发布网友
共2个回答
热心网友
1、学习并掌握好数学知识:高等数学是学习人工智能的基础,一起理工科都需要这个打底,数据挖掘、人工智能、模式识别此类跟数据打交道的又尤其需要多元微积分运算基础。线性代数很重要,现行模型是你最先考虑的模型,未来很可能还要处理*数据,需要用线性代数来简洁清晰的描述问题,为分析求解奠定基础。概率论、数理统计、随机过程更是少不了,涉及数据的问题,不确定性几乎是不可避免的,引入随机变量顺理成章,相关理论、方法、模型非常丰富。再就是优化理论与算法,除非你的问题是像二元一次方程求根那样有现成的公式,否则你将不得不面对各种看起来无解但是要解的问题,优化将是你的GPS为你指路。有了以上基础就可以开始机器学习的理论和算法了,以后再具体针对某一个应用补充相关的知识与理论,比如数值计算、图论、拓扑等。
2、学习机器学习的理论和算法:回归算法、基于实例的算法、正则化方法、决策树学习、贝叶斯算法、深度学习、人工神经网络······
3、掌握一种编程语言Python:一方面Python是脚本语言,简便,拿个记事本就能写,写完拿控制台就能跑;另外,Python非常高效,效率比java、r、matlab高。matlab虽然包也多,但是效率是这四个里面最低的。行业动态及论文:了解行业最新动态和研究成果,比如各大牛的经典论文、博客、读书笔记、微博微信等媒体资讯。实践练习:找一个开源框架,自己多动手训练深度神经网络,多动手写写代码,多做一些与人工智能相关的项目。找到自己感兴趣的方向:人工智能有很多方向,比如NLP、语音识别、计算机视觉等等,生命有限,必须得选一个方向深入的专研下去,这样才能成为人工智能领域的大牛,有所成就。
热心网友
可以入校,比如这里,就是互联网it学校