人工智能该如何学起？_ZNDS问答

lwls

它涉及的领域肯定很多，哪些是比较容易学习的

首先得看是指什么基础，比如数学、软件、算法、架构、心理学、自动化、脑科学、统计学等等，凡是短板都得补一补。
其次看你要解决哪方面的问题，如视觉识别、自动驾驶、天气预报、语音语意、量化金融、图像处理、财务分析等等，每个领域的要求都不一样，比如做医学影响诊断的就得需要学习一些影像学知识。
需要找专业的老师带着学，如果自学的话必须进入专业的圈子交流。

如果不懂编程，首先要快速学习下编程，最好是python，目前很多ai项目是用python实现的；然后去github上找些自个感兴趣的简单的完整的项目玩玩，自个修改修改参数，重新训练等等，看看效果。然后找相应的博客看看这是如何实现的，再往大的看这个领域是指什么样的：这个领域有些基础知识、有哪些牛人或者机构（包括研究机构和企业），然后再去理解数学方面的。如果数学好，也可以早点看数学方面的。

人工智能时代，我们该如何学习？很显然去做与机器重复的事情是没有意义的，超越机器就要花更多的时间去学习才行！各大公司也在培养新型人才，以帮助企业更快的步入人工智能时代。人工智能时代，对于程序员来说，码农之路并不是一帆风顺。对于每一台入行IT业的社会青年来说，谁不是抱着想要成为最高峰的技术大咖或者跃进管理岗的小目标？然而往往更多的人并非互联网吹捧的如此耀眼，仿佛每一台程序员都是世界的领头人，身怀绝技，社会的弄潮儿，其实普遍都是借此糊口的普通人，每天工作内容就是跟其他程序员讨论、编写代码、熬夜编写代码、解决BUg、和用户沟通、Diss产品以及被老板Diss，不知道那一天才能被伯乐赏识，从此万事无忧。随着“大数据”“云计算”“人工智能”等等科技的兴起，IT行业在今后三到五年将会迎来一台高速发展期。这也就意味着会出现大量的人才缺口，尤其是具有综合能力的高端IT人才将会成为各大企业争抢的重点对象。人工智能可谓是个从业时间越长就越挣钱的领域。
程序员在30岁以后往往都会遇到开发瓶颈期，人工智能是个不错的调整方向。中国人工智能行业正处于一台创新发展时期，对人才的需求也在同步急剧增长。商情数据旗下国内领先的产业研究咨询服务机构中商产业研究院权威发布《2017年中国人工智能行业市场前景研究报告》。报告显示，目前，我国人工智能领域发展迅速。据中商产业研究院大数据显示，2015年中国的人工智能市场规模达12亿美元，预测将在2020年达到91亿美元的规模，这意味着在未来几年内，每年的增长速度都达到50%。未来将只有两种公司，一种是有人工智能的公司，一种是不赚钱的公司，何去何从，应早有打算。
如今程序员转人工智能的优势就在于具备行业基础，既然不敢直接了当转去别的行业，为何不奋勇向前，继续IT之路？对于还没有毕业或者刚刚毕业的大学生，恰好也是在最好的时机，新青年可以很快接受、理解新事物，学习能力也更强，既年轻又有兴趣那是最好不过了。

1/5 分步阅读
1、主要是本科最好，有着工科的基础，而且学起来不费劲
第一阶段：数学包括三科，也都是考研的三科：高等数学／线性代数／概率论
2/5
2、然后就是需要一些编程基础和经历然后学习python开发语言会尽快上手。
第二阶段：编程python工具库实战／python网络爬虫
3/5
第三阶段：机器学习也就是基础知识，机器学习导论
机器学习入门／机器学习提升
4/5
第四阶段：数据挖掘实战，只有掌握了数据挖掘处理，才能知道机器如何处理大数据的
数据挖掘入门／数据分析实战
5/5
第五阶段：深度学习，深度学习神经算法
深度学习网络与框架／深度学习项目实战
注意事项
如果你想投入 AI 的怀抱，
但却苦于不知如何下手。
而当你准备自学机器学习和深度学习时，

百战程序员IT问题专业解答
1/5 分步阅读
1、主要是本科最好，有着工科的基础，而且学起来不费劲
第一阶段：数学包括三科，也都是考研的三科：高等数学／线性代数／概率论
2/5
2、然后就是需要一些编程基础和经历然后学习python开发语言会尽快上手。
第二阶段：编程python工具库实战／python网络爬虫
3/5
第三阶段：机器学习也就是基础知识，机器学习导论
机器学习入门／机器学习提升
4/5
第四阶段：数据挖掘实战，只有掌握了数据挖掘处理，才能知道机器如何处理大数据的
数据挖掘入门／数据分析实战
5/5
第五阶段：深度学习，深度学习神经算法
深度学习网络与框架／深度学习项目实战

人工智能，是一台很宽泛的领域。
硬件：设备嵌入式开发、传感器、机器人、自动驾驶汽车。。。
软件：开发语言（c、python、java等）、各种领域软件库（opencv、nltk、kaldi等）、各种开发框架（tensorflow、pytorch、paddlepaddle等）。。。
理论：机器学习、深度学习、强化学习。。。

靠自个学习，需要很大勇气，而且最大的问题，是学习很长时间，最后感觉，或是指什么都做不了。
就最近些年的经验来说一下吧。
开始玩硬件，上手过Arduino、STM32等，学了一堆机器人理论，电子知识，学画电路板。折腾一下，烧钱不少。这条路，爱好还可以，没有足够时间、资金条件，或是少碰。
目前主要说一下软的这边，推荐的路线：
python--->opencv/nltk--->深度学习理论--->pytorch/tensorflow--->机器学习/强化学习

学习过程，最好以目标为驱动，每个阶段完成一台实验目标，否则就容易放弃。

python语言是必须学的，目前的人工智能程序，基本分析、训练都是python，当然部署到设备的或是c。学习中，可以学习一下爬虫技术，一方面可以练手，另一方面，以后需要数据的时候，自个能搜集。另外把数据处理相关的几个库：numpy、matplotlib、pandas、sklearn，特别是numpy。自个试着把爬到的数据能自个清洗。

*目前的人工智能，一般指的是近阶段的深度学习，主要领域有3个：
视觉 ---》opencv  是视觉处理库，功能很强大，入门视觉必备，可以看看《OpenCV3 计算机视觉--Python语言实现第二版》
NLP(自然语言处理)    --》NLTK是语言处理包，当然还有不少相关工具，gensim，jieba等。此领域有一大堆术语，可以看看贪心学院的nlp课程。
语音识别，相对资料比较少可以看看俞栋的书，另外，kaldi的资料，以后也需要

三个领域，看个人爱好，选择一台就可。就目前来说，视觉的资料最多，而且直观。
选视觉推荐。

python+opencv，就可以做很多东西了，很好玩，比如人脸识别，全景图制作。

有了基础，再学些深度学习理论，可以看《深度学习》（Ian Goodfellow / Yoshua Bengio所著），被称作圣经。当然，基础的概念：反向传播、梯度下降、目标函数、sigmoid、softmax、relu等等理解。
理论的学习的时候，同步可以看pytorch的官方教程，教程里就有一些相关概念的实现。可以进行练习。pytorch，目前大部分搞研究，发论文都使用，感觉api比较清晰，而且接口一直变化不大。
当然tensorflow的官网也有教程，只是tensorflow的接口升级改造，而且2.0以前是静态图，跟一般编程逻辑理解别扭，后来主要用pytorch了。但在工业界，也就是实际部署、企业应用，已经上线的系统，很多是tensorflow，人家早啊，而且工具集合全。
目前pytorch也不断增强，两者不分上下。
当然，国内的框架工具还有百度的paddlepaddle，一直在模仿tensorflow，目前推广力度很大。

在使用人工智能开发框架的时候，就可以做很多实验了，如果能深入应用就可以了。
另外，有时间的话，可以补充一下机器学习的周边知识，或者了解一下前沿的强化学习。

补充一句，在学习中，需要算力（GPU），价格不便宜。目前百度、华为都有可以免费获得算力的方式，具体可以参考一下以下网站：
百度 https://aistudio.baidu.com
华为  https://www.huaweicloud.com/product/modelarts.html
可以参加他们的一些学习课程，获得免费算力。

学一种技术的目的，或是应用，在推荐的过程中，自个只要找到一台点，持续做下去就行。

要看你是要进行算法研究或是人工智能应用。
如果是进行算法研究，先要从数学学起，推荐看一些大学的统计学教程。其次掌握python和c++两门编程语言。最后再多去看看业界的论文。掌握各种开源算法，并能够修改和调试，就算入门了。
如果是进行应用研究，那就更简单了，掌握python语言即可，再掌握常用的算法库，比如opencv，numpy，pqndas，Scikit-Learn，TensorFlow等，结合你要应用的课题，实现工程化即可。
是不是很简单，人工智能的学习并没有什么困难的

您好很高兴回答您的问题
人工智能入门需要掌握这些知识：
1.基础数学知识：线性代数、概率论、统计学、图论
2.基础计算机知识：操作系统、linux、网络、编译原理、数据7a686964616fe59b9ee7ad9431333365643662结构、数据库
3.编程语言基础：C/C++、Python、Java
4.人工智能基础知识：ID3、C4.5、逻辑回归、SVM、分类器、等算法的特性、性质、和其他算法对比的区别等内容。
5.工具基础知识：opencv、matlab、caffe等

要进入人工智能行业，首先要有一定的数学功底，因为人工智能不同于app开发，网页开发、游戏开发等传统的互联网职位，人工智能是从数学中的“逼近理论”逐步演化而来的，当今人工智能所使用的方法，最开始的时候大部分是数学家为了逼近某些比较难表示的非线性函数而使用的。后来随着计算机性能的提高，计算机工作者，统计学家，开始尝试用这套“逼近理论”解决一些分类问题。逐步发展成为目前的人工智能局面。目前属于人工智能行业发展初期，各种可用的api函数都比较少，所以自个编写算法是必须要会的。
个人感觉前景都很不错，个人建议可以通过试听看自个对哪个感兴趣做决定。

		自动登录	找回密码
密码			立即注册

人工智能该如何学起？

相关问题更多>

最新回答