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。
2.RNN:一般是用来解决排列性问题的模型。
3.GAN:是生成对抗网络模型。
最后
目前想在人工智能领域发展,多学习几年就能达到天花板,学了多物体追踪和图像识别,基本上在市面上都是可以用到的。像大厂的话,都要求学历,技术中等以上就行了。
人工智能和其他语言的编程思维是不一样的,如果有代码基础,学的快点。数学方面的计算问题都是是交给Numpy框架计算,数学的基本功如果不是很高,即使教太多也吸收不了,但是应付市场上80%的事情都没问题。其实没有编程经验也一样可以学,数学学得好,逻辑思维灵活,一样可以在人工智能的方向走得很远。
这篇文章是我自己的原创,有一些话语均属于我的个人观点。如果觉得我的观点有误的可以在评论区留言,毕竟我也不是行业大牛。如果是想往人工智能方面系统的学习的可以关注我然后找我私聊。