保姆级人工智能学习成长路径

偏执的太偏执、 2022-10-11 14:56 216阅读 0赞

### 文章目录 ###

*  0. 前言
 *  1. 第一阶段：编程语言学习
 *  2. 第二阶段：机器学习基本理论
 *  3. 第三阶段：深度学习理论与实战
 *  4. 第四阶段：细分领域深入学习
 *  5. 第五阶段：集大成者

# 0. 前言 #

最近有很多小伙伴想学习人工智能，其中不少同学渴望从事相关职业。虽然网上的资料很多，但是很多内容不够接地气，导致他们看不懂，所以很迷茫，不知何去何从。作为获得AI比赛Top名次的老司机，就给大家讲讲如何系统学习人工智能，最终达到一名合格的算法工程师。希望大家能够跟随我一步步迈进人工智能的殿堂，一起冲鸭~~~  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_pic_center][]

先简单说一下学习的最大误区就是一上来闷头看视频。看视频是非常低效的学习方式，相比于阅读来说，在同样的时间内看视频学习到的知识量是远远小于阅读的。当然，国内外著名大学的经典视频有时间也可以看看。所以在后续的每个阶段学习中，都会介绍重点的学习教材。

# 1. 第一阶段：编程语言学习 #

在IT届，最让人朗朗上口的谚语是：Talk is cheap, show me the code。这也充分表明了在计算机领域中代码的重要性了。而人工智能作为计算机领域的分支，同样满足实践是检验真理唯一标准。推荐Python语言作为学习人工智能领域的入门语言。一来是因为Python简单易学，二来是因为在人工智能领域中，很多库和框架可以通过Python语言来调用。

在这里推荐两个课程：[简明Python教程][Python]和[Python官方教程][Python 1]，前者比较适合完全零基础的同学，后者更适合具有了一定基础的初学者。之所以推荐官方教程，是因为官网教程和论文都是最权威的一手资料。如果大家对于学习官网教程没有信心，可以学习我的专栏：[Python新手快速入门][Python 2]。系统讲解了学习方法、官网教程的核心概念和重要内容，教你快速理解官网教程。以及最常用的几个机器学习库：Numpy、Pandas、re(正则表达式库)。

# 2. 第二阶段：机器学习基本理论 #

学习完Python语言后，就需要进一步学习机器学习的基本理论。推荐的学习教材是李航老师的统计学习方法。其中的常用模型包括：

*  朴素贝叶斯
 *  决策树
 *  支持向量机
 *  提升树
 *  其他模型

作为一名老司机，先介绍初学者最容易犯的误区，仅仅关注于**学习机器学习模型**，而**忽略了对机器学习核心概念和核心思想的理解**，可以通过下列几个问题来进行大概的判断：

*  如何有效划分数据集
 *  如何解决过拟合现象
 *  模型之间的关联和区别是什么
 *  规则和模型如何选择
 *  如何根据业务场景选择合适的算法

如果课本内容已经学的很明白，建议同学可以阅读或者动手实现模型代码。大家对上述问题不是很清晰的话，如果反响热烈，后续也会通过系列专栏的形式来讲解这一部分。

# 3. 第三阶段：深度学习理论与实战 #

学习完机器学习基本理论后，就需要进一步学习深度学习的理论与实战。这是由于在工业界中的数据集数量庞大，只有使用拟合能力更强的深度学习才能取得更好的效果。在此推荐邱锡鹏老师的[神经网络与深度学习][Link 1]。在学习过程中重点把握不同神经网络的结构和适用场景。比如最常用的三种神经网络结构：

*  前馈神经网络
 *  卷积神经网络
 *  循环神经网络

与此同时，一定要动手使用深度学习框架来完成实践项目，比如使用深度学习框架(Tensorflow或者Pytorch)完成简单的分类或者回归的任务。然后再逐渐深入，从而加深对神经网络和深度学习的理解。

# 4. 第四阶段：细分领域深入学习 #

再进一步就是选择细分领域进行学习了，相对主流的几大方向和细分方向分别是：

*  计算机视觉（CV）：图像分类、目标检测、图像分割、OCR等。
 *  自然语言处理（NLP）：文本分类、命名实体识别、事件抽取、文本摘要、阅读理解等。
 *  推荐系统：热门推荐、Feed流、猜你喜欢等。
 *  金融风控等：客户群体筛选、欺诈风险鉴别、信用评定等。

之前的几个阶段都可以通过教材的方式进行学习，而这一阶段的学习方式为工作或者比赛。如果没有合适的工作机会，但也想拿到进入人工智能领域的入场券，最简单直接的方式就是打比赛拿到top名次。

在此我分享下精心打磨的一个专栏： [Al比赛教程][Al]。分享各类Al比赛（阿里云天池、科大讯飞等）前几名队伍的成功经验，包括NLP，CV、语音、时序预测、信息安全等方向。其中也包括自己取得的阿里云第一名的经验分享。也包括打比赛提分的一些实用`tricks` ，从而更好的帮助新手入门数据科学竞赛。

# 5. 第五阶段：集大成者 #

如果我们想成为人工智能领域的大佬，就不能局限于某个细分领域了。因为很多领域之间其实是互相借鉴，互相成就的。举两个例子，一个是在NLP大杀四方的`Transformer`模型也被迁移到了CV领域，同样实现了佛挡杀佛。另外一个是先在CV领域中实现效果较好的`simCLR`(对比学习)，后面被NLP领域借鉴实现了`simCSE`，也取得了极佳的效果。

最后再简单介绍下需要长期培养的几大能力，祝大家早日实现自己的梦想：

*  实际业务建模
 *  论文阅读与复现
 *  代码阅读与优化

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_pic_center]: /images/20221005/07918f44812442edb48446c3319d4ab0.png
[Python]: https://wizardforcel.gitbooks.io/a-byte-of-python/content/
[Python 1]: https://docs.python.org/3/tutorial/index.html
[Python 2]: https://blog.csdn.net/herosunly/category_10831935.html
[Link 1]: https://nndl.github.io/
[Al]: https://blog.csdn.net/herosunly/category_9393702.html