一文教会你该如何去学习人工智能!

篝火者2312 2024-09-04 16:01:02 阅读 74

1、前言

本篇文章,主要是为了给大家一个学习AI的学习路线。目前网络上有很多的网络资源,但是很多人都是东捡一集,西捡一集,导致学习体系不完备,加上学习资源的质量参差不齐。最终总是遇到各种各样奇怪的问题。所以,本篇文章,我将跟大家说一下,从零基础,该如何学习。

视频:【一个视频教会你该如何去学习人工智能!-哔哩哔哩】

2、学习路线(前置知识)

2.1、数学基础(不需要绝对优秀)

要求学过高等数学、线性代数、概率论与数理统计(期末考简单能过就行,不需要绝对优化的数学能力)

在这里插入图片描述

为什么我要把这个放在第一,因为没有数学基础,你已经没有继续下去的必要了。可能你会说,时间已经过去去这么久了,早就已经忘了这些数学知识。这没问题,要知道,”忘了“和”不会“不是一回事。

可以的话,最好可以找一些知识复习课(如期末考试复习),回忆一下。当燃了,你也可以直接进行下一步,可以边学习,边复习。

2.2、Python编码语言

有了数学基础,第一件事儿,就是学习编程。那么该选择怎么样的编程语言呢?一般情况下,我们会选择Python(在很多的论文,几乎都是给Python源代码),我们要求,你必须能看懂Python代码。

当燃了,你只需要掌握Python即可,不需要你玩得炉火纯青,你甚至去速成都可以。 在学习的时候,最好学一个库的使用——numpy,因为很多的教程不会教这个库

可以的话,最好去找一些名为Python数据分析的课程学习。既能教Python语法,又能教数据分析的那种

2.3、机器学习

对于人工智能,以目前的形式来看,几乎都是以神经网络为基础(不包含全部)。现在的各种主流的AI,几乎都是建立在深度学习的基础上。而深度学习,是机器学习的一个重要分支

既然深度学习是机器学习的分支,为什么我们还需要学习机器学习呢?

首先,很多时候,我们认识深度学习是从机器学习的分离出来的,它自成了一个体系。但是,归根究底,深度学习的整个架构,其实与机器学习无异。因此,从头学习机器学习,可以逐步过渡到深度学习,这是一个积累的过程。可以让你学习到为什么需要深度学习?为什么深度学习的体系是这样等等。

值得注意的是,机器学习几乎都是各种各样的数学推导,从学习的过程中,可以复习和巩固你的数学基础。此时你可能会问,那我不想知道这么多为什么,是不是就不需要学习机器学习了呢?

答案是否定的,因为现在的AI发展历程。其实就是机器学习与深度学习相融合(此处从深度学习被分离出来的角度看问题)的时代。如果你有了机器学习的基础,未来你在学习深度学习的时候,不但可以很容易看懂各种各样的算法模型,还可以从深层去理解这一过程。甚至会大大放大你的创造空间,让你有朝一日,创造出属于自己的模型。

对于机器学习,可以推荐一本书——李航:《统计学习方法》(按照书的内容,在网上找资源学习,以下UP主所讲的机器学习,就是按照《统计学习方法》讲的)

在这里插入图片描述

当燃了,你要是真的不想学机器学习,其实也是可以的。只是未来你可能会受制于人,什么核心技术可能都要依赖别人讲,你才能明白。如果你没有什么追求,可以不学习这个

3、学习路线(入门)

【复旦大学计算机学院研究生课程《神经网络与深度学习》】

【PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】

【李沐【动手学深度学习v2】

【斯坦福大学】深度学习(上)(全192讲)吴恩达】

3.1、神经网络

在这个阶段,你需要学习,**神经网络、损失函数、激活函数、梯度下降算法 **等等

你会学习到神经网络是什么,为什么是神经网络,然后如何优化训练模型,并且如何用代码去实现。

3.2、全连接神经网络和框架

在这里,你需要学习一个普遍的全连接神经网络的大致摸样。然后学习Pytorch或tensorflow(一种网络模型的构造框架)。学习这两个库的时候,需要动手实现一下全连接神经网络(比如手写数字分类实现)

3.3、卷积神经网络和循环神经网络

这两个其实已经算是模型算法。之所以要在这里学习,就是为了掌握一般模型构造的过程。

这两个网络的思想在后续都会用到。因此,需要在这里掌握

4、学习路线(进阶)

4.1、论文

在这个阶段,你需要选择一个方向,比如你要做计算机视觉还是自然语言处理等等。然后从最简单的论文开始学习(深度学习的技术迭代很快,你必须要掌握如何阅读并理解论文的内容)。

在这个阶段,其实如果你有机器学习的基础,你已经可以阅读一些简单的模型论文。比如LSTM、GRU、GAN等等。

但是,你最好不要自己去看,可以先看别人如何看论文。先看别人讲这些模型的原理,然后自己去看一遍对应论文。这样看了两三篇论文之后,此时你就可以直到论文的一般模式了

于是,慢慢的,你就具备了独自阅读论文的能力。

但是,你不能马上去看那些最前沿的。比如现在时间是2024年,我就看2024年的论文。此时给你看你也看不懂。因为这篇2024年的论文,也许和10年前的论文有关。

你必须要一点点去看各种论文,学习各种各样的模型论文。学习到各种各样的东西。

比如,如果你要学习生成模型,就要一点点学习,从最容易的GAN开始,然后慢慢学习它的变种。后续在其他论文可能会引用这些变种的内容

所以,你看到我现在的教学内容,其实就是各种各样的模型。理论上,你当然可以自己去阅读论文。但如果你想要快速的整合这几年的知识点,直接自己埋头看论文显得有些浪费时间。

因此,我做的视频博文,其实就是模型知识点的压缩,有助于你快速获取近些年的知识。掌握了这些知识后,你就可以去看那些最前沿的论文。比如今年2024的

5、结束

好了,这就是本篇文章的全部内容了。如有问题,还望指出,谢谢大家

在这里插入图片描述



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。