人工智能学习也有行业潜规则？-CSDN博客

前言

最近一些读者在问我，人工智能学习究竟学那些方面，需要有什么基础等等，大概意思就是想少走一些弯路。毕竟现在培训机构也是各种鱼龙混杂，什么都教，但是都是教一些皮毛，这样怎么能做到就业。不是什么人都可以从事人工智能的工作，不是什么行业都能转行到人工智能行业。那接下来我就给各位读者老爷分享一下我的个人见解吧！

要点————人工智能哪些知识才是应该的

培训机构

现在网上的培训机构是真的多，其中大部分都是“没底线”，随便找一些知识点就教授，这样出来能就业吗？

一，基础知识：

大家都知道会python和数学人工智能的基础。那我们说一下数学，学人工智能需要学习的数学有高数，解析几何，线性代数，概率统计，凸优化和信息论等等，一般的机构也就会教一些高数进行求导，线性代数，概率统计，虽然有涉及到，但是都很简单。

然而今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：

1.线性代数：如何将研究对象形式化？

2.概率论：如何描述统计规律？

3.数理统计：如何以小见大？

4.最优化理论：如何找到最优解？

5.信息论：如何定量度量不确定性？

6.形式逻辑：如何实现抽象推理？

二，传统机器学习：

传统机器学习是几年前流行的，现在已经属于半淘汰的算法，一是现在达不到商用，二是现在的人工智能还是以深度学习为主。大部分机构把传统机械学习内容作为主要教学，然后在教深度学习的时候，也都是给一些现成的框架模型，可能教一下学员怎么用，如何对接API接口等等，都是一些很笼统的知识。比如RNN其实是一个很大的领域，一些细节点，培训机构可能都不会写出来。深度学习都是需要自己从底层，自己写代码，一行一行写出来的，而不是用现有的框架模型讲一下原理，直接对接接口，这种和深度学习完全是两回事。

花的识别就是用到传统机器学习→

三，大数据：

对于一些人工智能课程里面教授大数据的，基本上都是机构东拼西凑来的，大数据和AI完全是两个体系。我了解的大数据主要是解决数据的收集和查询，至于需要用到大数据的框架的公司，都是属于行业的龙头企业才用到，而且目前行业对于大数据的概念都是模糊的。

底层是用到大数据架构进行储存，再上就是用到爬虫进行一些查询，再上才是需要AI深度学习算法对于大量数据进行预测分析。

看我自己做的图，一点都不好看。

大数据和AI的逻辑图→

所以说大数据最多属于人工智能的一种分支方向，AI 的方向还有很多，比如图像，语言等等。

四，自然语义：

自然语义是自成一套体系，一点点深度学习知识是完全不够的，最多可以做个简单的聊天机器人，进行几句对话（hello，你好），要想达到商业基本上不可能。其难度远远大于图像语音这一块，这种项目数值量巨大，训练时间长（至少1-2月），而且一套数据的成本非常高（四川话标价在800W），所以都是大公司在做。

五，深度学习：

深度学习三大网络:CNN,RNN,GAN是人工智能非常核心的东西。说到深度学习，它也是目前人工智能最流行的方向，而且商用的都是组合网络，语言翻译都是CNN加RNN（虽然说现在的翻译效果并不理想）。

1.CNN:它是用来解决三维的空间问题的模型。