普通程序員如何正確學習人工智能方向的知識？

gulugulugulu · 發(fā)表于 2018-12-26 14:00

“互聯(lián)網(wǎng)+”已經(jīng)發(fā)展的差不多了，應(yīng)有盡有，空間不大，下個浪潮會不會是“AI+”？那么作為一個普通程序員，如何提前向人工智能(AI)靠攏？

鈕鈷祿明醬 · 發(fā)表于 2018-12-26 14:03

大學是信息安全，可以說是IT眾小專業(yè)中和機器學習距離最遠的一個。讀研轉(zhuǎn)機器學習，也許經(jīng)歷對你會有幫助。

假設(shè)你有程序員的基礎(chǔ)，懂至少一門語言，和基礎(chǔ)的數(shù)學知識。

首先，可以先找一個機器學習的工具玩起來。比如說現(xiàn)在很火的MXNet,Tensorflow…等
這個過程是為了培養(yǎng)親切感，對機器學習有初步感性認識。
我來做畢設(shè)前，導師讓我看語言模型。我對著一篇大牛的博士論文看了半個月，過來之后，導師讓我改一個復雜的模型，我是懵逼的。
理論和數(shù)學公式我都懂！可是這坨高大上的神經(jīng)網(wǎng)絡(luò)在計算機里到底是一個怎樣的東西??？…這是我當時內(nèi)心真實寫照。跑上了工具一切都清晰起來了。
所以現(xiàn)在帶本科生，都是先跑上工具，然后繼續(xù)后面的基礎(chǔ)知識完備和深入研究。

有了感性認識以后，可以開始補機器學習的底層基礎(chǔ)了。
首先是概率論，不確定你學過沒，學過不用的話大概率也忘了，而且大概率當時學的時候并不知道這個有什么用。
矩陣理論和線性代數(shù)同理。
最優(yōu)化理論也是重中之重。

這四個基礎(chǔ)數(shù)學知識學完之后，可以開始學上層的基礎(chǔ)了。
機器學習可遠遠不止是現(xiàn)在大熱的神經(jīng)網(wǎng)絡(luò)。
推薦Andrew的筆記，很多節(jié)~網(wǎng)上有很多譯版，即使是英文原版也非常全面易懂。
或者是最近也很火的西瓜書(周志華的機器學習)

做完以上幾點就挺不容易的。

在學晦澀的數(shù)學和機器學習基礎(chǔ)算法的同時，可以轉(zhuǎn)轉(zhuǎn)工具玩玩，實現(xiàn)一下最近比較火的模型。無論是語音，圖像，NLP或者什么自己感興趣的，調(diào)節(jié)調(diào)節(jié)。這個過程中，你一定對工具的上層代碼都熟悉了。

到這一步:知道數(shù)學原理，精通基礎(chǔ)經(jīng)典機器學習算法，會用機器學習工具，會改工具，已經(jīng)算一個比較合格的機器學習程序員了吧。

接下來，還想繼續(xù)深入的話，工程方面可以選擇讀讀工具的底層實現(xiàn)代碼，涉及到cuda運算，或者進程調(diào)度，分布式編程這方面的。
自己完完全全寫個神經(jīng)網(wǎng)絡(luò)，或者寫個機器學習工具練練手。學習下GPU編程，多線程編程，多機多卡，分布式等等。

科研方面就可以在數(shù)學原理，模型結(jié)構(gòu)，或者應(yīng)用，數(shù)據(jù)上動動腦子做文章了。

libaidedahao · 發(fā)表于 2018-12-26 14:03

你要考慮一個問題，寫下“‘互聯(lián)網(wǎng)+’已經(jīng)發(fā)展的差不多了，應(yīng)有盡有，空間不大，下個浪潮會不會是‘AI+’？”這句話的人，很可能當初是因為干不了程序員才改行去做網(wǎng)編。

› 你問我答 / 玩機教程 / 固件 › 你問我答 › 精選網(wǎng)友問答