开发者 AI 转型指南

您还可以学习其他语言，如 C++/R/Java，但对我个人而言，Python 是 AI 和数据科学最合适的工具。想知道为什么吗？阅读我以前的文章，我在其中详细解释了关于这一点的所有内容：Python vs R. Choosing the Best Tool for AI, ML & Data Science。

#2 学习人工智能本身

Francesco Corea 开发的人工智能知识地图

想象一下你是如何理解上面的计划的，我会像 Andrew Ng 那样说「如果你不明白，请不要担心」。只需要看到整个画面，了解每个元素的位置。顺便说一句，Andrew 是人工智能领域最有影响力的人之一，你会经常看到这个名字的。他参与创建了在线机器学习网站 Coursera，现在是斯坦福大学的副教授。
好吧，我们回到主题，人工智能是一个广泛的研究领域，包括许多理论、方法、技术和实践，以及以下基本概念：

机器学习

器学习是实现人工智能的过程。这是计算机在没有人为干预的情况下学习的能力。人工智能在没有机器学习的情况下是可能的，但这将需要一百万行具有复杂规则和条件的代码。换句话说，机器学习不是为每个特定的任务写下详细的指令，而是使用一种自己学习寻找解决方案的算法。

机器学习主要有四种类型：有监督、无监督、半监督和强化学习。在有监督的机器学习中，该算法通过处理和分类、标记大量数据来学习如何识别数据。在无监督的机器学习中，算法识别大量未标记数据中的模式和类别——通常比人脑更快。

学习什么？到哪里学？

• Beginner' Guide to Machine Learning with Python

• Intro to Machine Learning—free courses from Udacity

• How to Become a Machine Learning Engineer: 15 Steps

神经网络

迄今为止，人工智能发展最快的部分可能是神经网络。神经网络和人工智能的研究应该从数学的两个分支——线性代数和概率论开始。这是人工智能不可动摇的支柱。神经网络是一种机器学习，帮助智能机器在特定情况下找到正确的连接来纠正任务或做出预定的决定。

以下是一些很好的学习资料：

• Neural Network in Python——这是一个很好的教程，你可以从一开始就构建一个简单的神经网络。里面有很多有用的插图，你会了解梯度下降的原理。

• How to build your own Neural Network from scratch in Python。

• Implementing a Neural Network from Scratch in Python——一份简介。

• Machine Learning for Beginners: An Introduction to Neural Networks——关于神经网络如何工作以及如何在 Python 中从头开始实现它的一个很好的简洁教程。

深度学习

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!