近几年来,“人工智能”这个名词占据了整个互联网半壁江山,不仅让尖端人才涌入这一领域,也让更多普通人接触到,但不得不说,人工智能是有门槛的,首先你得有比较好的英语基础和数学思维能力,以及计算机的编程能力,这些看上去似乎很难。但随着因特网的不断发展,你会发现这些困难不再是那么难逾越,网上会流行着各种各样的课程,各种各样的资料,只要你愿意去挖掘,去寻找,去学习。我相信这不再是你们走向AI的门槛。下面就让小编为大家介绍人工智能如何入门?
人工智能如何入门?
下面是学习路线的介绍:
看看Coursera的AndrewNg机器学习课程,了解关于机器学习的最佳介绍。介绍了一些基本概念,并使您对最重要的算法有了深刻的了解。
要获得ML算法的简要概述,请看这个TutsPlus课程“MachineLearningDistilled”。"ProgrammingCollectiveIntelligence"这本书是学习Python中ML算法的实际实现的绝佳资源。这要求你通过许多涵盖所有必要基础的实践目。
您可能也对这些好资源感兴趣:UdacityCourseonML(MLUdacity课程),PererNorvig
汤姆·米切尔在卡梅隆大学教授了AnothercourseonML(另一门ML课程)mathematicalmonk是YouTube上的机器学习教程。
或许光是学习书面知识还不够深入,个人推荐下面的网站去实战中学到的东西。github(机器学习100天),易学智能(机器学习100天)。
重新审视大学数学是研究深度学习的好方法。IanGoodfellow传奇式的《深度学习》,简明扼要地概括了大部分重要主题。
我们建议你们尽可能深入地阅读线性代数、概率、信息论等章节。阅读论文无论何时遇到深度学习的概念,都能在书中找到参考。IanGoodfellow的“花书”《深度学习》网上版是个传奇版本。
假如书中的内容模糊,那么很难学吗?你可以听吴恩达的“深度学习专门化系列课程”
上述五门课程主要是:
1、神经网络和深度学习(4周)
2.提高深度神经网络(3周)
3、机器学习结构性项目(2周)
4.卷积神经网络(4周)
5.序列模型(3周)
前三门课程包括一般的神经网络和深度学习,第四、第五课则涉及特定的主题。假如你们想搞视觉,第四课就一定听;如果你们讲NLP、音频等等,那么第五课就听。但是如果你需要听第五课,那么建议你也好好听第四课。
建议大家每周上课一周的内容,实际上一两天就可以学完,所以不要害怕课程表。轻松收集,提高效率。
在这个时候,你要开始阅读深度学习的论文,从中获得知识。深度学习有一个强烈的特征,即内容都很新,阅读文章是与时代保持同步的唯一途径。也不想被抛下,那么还是养成读书的好习惯吧。
假如你走到了这一步,恭喜你,你可以开始在AI领域里展现自己了,你可以参加个人kaggle比赛,在github上学习一些AI开放源代码项目,如果你在这些地方有所成就,我想你的offer也不会让你失望。
当算法性能突飞猛进之后,是什么限制了AI技术的落地?总而言之,下面这些就是普通企业拥抱人工智能、程序员转向人工智能时遇到的阻碍:
1.模型训练耗费时间:目前人工智能的核心是深度学习,它需要构造复杂的深度神经网络来完成各种任务。神经网络可以使用训练参数数十亿个节点。这类复杂模型的训练通常需要数天甚至数月。
2.计算成本高:算力是AI的基础。Invidia公司的GPU图形卡是深度学习的主要计算平台。不过,以GTX,Tesla等为代表的显卡,却卖出了几千甚至几万的价格。
3.学习的门槛很高:人工智能涉及高等数学、概率统计、线性代数等,而且与程序设计、分布式计算、图像处理、自然语言处理等紧密相关。很多人对人工智能很感兴趣,但不知道该怎么学。
4.开发门槛很高:通常在Linux开发,开发环境安装步骤多,配置复杂。有关的技术发展很快,容易出现各种Bugs。由于人才匮乏、开发环境难等难题,使得AI业务难以开展和落地。
对于算力共享租赁,云计算是传统算力共享的主要模式之一。Google、亚马逊、微软、华为、阿里、腾讯、百度、UCloud等大公司都提供GPU云主机。Nvidia去年制定了一个针对个人显卡的政策,而不是在云和数据中心上使用。在这两个市场上,计算能力接近时,售价相差近十倍。GPU云主机,在火热的同时,我们的感受是——“贵”。
另外一种方法是共享主机。运用共享经济的思想,实现经济实惠。可以由公司自行建立主机,也可以采用P2P。需求型租户。主机台是普通的PC或服务器,可以用比较实惠的GTX显卡(其实GTX1080Ti6K+也是贵)。
人工智能有很多方向,你要找到自己的方向。在确定了方向之后,对应的技术路线层出不穷,然后你就需要朝着专业的方向前进,渐渐的便能够入门了。假如您对此感兴趣的话,可以更加深入的了解一下有关知识,希望今天的分享能够对您有帮助,以上就是小编为大家介绍的人工智能如何入门?的全部内容,感谢观看。
[免责声明]
文章标题: 人工智能如何入门?
文章内容为网站编辑整理发布,仅供学习与参考,不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请及时沟通。发送邮件至36dianping@36kr.com,我们会在3个工作日内处理。