楼主,你真想学人工智能方向,建议从以下几个方面入手:
1. 数学基础: 线性代数,矩阵分析,(凸)优化( (Convex) Optimization ),离散数学和图论,概率统计。其中线性代数和优化是重中之重,尤其要把矩阵特征值分解,梯度下降之类的好好弄清楚,因为你会在很多机器学习问题上反反复复见到这个。 2. Coding基础: Matlab, Python, C++。重点相关的工具有OpenCV, Caffe等。 3. ML直接相关基础: 建议从最简单基础的机器学习课程开始,比如Stanford Andrew Ng的CS229。 入门以后可以看一些进阶类的课程,比如统计机器学习(Statistical Machine Learning),概率图模型(Probabilistic Graphical Models)等。 机器学习领域掌握了以下知识点可以算入门: 1. 贝叶斯法则 2. 参数估计(Parameter Estimation),包括最大似然估计(MLE),最大后验估计(MAP) 3. 回归(Regression),包括线性回归,多项式回归等 4. 降维(Dimensionality Reduction),包括主成分分析(PCA),线性判别分析(LDA) 5. Expectation Maximization 6. 聚类(Clustering),包括K-means, Gaussian Mixture Model等 7. 分类(Classification),包括Bayesian Classifier, Naive Bayes, Logistic Regression, 支持向量机(SVM),神经网络等等。 想做理论可以往PAC Learning,概率图模型,结构化预测那边看看。应用一点可以看看ML的一些广泛应用领域,比如计算机视觉,自然语言处理等。 |
|