长文干货预警!呕心沥血之作!墙裂建议收藏!!顺便点赞评论夸夸老学姐呜呜呜~
【正文已完结】
首先在回答怎样自学人工智能之前,我们必须明确一点 —— 能不能自学搞懂人工智能?
如果你自己心里认为搞懂人工智能就是天方夜谭,那学姐还是劝退的,因为怀着这种态度那么哪怕遇到了一个小困难,你都会想“果然是很难啊,我完全不可能搞懂的!”然后自然而然选择放弃,那样半途而废的话,还不如现在就不要开始!
大概在我本科大二的时候(非计算机专业!),同寝室已经有大佬开始学习人工智能,当时我在想,我这种菜鸡怎么可能学会,现在那位大佬已经在某度做研发了,现在想想那个时候没有开始真是遗憾!!(时光一去永~不~回~)
一个人要是真的想做成一件事,没什么是做不到的!
我在学习这些知识的时候也遇到了很多前辈助我一臂之力,前天刷到这个问题,就决定把迄今为止积累的一些学习经验分享给大家!如果你对’能不能自学搞懂人工智能? ’的答案也和我一样是“完全可以!”那就继续看下去叭!
当你想办成一件事的时候,全世界都会帮你!
学姐的AI交流群有什么问题有什么资料都会在群里分享!有事来咨询~
https://xg.zhihu.com/plugin/255185503dc270628f84030d4ae0ecc1?BIZ=ECOMMERCE
(可能一次说不完,有遗漏或者有新的发现会在这里和大家分享,本帖持续更新,直到学姐黔驴技穷! )
———————————————废话与干货的手动分割线——————————————
人工智能自学教程导览
01\基础知识篇(要想学的好,地基先打牢!)
↓
02\AI基础篇(新的领域,从头来过!)
↓
03\AI进阶篇(投入运用,顺利出师!)
【思维导图】(自学也不是闭门造车,不是走歪门邪道,学姐的导图和讲解都是线下最“正统”学习心法衍生来的~不用担心“走火入魔”)
入门AI思维导图
01.基础知识篇【基础知识已有的同学可以直接跳转到第二部分~】
人工智能是计算机与数学交叉学科,对于其中数学的部分,已经在其他回答中讲到过。
人工智能需要哪些高级的数学知识?所以现在主要讲一下计算机基础的部分,一般学习人工智能至少要掌握一门语言,可以不是python,但最好是python,没有拉踩的意思,但python性价比真滴高呀!学习难度上要比C容易太多,通用程度也比另外几门语言高,综合起来就成了很多人的选择~
那么如果你是什么语言都没有学过(或者学过一点但自我感觉和没学过差不多)的小白,不妨从python入手,开启计算机之路。
这里推荐的小小白入门级课程是北理工网络空间安全学院副院长嵩天教授讲的Python语言程序设计,是慕课上的国家精品课!
链接指路↓
Python语言程序设计_北京理工大学_中国大学MOOC(慕课)这个课程开班十几期了,可以选择在本次开班跟着一起学,或者直接去看往届开班的回放~
计算机是运算工具,更是创新平台,高效有趣地利用计算机需要更简洁实用的编程语言。Python简洁却强大、简单却专业,它是当今世界最受欢迎的编程语言,学好它终身受用。请跟随我们,学习并掌握Python语言,一起动起来,站在风口、享受创新!—— 课程团队 不得不吹一波嵩教授yyds,讲课认真、耐心、有趣!
怎么会学不会?!
(讲课内容图示,来源:慕课)
教材的话推一波Head First系列里的
《由浅入深学习python》
这系列的书就不用我吹了,大家比我会夸↓
程序员必备的书籍有哪些?CodeAllen:Python推荐书籍从入门到进阶(珍藏版)《Head First》一直饱受赞誉,虽然其中最出名的当属深入浅出的统计学,但是其他的也都很不错,作为小白入门款,它轻松易懂而且对逻辑思维的建构也有很大帮助。
嘻嘻嘻嘻还推荐各位小伙伴进入学姐的AI交流群哦,点击下方直通车,里面有超多人工智能干货,每天花几分钟看一看,知识总有一天会进脑的!
https://xg.zhihu.com/plugin/255185503dc270628f84030d4ae0ecc1?BIZ=ECOMMERCE
02、AI基础
(1)神经网络基础
人工智能入门:从零开始学习神经网络大家可以先看看这个,比较生动有趣,可读性高,看完可以对AI有个大概的了解。
书籍的话有机会大家一定要读一下《python神经网络编程》,一定受益匪浅~
话不多说看豆瓣评论
郭志敏:神经网络入门的第一本书,你应该选择它别问我怎么学会神经网络的,去看书!!
(2)框架
先来通俗解释框架:你可以理解为你选择了一系列的砖来盖房子,这一些列的砖有不同的形状,你可以从中选择来import调它来搭建你的代码。
框架有很多种,Caffe、tensorflow,pytorch,CNTK等等,学姐主要学习的就是基于torch用python重写了一些部分创造的“Pytorch”相比于其他框架,它抽象层面的内容偏少,初学者也比较容易能理解,并且实操起来更加节约时间~
学姐也写过一些文章,欢迎来读!
鱼子酱:PyTorch 1.9发布同时更新pytorch库来看惊喜!鱼子酱:PyTorch 环境配置 Ⅱ | PyCharm 2021 安装与激活(当然,其他框架也有它的好处,也都可以考虑,只是学姐个人熟悉pytorch一些~莫得拉踩!)
chenyuntc/pytorch-book(学习视频在此,点不开多点几次,没有找到汉化版,请诸君努力食用!)
书籍的话,入门推一波这本,稍微简单一点,里面结合着神经网络知识讲了很多,对于初学者很友好~
最近看见pytorch官方也出了一本,学姐看了一下,感觉不错,但对于初学者可能难一些,这边也给大家指路一下~
零基础如何入门人工智能?03、AI进阶
终于等到你~还好你没放弃~
恭喜恭喜,你已经走向了第三步,有了这一步才能创造出那些“高级人工智能”
人工智能能否替代人类?:人工智能中深度学期其实和机器学习并不是并列关系,准确的来说。深度学习只是机器学习里的一个小板块,而深度学习里面还有其他部分,时下最火热的就是CV(计算机视觉)以及NLP(自然语言处理)。而他们各自又有其他的分支负责不同的需求。
呜呜呜,今天码不下去了,太累了,改日再来更!
欢迎点赞关注收藏催更!!
有什么想问的问题也欢迎私信我!!
<hr/>更新啦!(7.9)
来了来了,来更新了!!!感谢小伙伴们的支持和认可!
今天我们来学习——机器学习!
来听一个名字——吴恩达,在投入这个行业后,就会不断听到这个名字,机器学习至少在教学领域绝对是数一数二的大牛,(虽然也不少人吐槽他讲得,但不得不说,现在最主流的人工智能入门学习基本都是在学他的课,作为斯坦福大学的计算机系副教授,能听到他的课,个人觉得大部分人能听到他的课还是挺荣幸的hhhh)
好,课程链接在此,请诸君自行注册学习。
Machine Learning by Stanford University | Coursera
真正的从头到尾把课学完,那恭喜!机器学习是真的入门啦!
书籍是这本——《机器学习》人称西瓜书。
很多对人工智能感兴趣的人应该都对这本书有所耳闻,不过自学的时候还是建议结合讲解视频来看,因为自学想读懂真的有一定难度!!!
(相信我,天才只是少部分,大部分人不加视频辅助来自学就是在浪费时间,不是说一定看不懂,只是实在没必要这么刁难自己,有这时间去看看讲解视频不香吗)
转自周志华老师微博
某推荐的读法: 没基础的读者从头囫囵读,建议最好不超过两月,读不懂的跳过去。给读者搭建不偏学派的整体框架,建骨骼,是本书第一层用处。然后建议找别的材料读,长肉,这样的读物常见。再回来读本书,或许会发觉好多东西原来那么简单,这是提筋节,本书的第二层用处。再去别处学,全面积累,到一定时候回来或许能有点豁然贯通感,通经络,是第三层用处。写的时候就是冲着这去的,希望出一本有助不同层次读者的耐读之书。有读者体会了,作者就算没白下功夫。
全书共16 章,大致分为3 个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书. 前两天回答了另一个问题,推机器学习一些好的的新书,虽然学姐当初学的时候不是用的这些书,但是也都会去看,只有不断地获取知识才不会被淘汰嘛,尤其是人工智能还是个正在被不断开发的新领域,所以我把这个答案中的部分也搬运过来,大家可以参考着看一看,学一学~
这本南瓜书今年新出版的,我没有一页一页去学哈,但是翻了翻觉得和西瓜书还蛮搭的,要是我学人工智能的时候有这样一本书,我一定入了hhhh,现在推荐给大家也不晚!新书质量好、口碑好的话,用它学习真的不是什么坏事!
周志华老师的《机器学习》(俗称“西瓜书”)是机器学习领域的经典入门教材之一。本书(俗称“南瓜书”)基于Datawhale 成员自学“西瓜书”时记下的笔记编著而成,旨在对“西瓜书”中重难点公式加以解析,以及对部分公式补充具体的推导细节。
全书共16章,与“西瓜书”章节、公式对应,每个公式的推导和解析都以本科数学基础的视角进行讲解,希望能够帮助读者达到“理工科数学基础扎实点的大二下学期学生”水平。每章都附有相关阅读材料,以便有兴趣的读者进一步钻研探索。
【吃瓜教程】《机器学习公式详解》(南瓜书)与西瓜书公式推导直播合集_哔哩哔哩_bilibiliB站真的,学习神器YYDS!
机器学习领域著名学者周志华教授领衔的南京大学LAMDA团队四位教授合著系统梳理机器学习理论中的七大重要概念或理论工具,并给出若干分析实例机器学习理论内容浩瀚广博,旨在为机器学习理论研究的读者提供入门导引。
本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后,全书各章分别聚焦于:可学性、(假设空间)复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。 除介绍基本概念外,还给出若干分析实例,如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。
这本也蛮不错的,学有余力的同学可以看一看,要是没有余力就先学上面推荐的哈!
我我我又来更新啦(不出意外的话是大框架的最后一次更新,以后可能有新的好书好教程会在这个帖子分享~
<hr/>插句题外话:很多人说自学是学不会的,我想自学也分很多种,我分享出来的那么多书,那么多教程,真的去一点一点琢磨透了,可能要花好几年,是科班生可能都没有的知识积累,基础打扎实后,再去报一些课,积累一下项目实战经验,参加几场比赛,真正的付出过,努力过,和二十几天速成调包侠不一样。学了多少就是多少,别人抢不走,也骗不了自己。
<hr/>话不多说,开始整活儿
【深度学习】
深度学习和机器学习的关系已经提到过了,可以粗略了解一下机器学习就直接学深度学习的,也没有太大影响。当然很多人调侃机器学习整不下来项目了,所以学术圈起个深度学习的名字好申请资金发论文哈哈哈,其实个人感觉这就是一个量变产生质变的道理,而且说实话这几年公知的人工智能基本都跑不了深度学习的领域,比如用美图秀秀一键美颜、刷脸支付、语音转文字、有声小说等等,拿着人工智能工程师的身份去求职,深度学习最好还是要深入掌握滴。
封面好不好看啊,嘿嘿 这本书又名花书,美丽外表,深邃灵魂,但是并不是刁钻的难懂。
《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。
《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。
但一般大家看的时候是结合着视频一起看的,看书之前先看一遍梳理大纲的视频↓了解一下大概会学什么知识。
【课程电子书课件见置顶评论】《深度学习》花书啃书指导!大佬级up主:同济子豪兄出任导师哦~【完结】_哔哩哔哩_bilibili之后去钻研一下这本书,自己仔细思考里面的理论,跑一跑提到的代码
最近看到的另一位UP主也在讲深度学习
跟李沐学AI的个人空间_哔哩哔哩_Bilibili鉴定完毕,是个大佬,而且从头讲起,由浅入深,循序渐进,自己结合下边这本书看他的视频,感悟颇多!
本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理,还演示它们的实现和运行。与传统图书不同,本书的每一节都是一个可以下载并运行的 Jupyter记事本,它将文字、公式、图像、代码和运行结果结合在了一起。此外,读者还可以访问并参与书中内容的讨论。
全书的内容分为3个部分:第一部分介绍深度学习的背景,提供预备知识,并包括深度学习最基础的概念和技术;第二部分描述深度学习计算的重要组成部分,还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络;第三部分评价优化算法,检验影响深度学习计算性能的重要因素,并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学习的方法和实践,主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。
这两本是我个人比较喜欢的
已经学到了这个阶段,自己要做的是多读书,多看论文,人工智能是很前沿的东西,每年都会有新的技术涌现,这个时候如果不会就是掉队。
论文的意义就是——快,可能书出来的时候理论已经老了,但论文就要及时很多,推荐几篇论文,在下边,大家也可以找自己喜欢的论文然后去scihub下载♥
本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例,步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化,读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后,读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。
【1】崔建伟,赵哲,杜小勇.支撑机器学习的数据管理技术综述[J].软件学报,2021,32(03):604-621.
从数据管理的视角对机器学习训练过程进行解构和建模,从数据选择、数据存储、数据存取、自动优化和系统实现等方面,综述了数据管理技术的应用及优缺点,在此基础上,提出支持在线机器学习的数据管理技术的若干关键技术挑战.
【2】张军阳,王慧丽,郭阳,扈啸.深度学习相关研究综述[J].计算机应用研究,2018,35(07):1921-1928+1936.
介绍了深度学习技术的应用背景、应用领域,指出研究深度学习技术的重要性,以及当前重要的几种神经网络模型及两种常用大规模模型训练并行方案,其目的在于从本质上理解深度学习的模型架构及其优化技巧。对比分析了当下主流的深度学习软件工具和相关的工业界研究平台,旨在为神经网络模型的实际使用提供借鉴;详细介绍了当下几种主流的深度学习硬件加速技术和最新研究现状,并对未来研究方向进行了展望。
【3】张润,王永滨.机器学习及其算法和发展研究[J].中国传媒大学学报(自然科学版),2016,23(02):10-18+24.
本文对机器学习进行了较为系统的介绍,从机器学习的概念开始,综述了机器学习的发展简史及其分类,然后重点分析了机器学习的经典算法,接下来阐述了机器学习的最新研究进展、愿景及应用,最后探讨了机器学习面临的挑战。
【4】王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃.生成式对抗网络GAN的研究进展与展望[J].自动化学报,2017,43(03):321-332.
本文概括了GAN的研究进展,并进行展望.在总结了GAN的背景、理论与实现模型、应用领域、优缺点及发展趋势之后,本文还讨论了GAN与平行智能的关系,认为GAN可以深化平行系统的虚实互动、交互一体的理念,特别是计算实验的思想,为ACP(Artificial societies,computational experiments,and parallel execution)理论提供了十分具体和丰富的算法支持.
【另一篇回答的答案也来给大家看看~】
学完这些建议跟一些项目班、比赛班,去打打kaggle比赛啥的!有什么问题就来公众号找学姐聊聊~
“附录”是学姐的学习Tips:
1. 还是在数学知识那篇文章里提到过的“懂理论,多实践!”不懂不做不能会!
2. 不能理解的问题要及时请教,不要置之不理、将错就错,在校的可以去问老师(老师们一般都很愿意回答问题),不在校的可以去各种社群贴吧求助神通广大的网友们~有时候别人一句话就可能让你恍然大悟。
3. 要有规划的学习,切忌三天打鱼两天晒网、半途而废,必须要每天坚持学习!并且及时回顾快要忘掉的知识。
4. 学姐知道很多人是拖延症患者,明明内心焦虑的不想却根本不能投入工作,学姐一个专业课老师教了一个办法可以分享给大家,“告诉自己先看五分钟”物理学上有惯性,人的心理也有惯性,你告诉自己先看五分钟书,一方面会觉得五分钟而已,先看看,这样就更容易开始一项工作,万事开头难,等你看完五分钟之后进入了状态,持续下去也并非一件难事!
5. 英语:十分抱歉,这个应该也算在基础知识的一部分的,但由于它性质特殊被我遗忘了呜呜呜,虽然计算机和数学和日常沟通语言没有什么关系,但是有很多文献、课程都是英文的。
前沿的内容\理论我们国家有,但其他国家的也不少,英语作为传播范围最广的语言,在学习这些东西的时候就很有用处
虽然不能说不会英语就不会人工智能,但是英语基础好,绝对大有裨益。
6.看书马冬梅,合书马什么梅,做题啥也没QAQ
这种情况是很正常的,大家都是普通人,自学遇到这种情况很正常!
不要觉得是自己有问题什么的,要学会多看、多问、多练,跑不通的代码去看原书原视频,去问身边的大佬!加油!
7.金钱,虽说是自学,但自学≠不用花钱,呜呜呜学姐只能说是把自己的经验分享给大家少走点弯路
有的书学姐自己有你们可以来找我要,但是有些课程、实体书以及深入学习,让老师带着读论文打比赛,达到一个更高的层次,资金注入真的事半功倍,甚至有时候会决定有无!
但学姐认为这些钱花的值!学习绝对是一本万利的投资!
......
如果各位小伙伴还有什么不懂的地方或者还有什么疑问,欢迎各位小伙伴点击下方直通车进入AI交流群,跟学姐和大佬们一起交流,一起聊天!
https://xg.zhihu.com/plugin/255185503dc270628f84030d4ae0ecc1?BIZ=ECOMMERCE
来呀~来聊天吖~ |