如何学习人工智能,学习AI的一般路线

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_42256255/article/details/84887056

现在人工智能可以说是非常的火热,很多同学也想学习。但是刚开始时候总是会觉得比较迷茫,不知道如何开始学,也担心人工智能太难,自己可能学不会。其实不用太担心,因为人工智能入门其实并不难。这篇文章对如何去学习人工智能,给出一些建议。

学习AI的大致步骤:

(1)了解人工智能的一些背景知识;

(2)补充数学或编程知识;

(3)熟悉机器学习工具库;

(4)系统的学习AI知识;

(5)动手去做一些AI应用;

1 了解人工智能的背景知识

人工智能里面的概念很多,比如机器学习、深度学习、神经网络等等,使得初学者觉得人工智能很神秘,难以理解。刚开始学习的时候,知道这些名词大致的意思就行了,不用太深究,学习过一段时间自然也就清楚这些概念具体代表什么了。

人工智能是交叉学科,其中数学和计算机编程是学习人工智能最重要的两个方面。这些在“知云AI专栏”之前的文章“认识人工智能”,也为大家介绍过,没阅读过的同学可以去看一下。

下图为人工智能学习的一般路线:
在这里插入图片描述

2 补充数学或编程知识

对于已经毕业的工程师来说,在系统学习AI之前,一般要补充一些数学或者编程方面的知识。如果你的数学和编程比较好,那么学习人工智能会轻松很多。

很多同学一提到数学就害怕,不过,学习人工智能,数学可以说是绕不过去的。在入门的阶段并不需要太高深的数学,主要是高等数学、线性代数和概率论,也就是说,大一大二学的数学知识已经是完全够用了。如果想要从事机器学习工程师的工作,或者搞人工智能的研究,那么应该多去学习数学知识,数学好将会是工作中的一大优势。

Python是在机器学习领域非常受欢迎,可以说是使用最多的一门编程语言,因此Python编程也是需要掌握的。在众多的编程语言中,Python是比较容易学习和使用的编程语言,学好Python也会受益很多。

3 熟悉机器学习工具库

现在人们实现人工智能,主要是基于一些机器学习的工具库的,比如TensorFlow、PyTorch等等。

在这里推荐大家学习PyTorch。PyTorch非常的受欢迎,是容易使用的机器学习工具库,有人这样评价PyTorch“也说不出来怎么好,但是使用起来就是很舒服”。

刚开始学习人工智能的时候,可以先运行一下工具库官网的示例,比如MNIST手写体识别等。这样会对人工智能有一个感性的认识,消除最初的陌生感。然后可以看看里面的代码,你会发现,其实神经网络的程序并不复杂,但是会对神经网络的原理和训练有很多的疑问。这是一件好事,因为带着问题去学习,会更有成效。
在这里插入图片描述

4 系统的学习人工智能

这里的人工智能主要指机器学习,因为目前人工智能主要是通过机器学习的方式来实现的。

机器学习知识主要有三大块:

(1)传统机器学习算法,比如决策树、随机森林、SVM等,这些称作是传统机器学习算法,是相对于深度学习而言的。

(2)深度学习,指的就是深度神经网络,可以说是目前最重要最核心的人工智能知识。

(3)强化学习,源于控制论,有时候也翻译成增强学习。深度学习可以和强化学习相结合使用,形成深度强化学习。

在这里需要知道的是深度学习并不难学,对于一些工科的研究生,一般只需要几周就可以上手,并可以训练一些实际应用中的神经网络。但是想要对深入学习有深入理解不是容易的事情,一般需要几个月的时间。

传统机器学习算法的种类非常多,有些算法会有非常多的数学公式,比如SVM等。这些算法并不好学,因此可以先学习深度学习,然后再慢慢的补充这些传统算法。

强化学习是比较有难度的,一般需要持续学习两三个月,才能有所领悟。
在这里插入图片描述

5 动手去做一些AI应用

学习过几周的深度学习之后,就可以动手尝试去做一些AI应用了,比如图像识别,风格迁移,文本诗词生成等等。边实践边学习效果会好很多,也会逐渐的加深对神经网络的理解。

下图是人工智能进阶的过程:
在这里插入图片描述
对于一些还在学校读书的同学,时间比较多,可以多去学习各学科的知识。有足够的知识积累,对于以后的发展是非常有好处的。
在这里插入图片描述
谢谢阅读,欢迎交流讨论。转载于AI学习平台:知云学堂
欢迎关注同名公众号:知云学堂。

展开阅读全文

没有更多推荐了,返回首页