【学习笔记】贪心科技AI体验课

第一课

1. AI相关分类
   • 计算机视觉
   • 自然语言处理
   • 语音
2. AI知识体系
   
3. 会大数据时加分项
4. 机器学习项目流程
   数据源 -> 数据预处理 -> 特征工程 -> 数据建模 -> 数据验证
5. 一般不需要学爬虫，会有大量的大数据

第二课 CV

1. AI学习路线
   编程语言 - 数据处理 - 人工智能
2. python学习
   • 基础语法
   • 函数及函数式编程
   • 面向对象
   • 文件操作
   • 设计模块
3. 人工智能学习
   • 先学机器学习算法，是基础
4. 最佳的学习方法
   • 知识的获取：书、视频
   • 知识的练习：应用
5. KNN算法解析
   K近邻算法
   • 应用：区分菠萝和凤梨
   • K值选取方法：穷举图示法，K值是奇数（K个邻居投票，偶数个邻居容易投出平票）
   • KNN和K-means区别：前者是监督学习，后者是无监督学习

第三课 NLP

1. AI 岗位划分
   • 机器学习工程师
   • 深度学习工程师
   • 数据分析工程师
     • 业务型
     • 技术型：Python SQL 机器学习
   • 数据挖掘工程师
     数据科学家、高级数据分析师
   • CV工程师
   • NLP工程师
   • 推荐算法工程师
   • 知识图谱工程师
   • 搜索
2. 大数据
   spark 分布式 秒级
   storm fliniv 流式 毫秒级
   编程语言：scala java
3. 数据科学家
   • 商业：业务能力强
   • 工程：代码能力强
   • 人工智能：算法能力强
     综合上述三个方面
4. 小项目：垃圾邮件识别
   • 原理：贝叶斯原理