近幾年來，“人工智能”這個名詞占據(jù)了整個互聯(lián)網(wǎng)半壁江山，不僅讓尖端人才涌入這一領(lǐng)域，也讓更多普通人接觸到，但不得不說，人工智能是有門檻的，首先你得有比較好的英語基礎(chǔ)和數(shù)學(xué)思維能力，以及計算機的編程能力，這些看上去似乎很難。但隨著因特網(wǎng)的不斷發(fā)展，你會發(fā)現(xiàn)這些困難不再是那么難逾越，網(wǎng)上會流行著各種各樣的課程，各種各樣的資料，只要你愿意去挖掘，去尋找，去學(xué)習(xí)。我相信這不再是你們走向AI的門檻。下面就讓小編為大家介紹人工智能如何入門？

Quick BI

3.0

35條點評

咨詢產(chǎn)品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

6

合作品牌

27

人工智能如何入門？

人工智能如何入門？

下面是學(xué)習(xí)路線的介紹：

一、機器學(xué)習(xí)

    看看Coursera的AndrewNg機器學(xué)習(xí)課程，了解關(guān)于機器學(xué)習(xí)的最佳介紹。介紹了一些基本概念，并使您對最重要的算法有了深刻的了解。
    要獲得ML算法的簡要概述，請看這個TutsPlus課程“MachineLearningDistilled”。"ProgrammingCollectiveIntelligence"這本書是學(xué)習(xí)Python中ML算法的實際實現(xiàn)的絕佳資源。這要求你通過許多涵蓋所有必要基礎(chǔ)的實踐目。
    您可能也對這些好資源感興趣：UdacityCourseonML(MLUdacity課程),PererNorvig
湯姆·米切爾在卡梅隆大學(xué)教授了AnothercourseonML(另一門ML課程)mathematicalmonk是YouTube上的機器學(xué)習(xí)教程。
     或許光是學(xué)習(xí)書面知識還不夠深入，個人推薦下面的網(wǎng)站去實戰(zhàn)中學(xué)到的東西。github(機器學(xué)習(xí)100天)，易學(xué)智能（機器學(xué)習(xí)100天）。

二、深度學(xué)習(xí)

    重新審視大學(xué)數(shù)學(xué)是研究深度學(xué)習(xí)的好方法。IanGoodfellow傳奇式的《深度學(xué)習(xí)》，簡明扼要地概括了大部分重要主題。
    我們建議你們盡可能深入地閱讀線性代數(shù)、概率、信息論等章節(jié)。閱讀論文無論何時遇到深度學(xué)習(xí)的概念，都能在書中找到參考。IanGoodfellow的“花書”《深度學(xué)習(xí)》網(wǎng)上版是個傳奇版本。

假如書中的內(nèi)容模糊，那么很難學(xué)嗎？你可以聽吳恩達的“深度學(xué)習(xí)專門化系列課程”
上述五門課程主要是：
1、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)（4周）
2.提高深度神經(jīng)網(wǎng)絡(luò)(3周)
3、機器學(xué)習(xí)結(jié)構(gòu)性項目(2周)
4.卷積神經(jīng)網(wǎng)絡(luò)(4周)
5.序列模型(3周)

    前三門課程包括一般的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，第四、第五課則涉及特定的主題。假如你們想搞視覺，第四課就一定聽；如果你們講NLP、音頻等等，那么第五課就聽。但是如果你需要聽第五課，那么建議你也好好聽第四課。
    建議大家每周上課一周的內(nèi)容，實際上一兩天就可以學(xué)完，所以不要害怕課程表。輕松收集，提高效率。
    在這個時候，你要開始閱讀深度學(xué)習(xí)的論文，從中獲得知識。深度學(xué)習(xí)有一個強烈的特征，即內(nèi)容都很新，閱讀文章是與時代保持同步的唯一途徑。也不想被拋下，那么還是養(yǎng)成讀書的好習(xí)慣吧。

三、實戰(zhàn)和比賽

    假如你走到了這一步，恭喜你，你可以開始在AI領(lǐng)域里展現(xiàn)自己了，你可以參加個人kaggle比賽，在github上學(xué)習(xí)一些AI開放源代碼項目，如果你在這些地方有所成就，我想你的offer也不會讓你失望。
    當(dāng)算法性能突飛猛進之后，是什么限制了AI技術(shù)的落地？總而言之，下面這些就是普通企業(yè)擁抱人工智能、程序員轉(zhuǎn)向人工智能時遇到的阻礙：

1.模型訓(xùn)練耗費時間：目前人工智能的核心是深度學(xué)習(xí)，它需要構(gòu)造復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)來完成各種任務(wù)。神經(jīng)網(wǎng)絡(luò)可以使用訓(xùn)練參數(shù)數(shù)十億個節(jié)點。這類復(fù)雜模型的訓(xùn)練通常需要數(shù)天甚至數(shù)月。

2.計算成本高：算力是AI的基礎(chǔ)。Invidia公司的GPU圖形卡是深度學(xué)習(xí)的主要計算平臺。不過，以GTX,Tesla等為代表的顯卡，卻賣出了幾千甚至幾萬的價格。

3.學(xué)習(xí)的門檻很高：人工智能涉及高等數(shù)學(xué)、概率統(tǒng)計、線性代數(shù)等，而且與程序設(shè)計、分布式計算、圖像處理、自然語言處理等緊密相關(guān)。很多人對人工智能很感興趣，但不知道該怎么學(xué)。

4.開發(fā)門檻很高：通常在Linux開發(fā)，開發(fā)環(huán)境安裝步驟多，配置復(fù)雜。有關(guān)的技術(shù)發(fā)展很快，容易出現(xiàn)各種Bugs。由于人才匱乏、開發(fā)環(huán)境難等難題，使得AI業(yè)務(wù)難以開展和落地。

    對于算力共享租賃，云計算是傳統(tǒng)算力共享的主要模式之一。Google、亞馬遜、微軟、華為、阿里、騰訊、百度、UCloud等大公司都提供GPU云主機。Nvidia去年制定了一個針對個人顯卡的政策，而不是在云和數(shù)據(jù)中心上使用。在這兩個市場上，計算能力接近時，售價相差近十倍。GPU云主機，在火熱的同時，我們的感受是——“貴”。
    另外一種方法是共享主機。運用共享經(jīng)濟的思想，實現(xiàn)經(jīng)濟實惠。可以由公司自行建立主機，也可以采用P2P。需求型租戶。主機臺是普通的PC或服務(wù)器，可以用比較實惠的GTX顯卡(其實GTX1080Ti6K+也是貴)。

    人工智能有很多方向，你要找到自己的方向。在確定了方向之后，對應(yīng)的技術(shù)路線層出不窮，然后你就需要朝著專業(yè)的方向前進，漸漸的便能夠入門了。假如您對此感興趣的話，可以更加深入的了解一下有關(guān)知識，希望今天的分享能夠?qū)δ袔椭陨暇褪切【帪榇蠹医榻B的人工智能如何入門？的全部內(nèi)容，感謝觀看。