白，或者其他需要选择一门新语言学习人工智能的话，Python是你的第一选择。从整体上看，Python 已经成为人工智能的基本语言，能够和大多数平台无缝对接，同时大多数人工智能方面的教材都使用Python作为教学语言。

推荐学习：Python简明教程—— https://www.shiyanlou.com/courses/596

阶段二

关键词：科学计算、数据处理工具——numpy、matplotlib、Pandas等

numpy 是 Python 语言的一个扩充程序库。支持大量高维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。机器学习涉及到大量对数组的变换和运算，NumPy 就成了必不可少的工具之一。

matplotlib 是支持 Python 语言的开源绘图库，因为其支持丰富的绘图类型、简单的绘图方式以及完善的接口文档，深受 Python 工程师、科研学者、数据工程师等各类人士的喜欢。Matplotlib 拥有着十分活跃的社区以及稳定的版本迭代，当我们在学习机器学习的课程时，掌握 Matplotlib 的使用无疑是最重要的准备工作之一。

pandas 是基于 NumPy 的数据处理工具，其提供了高效操作大型数据集所需的函数和方法，是数据分析中必不可少的模块。

推荐学习：

NumPy 百题大冲关——

https://www.shiyanlou.com/courses/1090

Pandas 百题大冲关——

https://www.shiyanlou.com/courses/1091

闯关式学习体验，强烈推荐 ！

阶段三

关键词：机器学习——监督学习、线性回归、10种监督算法、非监督学习、四大聚类、10种聚类算法等。

有了基础理论知识和工具之后，便可以尝试目前最为前沿的AI技能——机器学习和深度学习。

机器学习是一个非常广泛和丰富的领域，几乎在每个行业都有应用。因为要学习的东西太多，初学者很容易发慌，而且在面对很多个模型时也很容易迷失，看不到大局。

因此，可以把机器学习大概划分为九个部分：

以下内容来自景略集智——https://zhuanlan.zhihu.com/p/32115577

ML整体学习：基本的机器学习原理，比如方差权衡这些知识。

优化：为模型发现最优参数的算法。

数据预处理：处理缺失数据、偏态分布、异常值等。

取样和拆分：怎样拆分数据集来调整参数和避免过度拟合。

监督式学习：使用分类和回归模型从标记数据中学习。

非监督式学习：使用因素和集群分析模型从非标记数据中学习。

模型评估：根据不同的性能度量做出决策。

集成学习：将不同模型相结合，达到更好的性能。

商业应用：机器学习如何帮助不同类型的商业业务。

学习完这些知识后，你就可以拿一些项目来实践学习。如以下项目：

（ 出自「楼+机器学习实战」中的挑战 ）

北京市住房价格预测

知识点: 1.线性回归原理及应用 2.scikitlearn回归预测

比特币价格趋势预测

知识点: 1.使用Pandas数据处理 2.使用Matplotlib绘图 3.使用scikitlearn训练多项式回归预测模型

训练手写字符识别神经网络

知识点: 1.人工神经网络 2.手写字符识别

使用密度聚类追踪共享单车分布

……

阶段四

关键词：强化学习、深度学习——TensorFlow、Pytorch、Keras、Caffee、CNN、RNN、GAN等

学习完机器学习，进入到最后的深度学习阶段。深度学习是机器学习的一种，指的是深度神经网络学习。

普通神经网络由于训练代价较高，一般只有3-4层，而深度神经网络由于采用了特殊的训练方法加上一些小trick，可以达到8-10层，从而能够得到更精准的模型。这些年来，几乎一切人工智能新闻都和深度学习有关，比如alpha go、prisma、语音识别、无人驾驶等。

学习深度学习，首先要学习主流的框架，如TensorFlow、Pytorch、Keras、Caffee等。

系统学习

以上就是我们整理的人工智能入门教程。如果你想系统学习AI技术，实验楼推出「楼+ 机器学习实战」，可以帮助你在6周内，打穿机器学习到深度学习的任督二脉，成为有工作能力的初级机器学习工程师！

完整的学习路径

6周课程从机器学习基础到深度学习，涵盖了NumPy，Pandas、 Matplotlib、监督学习、非监督学习、3种回归算法、10种分类算法、强化学习、TensorFlow、Pytorch 、Keras 、 Caffe等内容。

重度教学服务

楼+ 提供了你能在市面上看到的所有服务：直播导学、录播教学视频、助教答疑、小组式学习、挑战作业等。尽最大限度让你少走弯路，在短时间内把知识变成自己的。

我们还为最后两周的深度学习课程，准备了异常昂贵的GPU环境——据说是NVIDIA Tesla P100 （深度学习神卡，价格4万左右且不公开出售），当你看到这门课的价格，你会以为我们老板是不是疯了……

一线教学团队

由实验楼CTO、技术专家（来自IBM、腾讯、国家级项目）组成的技术天团指导授课，课程内容源自于真实的开发实践积累，让你一开始就养成良好的代码规范和编程习惯。

教学团队

试听教学直播，你可以详细了解到楼+的与众不同。

实验楼618活动正在进行中，「楼+机器学习实战」特惠还有最后1天。

长按下面的二维码扫描入群，即可领取更多学习资料和100元叠加优惠券。

（长按可加入咨询群，如遇人满，请加sylmm001拉您入群） 

点击「阅读原文」

了解 楼+ 更多详细信息