人工智能怎么样入门
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">我曾经问过别人、<span style="color: black;">亦</span>被别人问过关于学习人工智能（AI）最好的方式是什么？我应该去阅读什么书？我应该去看什么视频？后面我将讲到这些，<span style="color: black;">然则</span>，<span style="color: black;">思虑</span>到人工智能<span style="color: black;">触及</span><span style="color: black;">非常多</span><span style="color: black;">行业</span>，我把这个问题<span style="color: black;">掰开</span>来讲可能更好理解。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">学习人工智能很<span style="color: black;">要紧</span>的一点是区别开<span style="color: black;">科研</span>方面和应用方面。Google 的 Cassie Kozyrkov 在<span style="color: black;">近期</span>于伦敦举行的 OReilly 人工智能会议的一个演讲中<a style="color: black;">描述了这个区别</a>，并且这是一个很好的演讲。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">人工智能<span style="color: black;">科研</span>在本质上是学术性的，在你能够<span style="color: black;">得到</span>人工智能的某些细节之前，<span style="color: black;">必须</span><span style="color: black;">海量</span>的跨各类学科的数学知识。这部分的人工智能关注于算法和驱动人工智能发展的<span style="color: black;">工具</span>。<span style="color: black;">例如</span>，什么样的神经网络结构能够改善视觉识别的结果？<span style="color: black;">咱们</span><span style="color: black;">怎样</span>使<span style="color: black;">没</span>监督学习<span style="color: black;">作为</span>更有用的<span style="color: black;">办法</span>？<span style="color: black;">咱们</span>能否找到一个更好的<span style="color: black;">办法</span>，去理解深度学习流水线是<span style="color: black;">怎样</span>得出答案的？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">另一方面，人工智能应用更<span style="color: black;">大都是</span>关于<span style="color: black;">运用</span>现有<span style="color: black;">工具</span>去获取有用的结果。开源在<span style="color: black;">这儿</span>发挥了一个<span style="color: black;">要紧</span>的<span style="color: black;">功效</span>，那<span style="color: black;">便是</span>免费<span style="color: black;">供给</span>了易于<span style="color: black;">运用</span>的、<span style="color: black;">各样</span>语言的软件。公有云<span style="color: black;">供给</span>商<span style="color: black;">亦</span>致力于<span style="color: black;">供给</span><span style="color: black;">海量</span>的<span style="color: black;">设备</span>学习、模型、以及数据集，这使得人工智能的入门比其它的要简单的多。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">在这个问题上我想<span style="color: black;">弥补</span>一点，那<span style="color: black;">便是</span>人工智能的从业者<span style="color: black;">不该</span>该将<span style="color: black;">她们</span>的<span style="color: black;">工具</span>视为<span style="color: black;">奥秘</span>地输出答案的黑匣子。<span style="color: black;">最少</span>，<span style="color: black;">她们</span>应该去<span style="color: black;">认识</span><span style="color: black;">区别</span>技术、模型、和数据采集<span style="color: black;">办法</span>的限制和潜在偏差。只是不<span style="color: black;">必须</span>去深入<span style="color: black;">科研</span><span style="color: black;">她们</span><span style="color: black;">工具</span>链中<span style="color: black;">每一个</span>部分的理论<span style="color: black;">基本</span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">虽然在<span style="color: black;">平常</span>工作中人工智能可能并不<span style="color: black;">那样</span><span style="color: black;">要紧</span>，但理解人工智能的<span style="color: black;">海量</span>的背景知识还是<span style="color: black;">特别有</span>用的。人工智能<span style="color: black;">已然</span>超越了神经网络上深度学习的狭窄范围，<span style="color: black;">日前</span>神经网络上的强化学习和监督学习<span style="color: black;">已然</span>取得<span style="color: black;">要紧</span>成就。例如，人工智能经常被视为是<span style="color: black;">加强</span>（而不是替代）人类判断和决策的一种<span style="color: black;">办法</span>。<span style="color: black;">然则</span>在<span style="color: black;">设备</span>和人类之间交换信息还有其<span style="color: black;">自己</span>的缺陷。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">有了这些背景知识，下面是的<span style="color: black;">有些</span><span style="color: black;">科研</span><span style="color: black;">行业</span>和资源，你可能<span style="color: black;">发掘</span>会<span style="color: black;">特别有</span>用。</p>
<h3 style="color: black; text-align: left; margin-bottom: 10px;"><span style="color: black;">科研</span>人工智能</h3>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">在<span style="color: black;">非常多</span>方面，用于人工智能<span style="color: black;">科研</span>的一个资源<span style="color: black;">名单</span>，<span style="color: black;">能够</span>反映出本科（<span style="color: black;">乃至</span>是<span style="color: black;">科研</span>生）的计算机科学项目都是专注于人工智能。最<span style="color: black;">重点</span>的区别是，你起草的<span style="color: black;">教育</span>大纲比起传统的大纲更关注于跨学科。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">你的计算机科学和数学背景知识决定了你的起点。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">倘若</span>你的计算机科学和数据背景知识很差或<span style="color: black;">已然</span>荒芜了，但你还<span style="color: black;">期盼</span>能够深入<span style="color: black;">认识</span>人工智能的基本原理，<span style="color: black;">那样</span>从<span style="color: black;">有些</span>数学课程<span style="color: black;">起始</span>将会让你受益。MOOC 上像非盈利的<a style="color: black;">edX</a> 平台和 <a style="color: black;">Coursera</a> 上都有许多可供你<span style="color: black;">选取</span>的课程（这两个平台都对认证收费，但 edX 上所有的课程，对旁听者是全免费的）。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">典型的<span style="color: black;">基本</span>课程<span style="color: black;">包含</span>：</p><a style="color: black;">MIT 的微积分课程</a>，从微分<span style="color: black;">起始</span>学习<a style="color: black;">线性代数</a>（德克萨斯大学）概率与统计，<span style="color: black;">例如</span> MIT 的<a style="color: black;">概率 —— 不确定性与数据科学</a>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">从一个<span style="color: black;">科研</span>的<span style="color: black;">方向</span>去深入人工智能，你可能<span style="color: black;">必须</span>深入所有的这些数据<span style="color: black;">行业</span>，<span style="color: black;">乃至</span><span style="color: black;">更加多</span>。<span style="color: black;">然则</span>上面的内容应该让您在深入<span style="color: black;">科研</span><span style="color: black;">设备</span>学习和AI之前大致<span style="color: black;">认识</span>可能是最<span style="color: black;">要紧</span>的<span style="color: black;">科研</span>分支。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">除了 MOOC 之外，像 <a style="color: black;">MIT OpenCourseWare</a><span style="color: black;">这般</span>的资源<span style="color: black;">亦</span><span style="color: black;">供给</span>了<span style="color: black;">海量</span>的数学和计算机科学课程的大纲和<span style="color: black;">各样</span>支持材料。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">有了这些<span style="color: black;">基本</span>，你就<span style="color: black;">能够</span>学习更专业的人工智能课程了。吴恩达从他在斯坦福大学时教的 “AI MOOC” <span style="color: black;">便是</span><span style="color: black;">全部</span>在线课程<span style="color: black;">行业</span>中最早流行起来的课程之一。今天，他的 <a style="color: black;">神经网络和深度学习</a><span style="color: black;">亦</span>是 Coursera 深度学习专业的一部分。在 edX 上<span style="color: black;">亦</span>有<span style="color: black;">关联</span>的<span style="color: black;">有些</span>项目，<span style="color: black;">例如</span>，哥伦比亚大学<span style="color: black;">供给</span>的一个<a style="color: black;">人工智能 MicroMasters</a>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">除了课程之外，<span style="color: black;">亦</span><span style="color: black;">能够</span>在网上找到<span style="color: black;">各样</span>范例和其它学习材料。这些<span style="color: black;">包含</span>：</p><a style="color: black;">神经网络和深度学习</a>MIT 出版的 Ian Goodfellow、Yoshua Bengio、Aaron Courville 的《<a style="color: black;">深度学习</a>》<h3 style="color: black; text-align: left; margin-bottom: 10px;">应用人工智能</h3>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">人工智能应用更关注于<span style="color: black;">运用</span>可用的<span style="color: black;">工具</span>，而不是去构建新<span style="color: black;">工具</span>。对<span style="color: black;">有些</span>底层的数学，尤其是统计学的<span style="color: black;">认识</span>仍然是非常有用的 —— <span style="color: black;">乃至</span><span style="color: black;">能够</span>说是必需的 —— 但对这些知识的<span style="color: black;">认识</span>程度不像<span style="color: black;">科研</span>人工智能的<span style="color: black;">需求</span><span style="color: black;">那样</span>高。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">在<span style="color: black;">这儿</span>编程是核心技能。虽然<span style="color: black;">能够</span><span style="color: black;">运用</span><span style="color: black;">区别</span>的编程语言去做，<span style="color: black;">然则</span><span style="color: black;">有些</span>库和<span style="color: black;">工具</span>集 —— <span style="color: black;">例如</span> Python 的 <a style="color: black;">PyTor</a></p>
seo常来的论坛，希望我的网站快点收录。 谷歌网站排名优化 http://www.fok120.com/ 论坛是一个舞台，让我们在这里尽情的释放自己。
页:
[1]