作者：KayDee
翻译：曹世腾
校对：陈超
本文约3100字，建议阅读10分钟
避免掉队的唯一办法就是现在行动起来，掌握AI和机器学习的基础知识。
图片来自Maximalfocus, Unsplash
首先，让我先快速讲一个故事。上周，我和我的朋友Raj在我们最喜欢的咖啡馆The Brewing Grounds喝着微凉的拿铁聊天。
Raj是硅谷一家高端AI初创公司的软件工程师。他的工作靠着开发聊天机器人和推荐算法轻而易举地拿到六位数的薪水。
Raj一直在说，AI如何改变着一切——自动驾驶汽车、个性化医疗，甚至还能创作自己的艺术和音乐！
“哥们，你得学这个东西，”他说，“AI正在接管世界！”
我耸了耸肩，把话题转到《怪奇物语》的新一季。如果你问我，魔花兽没有AI接管世界要吓人。
但Raj是对的。我不能再躲避AI这趟列车了。不管我是否上车，它都要离站。
所以我决定2024年是我开始理解AI大爆发的一年。这趟旅程我也会带你一起！所有人都上AI列车！下一站，未来！
（我正在创建一个免费的人工智能课程，将帮助您从基础到高级全面了解人工智能，现在注册https://bit.ly/4c7xLaZ。或者，从“[免费]终极ChatGPT小抄表”开始-它以易于理解的方式涵盖了关键的AI概念，非常适合初学者!）
目录
为什么AI将改变一切
学习AI的3个关键技能
Python编程
数学基础
数据基础
我的AI学习路线图
登上AI快车
为什么AI将改变一切
坦白地说，我对整个AI仍持怀疑态度。我的意思是，机器人真的会奴役人类和这个世界吗？这很吓人，伙计。
但即使如此，我也不得不承认，这项技术有着惊人的潜力。以下是AI应用场景的例子：
自然语言处理——像ChatGPT这样的AI系统可以理解、解释和生成复杂、微妙的语言。不再需要通过僵硬的计算机命令进行交流。现在我们可以像对人类一样与机器交谈了！至少大部分时间是这样。
计算机视觉——AI现在可以以惊人的准确率识别和分析图像和视频。从自动驾驶汽车到检测癌细胞等方面都有应用。不久之后，机器视觉将比我们任何人都要好！
预测分析——通过分析海量数据集，AI系统可以高精度预测未来趋势、行为和结果。想想下面的场景，预测性警务和在人的健康状况发生恶化之前就可以预测。这就像有了一个水晶球！
机器人技术——AI赋予机器动态感知和与物理世界互动的能力。这将使从仓库机器人到帮助外科医生手术的灵活机械手都成为可能。
可能性似乎是无穷无尽的。AI正在变革几乎每一个行业，从金融到运输到制造业以及更远的领域。
所以如果我不快点上这趟AI列车，我可能会发现自己未来会困在写小窗口的SEO（搜索引擎优化）文章中，而Raj却在构建下一个革命性的AI初创公司赚着大钱。虽然他需要有人写那些智能小窗口的文章！
学习AI的3个关键技能
好吧，所以AI正在爆发，并且将成为未来一切的基础。
这有点可怕。但如果我能掌握这项前沿技术，这也将是一个巨大的机会。如果我想登上AI的列车，以下这3个是需要开始学习的最抢手的技能：
1. Python编程
大多数主流的AI系统都是用Python编程语言构建的。Python提供了数据处理、模型构建等任务所需的所有工具。
所以第一步是熟悉Python的基础知识，如语法、数据结构和调试。在线课程是不错的入门资源，如CodeAcademy或像CS Dojo这样的YouTube频道。
一旦掌握了Python基础，就可以继续学习常用于AI开发的机器学习库如TensorFlow和PyTorch。这一步学习的目标是获得实际操作经验，不仅是编写Python脚本，还要构建和训练AI模型。现在是时候拿出我的笔记本电脑，掸去两年前买的《Python速成课》书上的灰尘了。
2. 数学基础
抱歉打破你的幻想，但学习AI需要相当多的数学知识，比如微积分、线性代数、概率论和统计学。高中毕业后逃避数学的做法也到此为止了!
AI中使用的关键数学概念包括：
微积分——用于优化和分析深度学习模型；
线性代数——用于表征和操作机器学习所需的数据；
统计学——用于理解数据中的随机性、不确定性和风险；
概率论——用于计算概率和建模AI系统行为。
我在学校时从来不是数学天才。但要开始AI学习，我需要足够的概念理解来应用这些数学原理。是时候翻出那些积灰的教科书和计算器了！在学习数学的时候我会播放80年代电影中书呆子整晚跟着节拍学习的蒙太奇音乐。
（感到被AI所需的数学所淹没?从“[免费]终极ChatGPT小抄表”开始-它以易于理解的方式涵盖了关键的AI概念，非常适合初学者!）
3. 数据基础
无论是计算机视觉、语音识别还是预测分析，所有AI系统都依赖于大量的数据。这意味着我需要掌握一些核心的数据能力：
数据收集——收集、清理、标注和准备用于训练AI模型的数据集；
数据分析——探索、可视化和从数据集中得出见解；
数据工程——构建和优化数据管道、存储系统和基础设施；
数据伦理——理解数据中的偏见，并确保数据隐私、安全和透明性。
在线学习平台如DataCamp和Coursera提供了针对AI从业者的关键数据技能的介绍。我已经预见了未来在很多深夜搜索代码报错原因的画面。
制定我的AI学习路线图
好吧，现在我已经确定了要专注于我的AI学习之旅的3个基础技能：
Python编程；
核心数学概念；
数据基础。
要装进脑袋的东西可真多！这不会一夜之间发生。甚至也不会在这一年内完成。但我将开始付出努力，获取必要的技能。
这是我为2024年制定的一个大致路线图：
第一季度：Python编程
通过在线课程和编码挑战复习Python基础；
使用scikit-learn构建简单的机器学习模型；
开始涉足像TensorFlow这样的深度学习框架。
第二季度：数学基础
通过Khan Academy等在线平台学习微积分、线性代数和统计学；
加入学习小组，共同研究教科书和练习课后题；
在Python中实现基本数学概念。
第三季度：数据技能
参加数据分析、可视化和工程最佳实践方面的在线课程；
建立收集、清理、分析和可视化数据集的工程；
学习如何发现数据中的偏见，并确保AI实践是符合数据伦理的。
第四季度：整合和应用
将所有这些技能一起应用到端到端的项目中；
考虑参加训练营、纳米学位或硕士课程，以将技能提升到更高水平；
开始建立网络并申请初级AI职位和实习机会。
这个路线图将随着我深入挖掘而不断演变。关键是一步一步来，通过实践学习建立真正的技能。慢慢来，稳扎稳打地赢得AI比赛！
登上AI快车
哇，谁会想到学习人工智能会这么复杂？绝对不像问Siri定义的AI那么简单。（对不起，Siri！）
但未来不会等着我们。不管我是否准备好，AI正在来到我们的工作、我们的家、我们的小窗口！做好准备，机器人来了！
避免掉队的唯一办法就是现在行动起来，掌握AI和机器学习的基础知识。这是一段漫长的旅程，但第一步就在眼前。现在，如果你不介意的话，我需要翻出那些教科书，启动Python，然后登上这列人工智能火车了! 别担心，我会试着记录下我一路上的糗事。
想加入我的疯狂AI之旅吗？未来在等待！
在你的旅程中迈出下一步。
加入4500多人都在学的如何用智慧和幽默来应对生活中最大的挑战。订阅https://bit.ly/4cL6vQd (免费!)
如果你喜欢我的文章，想支持我的工作，请考虑在buymeacoffee.com/kaydee上给我买杯咖啡。您的支持帮助我不断为您创造有价值的内容!
原文标题：You Need To Learn AI in 2024! (And Here Is Your Roadmap)
原文链接：https://medium.com/predict/you-need-to-learn-ai-in-2024-and-here-is-your-roadmap-c28e6cb5c045
编辑：黄继彦
译者简介
曹世腾，现就读于清华深研院大数据方向！
翻译组招募信息
工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。
你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。
其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。
点击文末“阅读原文”加入数据派团队~
转载须知
如需转载，请在开篇显著位置注明作者和出处（转自：数据派ID：DatapiTHU），并在文章结尾放置数据派醒目二维码。有原创标识文章，请发送【文章名称-待授权公众号名称及ID】至联系邮箱，申请白名单授权并按要求编辑。
发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。
关于我们
数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。
新浪微博：@数据派THU
微信视频号：数据派THU
今日头条：数据派THU
点击“阅读原文”拥抱组织
261
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
