GitHub标星14k：超详细的AI专家路线图

一时失言乱红尘 2022-09-11 10:26 262阅读 0赞

点击上方“**机器学习与生成对抗网络**”，关注星标

获取有趣、好玩的前沿干货！

来源 机器之心报道  机器之心 编辑

这个学习路线图几乎涵盖了人工智能领域的所有内容，点点鼠标，就能链接所需知识。

原文链接：https://zhuanlan.zhihu.com/p/273580093

![87c347b02969dc60e0868b2dff4f6d67.png][]

想从事人工智能领域的研究，盲目地在网上购买了一本又一本的参考资料，学习视频刷了一遍又一遍…… 反过头来看，这些方法可能作用并不是很大，却消耗了大量的时间和金钱。

这时，一种提纲式的学习途径就显得尤为重要了。如果你想成为数据科学家、机器学习或者 AI 专家，而又苦于找不到合适的学习方法，本文将提供一组思路清晰、简单易懂的人工智能专家路线图。

这是一家德国软件公司 AMAI GmbH 近期发布的 GitHub 项目——AI 专家路线图（AI-Expert-Roadmap）。该路线图几乎涵盖了 AI 领域所有的知识点，并且每个知识点都有详细的文档。有了这个路线图的指导，或许能帮助你快速入门乃至成为 AI 领域的佼佼者。该项目上线已经收获了 14k 星。

![4d710f6b20cebd27d4018933d2c6fab9.png][]

项目地址：https://github.com/AMAI-GmbH/AI-Expert-Roadmap

**亮点多多的 AI 专家路线图**

对学习者非常友好的是，这份 AI 专家路线图是一个互动版本。\*\*每个子模块所列内容都可以链接到指定网站，学习者可以找到词条的维基百科或其他来源的释义和拓展内容。\*\*此外，如果有新的研究出现时，该路线图会随时更新。

该路线图旨在给学习者提供关于人工智能的整体概念，并在学习感到困惑时给予指导，而没有鼓励学习者一味地选择最先进、最热门的技术。这是因为在科研中，每个人都需要了解哪种工具最适合自己。换言之，最先进、最热门的技术不一定是最适合的。

就这份 AI 专家路线图而言，开发者列出了任何学习路径所必不可少的一些要素，如论文和代码、版本控制、语义化版本控制和更新日志。但就具体选择上，开发者认为在学习 AI 时不应直接过渡到当前热门的技术——深度学习，而应步步为营，并提供了 **3 条可供选择的学习路径：数据科学家→机器学习→深度学习…；数据科学家→数据工程师…；大数据工程师→…**

![8fcc96189101ee67ba4ea792c57fb517.png][]

循序渐进才是「王道」。

**AI 专家路线图概览**

这部分内容简要总结了 AI 专家路线图，并从以下几个方面着手讲解：**数据科学家、机器学习、深度学习、数据工程师以及大数据工程师**。这 5 部分内容都有详细的学习路线图，点击图表任意模块，都会链接到对应的内容。

**数据科学家路线图**

在数据科学家路线图中，我们可以了解到进行 AI 研究所需要的基础：矩阵和线性代数、数据库、表格数据、数据格式（JSON、XML、CSV）、正则表达式等等。

在统计学方面，该路线图涵盖了概率论、概率分布、估计、假设检验、置信区间、大数定律、蒙特卡罗方法等等。

在 Python 编程方面，该路线图展示了 Python 基础、比较重要的 Python 库以及所需运行环境等。

在数据来源方面，学习者点击「Awesome Public Datasets」图标，就可以链接到整理好的公共数据集等。接着过渡到可视化和探索性数据分析 / 转换 / 整理相关内容，最后进入到机器学习和数据工程师两个不同的方向。

![7234541368271cffa33fdca2da41a768.png][]

**机器学习路线图**

机器学习路线图主要分为 4 大部分：**基础概念、算法、用例以及所用工具**。其中基础概念部分主要包括机器学习中常用的概念、梯度下降、训练集、测试集、验证集等基础概念；算法部分列举了 4 类算法：监督学习、无监督学习、集成学习和强化学习；用例部分列举了情感分析、协同过滤、标注和预测；所用工具部分则介绍了 scikit-learn、spacy 等工具。每部分内容都有对应的详细文档。

![9a3493844c29ac83242a931d24e924d3.png][]

**深度学习路线图**

机器学习之后进入到了深度学习，这是第 1 条可选择学习路径的最后部分。深度学习路线图由 4 大部分组成：**论文、神经网络、网络架构以及所用工具**。论文部分提供了深度学习论文阅读路线图以及 SOTA 论文；神经网络部分提供了一篇详细介绍如何理解神经网络的博客文章；网络架构部分包括感知器、自动编码器、CNN、RNN；所用工具部分主要介绍了 TensorFlow 、PyTorch 等。最后给出建议：保持探索、与时俱进。

![ff62ac5039c96415edf44ccbf649afba.png][]

**数据工程师路线图**

在数据科学家路线图之后可以直接进入到数据工程师路线图，这是第 2 条可选择的学习路径。该路线图主要介绍了数据格式、数据发现、数据集成、数据融合、数据调研、数据湖和数据仓库以及如何使用 ETL 等多方面内容。

![c3209e47d0765254a5104dc45fe7b48e.png][]

**大数据工程师路线图**

大数据工程师路线图是第 3 条可选择的学习路径，主要分为 3 部分内容：**大数据架构、遵循的原则以及所用工具**。大数据架构部分主要讲述了大数据分析架构模式和最佳实践；遵循的原则包括数据库管理系统中的数据复制，以及 Hadoop 中 NameNode 和 DataNode 的区别等；所用工具则介绍了 Hadoop、Spark 等。

![7592089f3500f17d86321d2e05b5831a.png][]

参考链接：https://i.am.ai/roadmap/\#data-science-roadmap

猜您喜欢：
    等你着陆！【GAN生成对抗网络】知识星球！  
    CVPR 2021 | GAN的说话人驱动、3D人脸论文汇总
    
    CVPR 2021 | 图像转换 今如何？几篇GAN论文
    
    【CVPR 2021】通过GAN提升人脸识别的遗留难题
    
    CVPR 2021生成对抗网络GAN部分论文汇总
    
    经典GAN不得不读：StyleGAN
    
    最新最全20篇！基于 StyleGAN 改进或应用相关论文
    
    超100篇！CVPR 2020最全GAN论文梳理汇总！
    附下载 | 《Python进阶》中文版
    附下载 | 经典《Think Python》中文版
    附下载 | 《Pytorch模型训练实用教程》
    附下载 | 最新2020李沐《动手学深度学习》
    
    附下载 | 《可解释的机器学习》中文版
    
    附下载 |《TensorFlow 2.0 深度学习算法实战》
    
    附下载 | 超100篇！CVPR 2020最全GAN论文梳理汇总！
    附下载 |《计算机视觉中的数学方法》分享

[87c347b02969dc60e0868b2dff4f6d67.png]: /images/20220828/af66a6cc030d4401b98b9f2a35847be7.png
[4d710f6b20cebd27d4018933d2c6fab9.png]: /images/20220828/b3c70053450a422b89444cb753b80caf.png
[8fcc96189101ee67ba4ea792c57fb517.png]: /images/20220828/60048d4af70d476baaa4a94861b70e66.png
[7234541368271cffa33fdca2da41a768.png]: /images/20220828/ed25f7b74ed646f1930b0e0514898084.png
[9a3493844c29ac83242a931d24e924d3.png]: /images/20220828/8fc941d5e57d4dc684ef033f3ebe7d99.png
[ff62ac5039c96415edf44ccbf649afba.png]: /images/20220828/53fe3b93431f410c8814506f7973a867.png
[c3209e47d0765254a5104dc45fe7b48e.png]: /images/20220828/cd8c67be6899457c8fcaaa8ee30f96e4.png
[7592089f3500f17d86321d2e05b5831a.png]: /images/20220828/2f4abd987f604ba0912df36f731bf6b4.png