一个适合初学者的人工智能入门万能公式
前言:近年来,随着人工智能技术的发展以及在各行各业的广泛应用,智能化成为未来的发展趋势之一,各行各业对人工智能专业人才的需求急剧增加,越来越多的人想要抓住时代机遇,进入人工智能行业。那么,随之而来就是一系列的问题,人工智能最佳学习路线图是什么?人工智能如何入门?零基础小白如何快速上手人工智能?程序员如何转行人工智能?算法工程学习路线图是什么?
作为一个本科计算机专业,硕士博士人工智能专业,工作N年也在人工智能领域摸爬滚打的人来说,我想我应该是有资格回答这个问题的。人工智能是一个多学科融合的专业,学习之路充满艰辛,需要长期的积累和持之以恒的努力,如本文能给大家人工智能学习之路带来一点帮助和启示,也算是意义所在了。
关于人工智能如何入门的问题,我总结了一个万能学习公式: “明确目标—建立框架—深耕理论—实践反馈”,采用这套学习公式,可以让你迅速抓住学习重点,快速入门人工智能技术,看完即可运用!!!
本文提要:全文约有3800字左右,建议你在阅读过程中积极思考,结合自己的实际情况,读完后能建立一套属于自己的人工智能学习体系!
PS:文末有福利,记得领取!
下面正文开始……
在正式开始讲解我们的万能学习公式前,我想先讲一个我接触过的真实案例,这个案例主人公是小吴。
小吴是一所一本院校的应届本科毕业生,专业是通信技术,在大四毕业前,我作为他所在学院的外聘专家,给他们做过一场人工智能相关的讲座,这次讲座是他第一次比较系统的接触了人工智能,让他萌生了系统学习AI,将AI作为就业方向的打算。
在有了系统学习AI的想法后,小吴打算自学AI,开始上网找到了海量的免费资料。
经过一个月的学习后,小吴发现对于AI仍然很迷茫,首先没有建立AI的知识框架,完全找不到学习的重点;其次,对于一个简单的算法,虽然有了很多的免费资料,但每种资料对于算法的理解各不相同,他无法判断正确与否;再次,在动手实践的过程中,发现问题非常多,程序错误千奇百怪,每天能解决的问题非常少,大量的时间都浪费了。
毕业时间越来越近,马上就到了找工作的季节,按照目前自学的进度,小吴入门AI都比较困难,更不要说找到一个算法工程师的工作。
……
这样的小吴像不像曾经或者现在的你???出现这样问题的原因是什么,就是没有找到正确的学习方法。
那么下面采用我们的 万能学习公式,看看如何正确学习这门技术:
第一步:明确目标
什么意思呢?
我们在做任何事情之前,一定要明确这件事情的最终目标是什么,这样才能透过现象看到问题的本质!
近年来,随着技术的发展,人工智能在各行各业广泛应用并取得了显著的成果,想要学习人工智能的人越来越多,但是每个人的需求不一样,导致学习的目标也不一样,而目标一样,学习的内容也不一样,切记不要盲目什么都学,这样的后果可能是什么也没学会。
比如,有人是传统企业的老板,想要通过人工智能赋能传统行业,提高员工工作效率,提升产品的智能化水平,拔高公司形象等等,总之就是让企业更进一步,那么这时,你学习人工智能技术的目标,可能就是了解人工智能的技术发展趋势,人工智能的行业应用,人工智能技术在和你类似的企业有没有先例,类似案例的解决方案以及取得的效益等等。
又比如,有人是零基础大学生(像本文中提到的小吴),想要3-6个月速成人工智能技术,然后找到一份算法工程师的工作,那么,如果是这个目标学习的你,可能首先需要详细了解一下,你所心仪的一家或者几家科技公司历年来对于算法工程师岗位职责和能力要求,并尽可能的多搜集面试题目,想办法快速学会90%以上的面试题目所覆盖的技术,就是你第一阶段学习的目标。
再比如,你是一个人工智能技术的兴趣爱好者,想要了解更多人工智能相关的科普知识,那么,我建议你,多去看看人工智能相关的科普网站或者公众号就好,一些好的公众号足够你了解所有科普知识了。
……
看到这里,我想你应该已经明白自己学习的目标了,下面,我们进行第二步。
第二步:建立框架
这里着重强调!!!
任何一个领域都有自己的知识框架,建立知识框架,就是把一些零碎的、分散的、独立的知识加以整合,形成具有一定联系的知识系统,能让你高屋建瓴、融会贯通、快速理解和掌握该领域的知识。
这里先说说为什么要强调知识框架的重要性?
以学习人工智能技术为例,在没有建立知识框架以前,是不是大多数人有这样的困惑:“人工智能有那么多的内容,应该从哪开始学,应该去学什么?”
产生这种困惑的根源是什么?根源就在于你缺乏该领域完整的知识框架,没有框架的指导,你无法全面了解该领域的知识重点和边界,也就不知道自己掌握了什么,还欠缺什么,学习过程变成了零散的、无系统的、被动的学习,显而易见,这种学习方式效果会非常差。
反之,如果建立了知识框架,这种被动的学习过程就会变得主动而高效,你清楚的知道自己的强项是什么,还需要学习什么,通过这种主动的学习方式不断填充自己的知识框架,最终构建的知识框架会越来越完整,对于该领域的认知也会不断增强。
那么怎么建立知识框架?
传统的构建方式如:首先构建个人的能力模型,然后使用OneNote、印象笔记等工具构建 能力分区、最后定期更新知识框架等,网上有很多方式,我就不再赘言。
这里还是以小吴为例,作为一个AI领域零基础的小白,怎么快速的构建该领域的知识框架,这里我给出一个最最简单而快速的方式,找几本该领域的经典书籍,这里推荐经典书籍,如Goodfellow的《Deep Learning》, 周志华的《Machine Learning》等,融合各大经典书籍的目录,形成一颗最完整的目录树,那么这棵树基本已经包含了该领域的大部分知识,对于零基础小白来说,可以作为最初的知识框架雏形,随着学习的深入和认知的改变,再不断更新、完善、调整该知识框架。
那么,看到这里,你也想一想,你的知识框架是什么,构建好了吗?下面,我们再来看第三步。
第三步: 深耕理论
看到这里,可能有人会问,人工智能是一门注重实践的技术,为什么还要深耕理论?那是因为:
理论作用于实践,正确的理论可以指导实践,科学的理论即是实践的方向。
实践没有理论的指导,就永远不可能知道如何才能达到目标,甚至不知道自己是为什么做这件事,这样的实践只是算是漫无目的的探索罢了,取得成功的概率微乎其微。
人工智能作为一门交叉学科,涉及到哲学、 认知心理学、神经生物学、计算机科学、高等数学、线性代数、微积分、概率与统计、机器学习、 自然语言处理、机器人设计等等。如果从业者没有强大的理论知识作为支撑,很难找到人工智能的突破方向,那么也很难将人工智能技术向前推进。
那么怎么深耕理论呢?
这里还是以小吴为例,通过第二步已经建立了知识框架,根据自己的实际情况,开始理论知识的学习。要注意,在知识框架中,知识不是孤立存在的,而是与其它知识形成了一定的联系,所以这里我们不仅要学习单个 知识点,还要知道知识点之间的联系。比如,如果对微分不是很了解,那么重点研究在人工智能技术中,对微分的要求是什么,向量、矩阵各种求导的公式是什么,知其然更其所以然。同时,也要明白,微分这个知识点,未来会用在什么地方,是不是所有的人工智能算法都会用到这一知识点,如果没有用到,是为什么,层层展开分析,最终就会对该知识点有深入的了解,并且还能和其它知识点融会贯通。
温馨提示一下,理论知识的学习最开始不要贪多,每天只弄懂一个知识点即可,最开始给自己一个轻松即可完成的学习安排,这样不至于有畏难情绪而中途放弃。
经过上述步骤,如果你对理论知识有了大概的了解,便可以开始第四步。
第四步: 实践反馈
实践的重要性不言而喻。
实践也会作用于理论,理论的价值在实践中体现,若一个理论不用于实践,不去指导实践,那么人们永远不能去证实他的正确性 科学性。
对于人工智能注重实践的学科来说,实践也尤为重要,只有理论与实践相结合,才能实现可持续的发展。
那么怎么实践反馈?
这里以小吴为例,在学习完一个理论知识点后,首先要弄清楚该理论在现实生活中的重要应用,比如,学习了CNN后,要知道,在实际场景种,哪些应用是使用了这种算法来实现的,为什么要用这种算法,而不能用其他的算法等等,找到一个简单的例子,一步步动手实现,这个过程就是实践的过程,通过实践,学会思考,验证理论。
至于动手实践的经典的例子,网上有非常多的资源,大家可以自己去找,也可以找我领取。
经过以上几个步骤,构成了入门人工智能的完整闭环,其实看到这里,你会发现,这是一套方法论,所有技术的学习都可以通过这一套万能学习公式来完成,“明确目标—建立框架—深耕理论—实践反馈”。
结尾:
大家可能会问,文中的小吴同学最后怎么样呢?按照“明确目标—建立框架—深耕理论—实践反馈”的四个步骤,小吴重新开始系统的学习。
首先,明确目标。小吴的目标是3-6个月快速成为一名算法工程师,拿到科技公司的offer。
其次,建立框架。按照小王的目标,给他建立一套专门的知识框架。因为时间比较急,我基于算法工程师面试重点和AI领域的学习特点,将AI领域必须掌握的的基础理论、编程工具、重要算法给他做了一个梳理,建立知识框架。
再次,深耕理论,每天花一个小时,给他讲解一个理论知识点, 以及该知识点和其它知识点之间的联系,并让他学习了一系列的经过我精心筛选的资料,强化该理论知识点。
最后,在学习完一个理论知识点后,将该知识点可以实现的重要应用都给他做了详细的介绍,让他对该知识的实际作用有一个直观的了解,然后会从中找出一个典型的例子,一步步讲解实现的细节。另外,每一个知识点讲解完后,会给他一个简单的作业,在做作业的过程种,他学会了思考,有了问题也可以及时问我。经过这样反复的练习,他发现在3个月的时间,基本掌握了AI的重要理论知识和编程实践。
最后,小吴顺利拿到一家科技公司的算法岗,达成了自己的目标。所以,掌握正确的方法,零基础的小吴同学都可以顺利转型,你也可以。
最后最后,福利来啦!
福利1:人工智能领域资料非常多,那么怎么筛选资料呢,这里整理了一份详细的资料大全,包括经典书籍推荐、热点资讯网址、资源检索网址、经典课程资源、最全官方文档,点击下方链接查看。
福利2:人工智能算法非常多,这里给出一个人工智能领域的经典算法目录清单,该清单主要包括深度学习必备数基础知识,主要包括线性代数、微积分、概率论、信息论、优化理论等;深度学习基础算法,包括线性回归、Softmax回归、MLP、CNN、RNN、Transformer、Bert等,点击下方链接查看。
对于人工智能经典书籍,强烈建议购买纸质书籍,反复研读。下面列举几本人工智能领域最经典的书籍:
(1)深度学习
人称花书,由Good fellow、Bengio等大佬合著,深度学习领域奠基性经典畅销书,数据科学家和机器学习从业者必读,长期位居美亚AI和机器学习类图书榜首,图灵奖获奖作品。
(2)PyTorch深度学习
由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。
(3)机器学习
人称西瓜书,周志华老师的呕心大作,是机器学习领域的经典入门教材之一。
(4)动手学深度学习
李沐老师大作,书中不仅阐述深度学习的算法原理,还演示它们的实现和运行。与传统图书不同,本书的每一节都是一个可以下载并运行的 Jupyter记事本,它将文字、公式、图像、代码和运行结果结合在了一起。此外,读者还可以访问并参与书中内容的讨论。
(5)统计学习方法
李航老师大作,这本书的新版,增加了无监督学习部分,几乎涵盖了所有传统机器学习算法,而且偏重讲算法逻辑。
路漫漫其修远兮,吾将上下而求索!我是张张,真诚美好善良的AI博士小姐姐,漫漫AI路,愿与您一起走过!