当前人工智能开发使用的最多的当属 python 了,当然, java , c++ , matlab 和 R 也有不少。刚开始学习,直接选择 python 即可。对于编程语言的学习,一个字,练。直接上机操作,主要分几个模块的学习,python基础(语法,函数,数组,类等等),python常用的库,python的机器学习库。以下是一些 pyhton 的学习资料以供参考:
-
教程,《廖雪峰Python教程》:
https://www.liaoxuefeng.com/wiki/1016959663602400
-
教程,《Python100例》:
https://www.runoob.com/python/python-100-examples.html
-
文章,《从零开始写Python爬虫》:
https://zhuanlan.zhihu.com/p/26673214
-
视频,《零基础入门学习Python》:
https://www.bilibili.com/video/av4050443
6 机器学习知识
6.1 机器学习算法
需要明确,当前人工智能技术中,机器学习占据了主导地位,但不仅仅包括机器学习,而深度学习是机器学习中的一个子项。目前可以说,学习AI主要的是学习机器学习,但是,人工智能并不等同于机器学习。具体到机器学习的流程,包括数据收集、清洗、预处理,建立模型,调整参数和模型评估。基础则是机器学习的基本算法,包括回归算法,决策树、随机森林和提升算法,SVM,聚类算法,EM算法,贝叶斯算法,隐马尔科夫模型,LDA主题模型等等。这些网上已经有不少机器学习的教程,学习非常方便,在搜索引擎一搜索,机器学习的文章也非常多,只要坚持下去,结合后面的实践,学习应该不成问题。以下是一些参考资料:
-
书籍,《机器学习实战》,Peter Harrington
-
书籍,《机器学习》,周志华
-
书籍,《机器学习导论》,Ethen Alpaydin
-
书籍,《机器学习基础:从入门到求职》胡欢武
-
书籍,《数据之美》,吴军
-
视频,《machine learning》吴恩达:
https://www.coursera.org/learn/machine-learning
-
视频,《李宏毅机器学习2017》李宏毅: http://t.cn/RpO3VJC
-
文章,《机器学习Machine-Learning》:
https://github.com/JustFollowUs/Machine-Learning
6.2 机器学习框架
了解机器学习的算法,还需要有一定的工具来实现,好在现在已经有很多工具可以使用,如tensorflow,Keras,Theano,matlab等等,现在tensoflow是机器学习的热门框架,入门可以深入学习它。以下是一些参考资料
6.3 数据集选择
"巧妇难为无米之炊",使用机器学习来进行项目实践时,如果没有数据,就更不用说模型训练了。因此,获取数据集来做测试数据也是一个比较重要的工具,好在现在网上有不少的数据集可以获取,参考资料如下:
-
手写数字库MNIST: http://yann.lecun.com/exdb/mnist
-
图像处理数据COCO: http://mscoco.org
-
机器学习经典开源数据集: https://www.jianshu.com/p/83ebd261862a
-
机器学习数据集哪里找: https://www.jianshu.com/p/abce3d177e45
7 初级项目实践
在实践中学习,用一些小的示例来实现功能,用机器学习来解决一个实际的问题(如图像领域,识别狗,识别花等等),把机器学习方法当作一个黑盒子来处理,选择一个应用方向,是图像(计算机视觉),音频(语音识别),还是文本(自然语言处理),推荐选择图像领域,这里面的开源项目较多。也可以上github找一下相关的开源项目来参考。
8 深度学习知识
深度学习是机器学习中的一个子项,它源于人工神经网络的研究,含多个隐藏层的多层感知器就是一种深度学习结构。学习过程中,需要对深度学习的概念进行了解,熟悉BP神经网络,CNN卷积神经网络,RNN循环神经网络等原理及应用。以下是一些参考资料:
|