向人工智能学习如何学习
发布网友
发布时间：2022-03-25 15:07
共4个回答
懂视网
时间：2022-03-25 19:29
转人工智能的程序员学习的方法如下：
1、首先先将高等数学基础知识学透，从基础的数据分析、线性代数及矩阵等等入门；
2、其次就是Python，Python常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C语言或C++）很轻松地联结在一起，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C语言或C++重写，而后封装为Python可以调用的扩展类库，这也是人工智能必备知识；
3、接下来就是人工智能的重点学习内容，如果是已经从业多年的程序员可以就此开始学习：
4、机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎；
5、推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西，在人工智能里起到一定的判断作用；
6、人工智能深度学习以及数据挖掘都是对机器学习的进一步探究，学习过程中不能缺少实际项目应用的操作，如果没有实操性的学习在以后的工作中很难适应新项目；
7、分布式搜索引擎是根据地域、主题、IP地址及其它的划分标准，将全网分成若干个自治区域，在每个自治区域内设立一个检索服务器的装置，这些就是人工智能主要应该学习的内容。
热心网友
时间：2022-03-25 16:37
1．学习或者回忆一些数学知识
因为计算机能做的就只是计算，所以人工智能更多地来说还是数学问题[1]。我们的目标是训练出一个模型，用这个模型去进行一系列的预测。于是，我们将训练过程涉及的过程抽象成数学函数：首先，需要定义一个网络结构，相当于定义一种线性非线性函数；接着，设定一个优化目标，也就是定义一种损失函数（loss function）。
而训练的过程，就是求解最优解及次优解的过程。在这个过程中，我们需要掌握基本的概率统计、高等数学、线性代数等知识，如果学过就最好，没学过也没关系，仅仅知道原理和过程即可，有兴趣的读者可以涉猎一些推导证明。
2．掌握经典机器学习理论与基本算法
这些基本算法包括支持向量机、逻辑回归、决策树、朴素贝叶斯分类器、随机森林、聚类算法、协同过滤、关联性分析、人工神经网络和BP算法、PCA、过拟合与正则化等。[2]
在本书“实战篇”的第8章到第13章的例子中也有贯穿这些算法知识，保证读者可以用它写出一个小的TensorFlow程序。
3．掌握一种编程工具（语言）
Python语言是一种解释型、面向对象、动态数据类型的高级程序设计语言。Python是很多新入门的程序员的入门编程语言，也是很多老程序员后来必须掌握的编程语言。我们需要重点掌握使用线性代数库和矩阵的操作，尤其是Numpy、Pandas第三方库，也要多试试机器学习的库，如sklearn，做一些SVM及逻辑回归的练习。这对直接上手写TensorFlow程序大有裨益。
有些工业及学术领域的读者还可能擅长MATLAB或R，其实现算法的思想和Python也很类似。
同时考虑到许多读者是使用C++、Java、Go语言的，TensorFlow还提供了和Python“平行语料库”的接口。虽然本书是主要是基于Python讲解的，对于其他语言的原理和应用API也都非常类似，读者把基础掌握后，只需要花很短的时间就能使用自己擅长的语言开发。另外对于Java语言的同学，本书第18章会讲解TensorFlowOnSpark，第19章会讲到TensorFlow的移动端开发。
等等
热心网友
时间：2022-03-25 17:55
学习人工智能的话，可能会用到比较多的高等数学。所以高等数学要学好。
热心网友
时间：2022-03-25 21:21
假设你是零基础，如果有基础的，可以略过自己已经掌握的部分技术。
1、务实基础，学习高数和Python编程语言。
因为人工智能里面会设计很多数据、算法的问题，而这些算法又是数学推导出来，所以你要理解算法，就需要先学习一部分高数知识。
先将高等数学基础知识学透，从基础的数据分析、线性代数及矩阵等等入门，只有基础有了，才会层层积累，不能没有逻辑性的看一块学一块。
再就是学习python编程语言，Python具有丰富和强大的库，作为人工智能学习的基础编程语言是非常适合的。
2、阶段晋升，开始学习机器学习算法+实践演练。
掌握以上基础以后，就要开始学习完机器学习的算法，并通过案例实践来加深理解和掌握。还有很多机器学习的小案例等着你来挑战，前面掌握的好，后面当然轻松很多，步入深度学习
3、不断挑战，接触深度学习。
深度学习需要机器大量的经过标注的数据来训练模型，所以你的掌握一些数据挖掘和数据分析的技能，然后你再用来训练模式。在这里你可能会有疑问，据说深度学习，好像有很多神经网络，看着好复杂，编辑这些神经网络那不是太难了，你大可放心，谷歌、亚马逊、微软等大公司已经把这些神经网络模型封装在他们各自的框架里面了，你只需要调用就可以了。
4、不断实战，曾倩自己的实力经验。
实战是检验真理的唯一标准。当你掌握了基本的技术理论，就要开始多实践，不断验证自己的理论，更新自己的技术。如果有条件的话，可以从一个项目的前期数据挖掘，到中间模型训练，并做出一个有意思的原型，能把一整套的流程跑通，那么恭喜你，你已经具备一名人工智能初级工程师的水准了。
