分享

人工智能工程师知识体系(一)

 法厉无边 2017-12-14

人工智能工程师主要分为算法和应用两个大方向,目前算法方向需求比较大,薪酬比较高。

本文主要从计算机基础、数学基础、机器学习、深度学习、研究方向做了阐述。

人工智能工程师知识体系(一)

计算机基础

1 操作系统

操作系统是和硬件打交道的,学习它对于理解计算机的工作原理帮助非常大。下面推荐一些Linux操作系统方面的书籍:

  • 《Linux内核设计与实现》,对应的英文版是《Linux Kernel Development》

  • 《深入理解Linux内核》,对应的英文版是《Understanding the Linux Kernel》

  • 《深入Linux内核架构》,对应的英文版是《Professional Linux Kernel Architecture》

2 数据结构和算法

熟悉一些常用的数据结构,比如栈、队列、散列表等,对做一些简单的数据处理有比较大的帮助。熟悉了查找、排序等算法有助于把复杂的逻辑简单化。推荐的书籍有:

  • 《数据结构与算法分析——C语言描述》(Data Structures and Algorithms Analysis in C)第二版,Mark Allen Weiss著,天津师范大学冯舜玺译,机械工业出版社

  • 《数据结构与算法分析——Java语言描述》(Data Structures and Algorithms Analysis in Java)第二版,Mark Allen Weiss著,天津师范大学冯舜玺译,机械工业出版社

3 编程语言

c 、python

c 被称为编程语言里面最难学的,所以不要想着一下子把C 里面的所有内容理解完,先整体的熟悉它的语法结构,在做东西的过程中不断巩固。其实个人认为学习任何语言刚开始不能太纠结于它的底层实现,把它的语法结构和常用lib/module熟悉了就能做东西,用的同时翻看书籍来查看它的相关底层实现。拿面向对象语言(java/c )来说,它的语法就是类、变量、函数,基本所有内容都是围绕这几个点展开的。下面也推荐一些书籍:

  • C 程序设计语言(The C Programming Language) 作者:Bjarne Stroustrup

  • C Primer 1 作者:Stanley Lippman, Josée Lajoie, and Barbara E. Moo

  • 简明Python教程 作者:Swaroop C H

  • 廖雪峰Python教程 作者:廖雪峰

数学基础

《深度学习》作者推荐了数学基础的几个方面:线性代数概率论和信息论数值计算机器学习基本方法

线性代数、概率统计这些大学我们都有学过,这个可以看下教材,至于其它几个方面,个人不太熟悉,可以根据自己的情况,围绕这几个方面进行学习。

机器学习

机器学习范围比较广,不同的领域使用的机器学习算法千差万别,这里推荐几个比较容易上手资料:

  • 视觉机器学习20讲 作者:谢剑斌 / 胡俊等

  • 吴恩达 机器学习视频教程

  • 机器学习 作者: 周志华

  • 机器学习导论 作者:[土耳其] Ethem Alpaydin

  • 机器学习实战 作者:Peter Harrington

工具

Pandas,Matlab、Octave等,Matlab是收费的,Octave和Matlab功能很相似,可以使用Octave。

竞赛平台

Kaggle,如果能在这上面竞赛获得不错的名次,对找工作帮助会比较大。

深度学习

深度学习主要围绕神经网络展开,个人推荐的入门是吴恩达深度学习视频教程。

  • 吴恩达深度学习视频教程

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多