Github由于现在网络资源比较多，尤其Github上更大方光彩 或者说B站上也有很多可以学习的资源 本文主要从人工智能整体框架学习阐述一些自己的看法 如有疏漏，请您海涵 基础阶段（数学基础 ）以Python为例，首先要打好Python基础，然后对Python进行进一步了解 熟悉Numpy科学计算库，熟悉Matplotlib可视化库以及数据分析库Panda，总的说就是学习掌握Python的相关知识 打好数学基础：学习数学分析基础理论，对高等代数微积分等有所学习，尤其对线性代数矩阵论、概率论进行加强学习 了解一部分计算机视觉或者自然语言处理的工具，看一下实战的例子，对其有一个直观的认识，了解一些比赛 入门阶段（机器学习）对机器学习的经典算法原理进行推导学习，对机器学习的应用进行分析 Skleran库进行学习，知道如何优化参数以及迭代梯度 学会数据处理以及根据不同数据进行特征分析 通过可视化，对文本特征，图形特征，时间序列进行建模分析 对不同景点算法进行对比分析学习，对竞赛了解如何赢，怎么赢，了解大公司企业项目解决实例 进阶阶段（深度学习）对神经网络，卷积，递归神经网络进行学习 学习Opencv库，了解主流框架 基于Tensorflow或者Caffe进行实战训练，学习Keras等 使用Opencv做一些小项目 对自然语言处理也进行学习和实战 终极进阶（夯实基础）知道所有问题的优缺点和起源 对经典论文进行分析深挖复现 了解深度学习进阶技能和模型比较 对神经网络深入学习 了解未来趋势 综合实战，对未来进行规划和终身学习 欢迎留言评论交流 |
|
|
