开发者 AI 转型指南
|
注意！我们现在已经进入学习人工智能最基本的领域。用「必不可少」来形容算法远远不够。如果你想成为人工智能领域的研究者，你必须成为算法方面的专家。你应该在这方面有出色的问题解决和分析技巧。所以不要回避前面的步骤，它将帮助你高效地完成给定的任务。 算法似乎太枯燥、复杂，难以掌握。在某种程度上，这是真的。然而，如果你真的、疯狂地，深深地想成为一个人工智能专家，你必须更新你的知识，没有其他的捷径可走。你可以用我以前的一篇文章来简化这个任务——「Top 10 Machine Learning Algorithms for Data Science」——这里我用简单的语言解释了十大最常见算法的核心原理。 但这还不够，所以我建议你再往前走一步。看看这些有用的东西：
以上这些都是准备工作。如果你已经掌握了所有这些基本技能，你可以自信地开始教机器学习啦。 Part II. 开始学习最重要的部分——人工智能
就这样，我们来到了最有趣的部分。有了学习人工智能所必需的知识基础，你就可以容易地理解下面的要点，像婴儿学走路一样一步一步更接近你的梦想。是的，没错，这些只是蹒跚学步。请记住，这是不可能速成的。 #1 计算机科学、程序设计（关注 python）
人工智能开发人员的工作的一个重要部分是处理基于计算机科学的应用程序，包括编程语言，如 python 和编码。所以，在这一步上要有耐心，让自己对学习保持超群的关注和专注，因为你要学习很多东西。 为什么是 Python？根据所有的民意调查，Python 现在是人工智能和数据科学领域最流行的语言。此外，这个工具很容易学习和使用。它里面有很多库可以调用，网上也可以找到大量的在线课程和资料。所以你可以选择符合你喜好的学习方式。 初学者必学资源：
您还可以学习其他语言，如 C++/R/Java，但对我个人而言，Python 是 AI 和数据科学最合适的工具。想知道为什么吗？阅读我以前的文章，我在其中详细解释了关于这一点的所有内容：Python vs R. Choosing the Best Tool for AI, ML & Data Science。 #2 学习人工智能本身
Francesco Corea 开发的人工智能知识地图 想象一下你是如何理解上面的计划的，我会像 Andrew Ng 那样说「如果你不明白，请不要担心」。只需要看到整个画面，了解每个元素的位置。顺便说一句，Andrew 是人工智能领域最有影响力的人之一，你会经常看到这个名字的。他参与创建了在线机器学习网站 Coursera，现在是斯坦福大学的副教授。
机器学习 器学习是实现人工智能的过程。这是计算机在没有人为干预的情况下学习的能力。人工智能在没有机器学习的情况下是可能的，但这将需要一百万行具有复杂规则和条件的代码。换句话说，机器学习不是为每个特定的任务写下详细的指令，而是使用一种自己学习寻找解决方案的算法。 机器学习主要有四种类型：有监督、无监督、半监督和强化学习。在有监督的机器学习中，该算法通过处理和分类、标记大量数据来学习如何识别数据。在无监督的机器学习中，算法识别大量未标记数据中的模式和类别——通常比人脑更快。 学习什么？到哪里学？
（编辑：威海站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
