|
感谢阅读！ 我是一名C 软件工程师，而且也在学习人工智能。分享一下我是怎样学习的。不一定适合你，仅供参考，不对的地方还望批评指正！ 我研究生是研究模式识别方向，图像处理领域。学过《模式识别》《机器挖掘》等类似的课程，对我学习AI有一定的帮助，但是对于学习AI也有一定的难度。我的学习过程是这样的： 01 学习Python Python的学习是转行人工智能的基础，这个是一定要学的。如果你是C 或者Java工程师，学python会非常快，因为都是面向对象的语言。基本一周就可以看机器学习的开源代码。学习编程语言对于程序员来说很easy了，这里不再多说。 可以简单的学习一些机器学习基本Python库，比如numpy，scikit-learn，Theano，Tensorflow，Caffe2等等。选择就是，用到再学！ 02 从项目出发机器学习分为：图像识别，语音识别，自然语言处理等方向，选择一个自己感兴趣的方向，然后找对应的项目。从项目出发并不是说从做项目开始，对于没有领域知识的程序员，写代码是很痛苦的。从项目出发的本意是： 不要从学习概率论，高等数学等基本理论开始。我第一阶段就是从这些基本理论开始，效果很不好。这些理论枯燥，没有针对性，没法理解这些理论跟AI到底是什么关系。因此，很容易放弃。 从项目开始：找个开源项目，比如GitHub上的开源项目OpenFace，去读源码，看人脸识别是如何做到的。读源码的时候一定会碰到各种机器学习的Python库，一些机器学习算法。以此为出发点，熟悉Python库的使用方法。碰到的机器学习算法这就是开始学习AI的切入点。 从项目开始的好处是，能将理论和实践相结合，比单纯学习理论更能理解理论的妙处！ 03 学习碰到的理论在项目中碰到的机器学习算法，要想清楚明白是怎么来的，就要去论文中追本溯原，学习算法的使用环境，算法实施过程，算法的数学推导。这个时候就是学习数学基础的时机，只学习对应的章节，用不到的暂时不用学。 学习算法，还借助一些介绍机器学习算法的基础，把算法彻底弄懂。系统学习基本算法基础，比如卷积人工神经网络，反向传导，线性回归，贝叶斯网络，支持向量机SVM，决策树等等。这也很有帮助！ 04 一定要动手！算法动手： 在学习理论知识，机器学习的算法时，都会碰到算法的实现过程。一般现在很多Python库已经提供了算法的实现，直接调用即可。但是如果自己有时间还是要实现一下算法，能加深理解。作为程序员都知道，只有在亲自动手的时候，才发现问题。 应用动手： 学习机器学习，一定要自己动手，真正用机器学习解决一个问题。但是现在机器学习对硬件要球较高，训练时间也很高。因此，我建议，无需用巨大的数据集，用非常小的即可，只要能解释过程即可。 05 坚持坚持再坚持！对于上班族来说，时间很宝贵，所以要从996的时间之外挤出时间学习十分不容易，因此就要十分有毅力，有恒心。既然开始，就不能轻易放弃，要养成固定一个在一个固定时间点学习，比如每晚10点学习两小时，那就每晚都学，即使没状态哪怕看看以前的也要学。这样，固定的时间做固定的事，坚持下来概率较大！ 做一名程序员不易，要转行的程序员更不易！任何时候，身体健康第一！且行且珍重！如果有需要的资料，可以私信我，希望能给你提供帮助！ |
|
|
