江苏龙网

  1. 首页 > 资讯 > 科技 > >

|不要上手就学深度学习！超详细的人工智能专家路线图


机器之心报道
机器之心编辑部
这个学习路线图几乎涵盖了人工智能领域的所有内容 ， 点点鼠标 ， 就能链接所需知识 。
|不要上手就学深度学习！超详细的人工智能专家路线图
本文插图

想从事人工智能领域的研究 ， 盲目地在网上购买了一本又一本的参考资料 ， 学习视频刷了一遍又一遍…… 反过头来看 ， 这些方法可能作用并不是很大 ， 却消耗了大量的时间和金钱 。
这时 ， 一种提纲式的学习途径就显得尤为重要了 。 如果你想成为数据科学家、机器学习或者 AI 专家 ， 而又苦于找不到合适的学习方法 ， 本文将提供一组思路清晰、简单易懂的人工智能专家路线图 。
这是一家德国软件公司 AMAI GmbH 近期发布的 GitHub 项目——AI 专家路线图（AI-Expert-Roadmap） 。 该路线图几乎涵盖了 AI 领域所有的知识点 ， 并且每个知识点都有详细的文档 。 有了这个路线图的指导 ， 或许能帮助你快速入门乃至成为 AI 领域的佼佼者 。 该项目上线短短几天 ， 已经收获了 2.1k 星 。
【|不要上手就学深度学习！超详细的人工智能专家路线图】|不要上手就学深度学习！超详细的人工智能专家路线图
本文插图

项目地址：https://github.com/AMAI-GmbH/AI-Expert-Roadmap
亮点多多的 AI 专家路线图
对学习者非常友好的是 ， 这份 AI 专家路线图是一个互动版本 。 每个子模块所列内容都可以链接到指定网站 ， 学习者可以找到词条的维基百科或其他来源的释义和拓展内容 。 此外 ， 如果有新的研究出现时 ， 该路线图会随时更新 。
该路线图旨在给学习者提供关于人工智能的整体概念 ， 并在学习感到困惑时给予指导 ， 而没有鼓励学习者一味地选择最先进、最热门的技术 。 这是因为在科研中 ， 每个人都需要了解哪种工具最适合自己 。 换言之 ， 最先进、最热门的技术不一定是最适合的 。
就这份 AI 专家路线图而言 ， 开发者列出了任何学习路径所必不可少的一些要素 ， 如论文和代码、版本控制、语义化版本控制和更新日志 。 但就具体选择上 ， 开发者认为在学习 AI 时不应直接过渡到当前热门的技术——深度学习 ， 而应步步为营 ， 并提供了3 条可供选择的学习路径：数据科学家→机器学习→深度学习…；数据科学家→数据工程师…；大数据工程师→…
|不要上手就学深度学习！超详细的人工智能专家路线图
本文插图

循序渐进才是「王道」 。
AI 专家路线图概览
这部分内容简要总结了 AI 专家路线图 ， 并从以下几个方面着手讲解：数据科学家、机器学习、深度学习、数据工程师以及大数据工程师 。 这 5 部分内容都有详细的学习路线图 ， 点击图表任意模块 ， 都会链接到对应的内容 。
数据科学家路线图
在数据科学家路线图中 ， 我们可以了解到进行 AI 研究所需要的基础：矩阵和线性代数、数据库、表格数据、数据格式（JSON、XML、CSV）、正则表达式等等 。
在统计学方面 ， 该路线图涵盖了概率论、概率分布、估计、假设检验、置信区间、大数定律、蒙特卡罗方法等等 。
在 Python 编程方面 ， 该路线图展示了 Python 基础、比较重要的 Python 库以及所需运行环境等 。
在数据来源方面 ， 学习者点击「Awesome Public Datasets」图标 ， 就可以链接到整理好的公共数据集等 。 接着过渡到可视化和探索性数据分析 / 转换 / 整理相关内容 ， 最后进入到机器学习和数据工程师两个不同的方向 。
|不要上手就学深度学习！超详细的人工智能专家路线图
本文插图

机器学习路线图
机器学习路线图主要分为 4 大部分：基础概念、算法、用例以及所用工具 。 其中基础概念部分主要包括机器学习中常用的概念、梯度下降、训练集、测试集、验证集等基础概念；算法部分列举了 4 类算法：监督学习、无监督学习、集成学习和强化学习；用例部分列举了情感分析、协同过滤、标注和预测；所用工具部分则介绍了 scikit-learn、spacy 等工具 。 每部分内容都有对应的详细文档 。


推荐阅读


上一篇：上游新闻资讯|玖富集团：打好“新消费、新财富、新科技”战略组合拳

下一篇：|IEEE专家邹卓：类脑芯片能为AIoT迈向智能化做什么？