想要學習人工智慧？這裡有一條完整路徑

來源：Analytics India

智能觀 編譯

科技領域的天平正在向人工智慧傾斜，IT領域的技術人員正在將AI應用到現有產品中。但是對於企業來說， AI人才才是關鍵。企業培訓應有意識地建立在線項目，幫助員工適應新的角色。

雖然很多程序員都可以編寫代碼，但他們還不精通機器學習。儘管行業的炒作和初創公司層出不窮，開發人員或AI新手還是不知道如何開始人工智慧的學習。企業家和產品愛好者Shival Gupta提出了一個有趣的觀點：在行業不斷變化的情況下，全行業開發人員的相互聯繫和交流遠遠不夠，在未來兩年內，如果沒有成熟的AI技能，整個行業將裹足不前。

在本文中，《Analytics India》雜誌給出了學習AI的最佳途徑。

1. 尋找一些免費的書籍

Shival Gupta分享自己初學AI的經驗時，強調了熟悉基本AI術語和方法的重要性。尋找一些免費的AI書籍作為自己學習人工智慧的開始，是正確的做法。Peter Norvig和Stuart J. Russell所著的《Artificial Intelligence: A Modern Approach》一書就很不錯。本書不僅介紹了基本的人工智慧概念和演算法（專家系統、深度優先和廣度優先搜索、知識表示等），而且還包括基礎知識如貝葉斯推理，一階邏輯，語言建模等。

對於那些對深度學習感興趣的人， Ian Goodfellow、Yoshua Bengio和Aaron Courville 所寫的《深度學習》（自適應計算和機器學習系列）一書是不錯的選擇。

此外，可以看看《Logic For Computer Science》這本免費書，它解釋了計算機科學的數學邏輯，並強調了求解證明的演算法方法。

註：想要獲取上述提到的幾本書，可私信智能觀。

2.把需要的數學知識整理一下

由於微積分和線性代數在AI / ML技術上有廣泛的應用，學習它將是一個很好的方法。人工智慧愛好者認為，大多數機器學習技術可以簡化為線性代數和微積分，比如訓練神經網路的反向傳播演算法。

還有，想要深入研究AI / ML，需掌握離散數學、微積分(微分、積分和多變數)、概率和統計、線性代數、回歸分析和隨機過程(泊松過程、馬爾科夫鏈和布朗運動)。

您可以在網上查找免費的學習資源，了解概率理論，了解基於R 語言、推理和演算法的統計學習。

3.熟悉Python，（C / C ++）和數據結構

人工智慧從業者相信，任何主流語言和非主流語言都能應用於AI / ML。最大的區別在於庫/工具的性能和可用性。例如，C++的所有設置都優於Java或Python，並幫助開發人員最大化硬體的功能。另一方面，Python有一個非常好的FFI，並且經常與C或C++結合使用。與此同時，Octave / MATLAB、R、Python、C++、Java、R和其他一些語言都有高質量的庫，如何使用取決於你想要做什麼。

一般的共識是，必須熟悉一些流行的語言，如Python，它有一個很好的工具箱/庫。

4.嘗試使用開源框架

你可以選擇一個開源框架，實現基本分類。根據開發人員Akash Paul的說法，選擇框架可能是一項具有挑戰性的任務，因為這些框架都是基於不同目的構建的。他舉了一個例子:Caffe使用了一種聲明式的方法來定義模型，而TensorFlow允許通過編程創建和使用模型，甚至跨平台可視化和部署模型。

對硬體的一些建議是，購買一個強大的Pascal系列GPU(10606gb)、i3、8GB RAM和SSD，以獲得對AI工作負載的最低配置要求。你可以看一下英偉達的CUDA工具包，這是開始實驗的好地方。

5.使用GitHub平台，搜索熱門項目

GitHub擁有世界上最大的開源數據集合，它為機器學習愛好者提供了大量資源。你也可以在GitHub上查看最受歡迎的項目。試著每個月做一個項目。

6.創建你的第一個聊天機器人

嘗試構建自己的聊天機器人作為第一個人工智慧項目。在開始編程機器人前，你要知道製作聊天機器人的3個步驟——輸入文本、發送按鈕和輸出文本。根據AI從業者的說法，搜索引擎巨頭谷歌使用的網路爬蟲是高級機器人的最佳範例。在你開始編程機器人之前，看看這些:

xpath:開發人員使用xpath根據各種標準選擇XML節點或節點集。

Regex:正則表達式是用於描述搜索模式的特殊文本字元串，用於構建基本的聊天機器人。

此外，還可以查看這些用於bot項目的API:谷歌雲預測API文檔、DiffBot、用於語言工具包的機器學習、Wolfarm Alpha API等。

7.免費資源

在學習網站上開設賬戶，做一些項目增長知識和經驗。

一些免費的人工智慧學院，如英特爾的AI學院，為初學者提供必要的學習材料、工具和技術。

英偉達的自學實驗室也是免費的，提供最新的技術培訓，如在廣泛的應用程序中部署神經網路。

https://analyticsindiamag.com/want-get-started-learning-artificial-intelligence-check-learning-pathway/

—完—

親愛的朋友：

當我們學習一個新領域的知識時，聽聽前人的建議，或許比自己摸索要更得法。

新年吉祥！

智能觀 一米

2018-1-1 於北京中關村

想知道AI加教育領域有哪些最新研究成果？

想要AI領域更多的乾貨？

想了解更多專家的「智能觀」？

請在對話界面點擊「找找看」，去獲取你想要的內容吧。

聲明：

編譯文章旨在幫助讀者了解行業新思想、新觀點及新動態，為原作者觀點，不代表智能觀觀點。

有人問：你們為什麼要做智能觀？為什麼關注AI+教育？

我想，這不是一個選擇。

當AI開始顛覆各行各業時，我們首先想到了教育。未來是我們正在為之努力的地方，教育可以影響當下，改變未來。

我們用心觀察和記錄教育在這個時代的蛻變；努力把前沿的動態、最新的進展、先進的觀點帶到你面前，希望與你一起思考和探索。我們相信，長出AI翅膀的教育，會創造出無限可能。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！