人工智能(机器学习)学习之路

我作为一个毕业就失业的学渣,现在已经成为一名码农。大学除了c和数学英语,其他的很少能够应用到工作中。最近人工智能非常火,也是国家支持的项目,很多人都想在这行业能够有所成就,自己也有了学习这方面知识的念头。但是看了网上的视频书籍后又觉得很难,只能理解表面,不能明白深理,不过好歹也算有所了解。为了让比我更萌新的小白少走弯路,我说说我自学人工智能的一些心得,仅供参考。

首先,如果是一位有时间,有钱,不急着找工作,完全不懂编程的新手来说,我的推荐是直接去报培训班。最好是学习c/c++。都说c是万物之母。本人是c出身,学会c后(能够用c写冒泡哈哈),看python,java代码并不觉得很困难。反过来说,如果我是一位python程序员,看c/c++的代码肯定会一脸懵。很多人工智能的培训班,都是python,所以也可以直接报这些班。python很简单,学一天就能够写冒泡了。我自学一周tkinter就能做出简单的界面,供公司内部使用。

学会了python,接下来就是学人工智能了。我个人认为自学人工智能大概分为以下几个步骤,记得在学习过程中记笔记!!!很有用的:

1、数学要好!这个好的意思是能够看懂微积分,线性方程,矩阵等公式。我在自学人工智能的时候已经毕业一年了,高数基本忘光。看那些公式就像看天书一样,只知其然不知其所以然。只知道什么时候该用什么公式,但是不知道这个公式背后到底是做什么的,学起来很吃力的。最好先复习下数学再开始学机器学习。

2、学习途径!有些人喜欢看视频学习,有些人喜欢看书学习,还有些人喜欢穿插着学习。我个人主要是看视频。首先,看书需要很强的来理解能力,相比视频来说,在知识理解深度上可能会不同,毕竟视频有讲解。周志华的机器学习西瓜书想必很多人推荐新手阅读,但是其实并不是这样的,除非数学很好。西瓜书都是直接将公式写在书里,能不能理解全靠自己。数学不是很好的会看不懂。我大概看了十五页左右就放弃了,公式太多看不懂。如果数学好可以尝试。

3、找优质视频!网上很多视频都是重复的,这人发完那人下载上传。还有些视频打着人工智能、机器学习的名号,其实内容都是教python,对于机器学习完全没太过说明,这种视频略过吧。吴恩达的机器学习视频确实是不错的入门视频,网易云课堂上有免费的,带中英字幕,翻译到位。用的语言是octave,和python相差不多,不是很难理解。然后是b站上的视频,找有人工智能讲解的。很多都是讲python,要多看列表过滤。这一步主要看项目,多倍速快看。将之前学的知识转为项目,写完可以放到git,简历也好有个亮点。

学到这,基本上就能够做出自己的模型了,能够做笔迹辨别,图片识别等简单的训练,无需要求太高准确率,主要是为了熟悉机器学习。接下来就是提升自己的宽路。

4、在github、码云上查找自己感兴趣的项目。比如汽车拍照识别,人脸识别,语音分析等等。在这一阶段,并不需要非常深刻的将代码中的每一部分都弄懂,了解如何做,用那种方法做,怎么做才是最重要的。

5、到了这一步,应该能够将自己的想法初步实现了。比如自家门口做一个人脸识别开门装置等等。同时也是找工作前最后一个环节(其实在3完成后就可以找工作了,但是那时候找的应该都是初级的),找一两个稍大的项目进行深刻理解,包括其中的重要知识点进行深究。

6、找工作啦!一般公司面试的时候都是针对项目中的几个主要知识点,个人能力点,以及部分项目扩展来进行考察的。所以对项目一定要精通,熟读代码是基础,知识点的扩展是必须。我在另一个博客中看到了人工智能面试的几个知识点:

1.训练决策树时的参数是什么?
2.在决策树的节点处分割的标准是什么?
3.基尼系数的公式是什么?
4.熵的公式是什么?
5.决策树如何决定在哪个特征处分割?
6.你如何用数学计算收集来的信息?你确定吗?
7.随机森林的优点有哪些?
8.介绍一下boosting算法。
9.gradient boosting如何工作?
10.关于AdaBoost算法,你了解多少?它如何工作?
11.SVM中用到了哪些核?SVM中的优化技术有哪些?
12.SVM如何学习超平面?用数学方法详细解释一下。
13.介绍一下无监督学习,算法有哪些?
14.在K-Means聚类算法中,如何定义K?
15.告诉我至少3中定义K的方法。

原文:https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/85086556

虽然是一个推荐报培训班的博客,但是这些方面可以作为面试前深刻理解的几个主要知识点进行深层次的了解。

最后,我作为一个初级程序员,可能还只是一个码农。对人工智能的理解还不到位,所以文中肯定会有一些错误的地方,大家看过后有什么意见和建议可以评论,我会尽可能的对错误点进行修正和改进。

没有更多推荐了,返回首页