人工智能入门
大家好，🖐
今天我想给大家一些建议，并回答大家的一些问题，以便大家能够入门人工智能领域！
读完本文，你将不再害怕这个领域的难度，你会把某个人奉为偶像，你会有几十个小时的视频可以观看，你会有很多适合各个级别的项目创意！
希望您喜欢这篇文章，让我们开始吧！
一、是否需要具备扎实的数学知识？
乍一看，人们可能会觉得需要深厚的数学知识才能拥有好大脑……但实际上并非如此！这完全取决于你想从事什么工作。显然，如果你想成为一名研究人员，就需要扎实的数学基础。但如果你不想从事研究工作，很快就会发现高中或大学本科的数学基础就足够了！
我认为你需要掌握一些线性代数知识，包括：向量、矩阵、特征值和特征向量、函数、导数以及向量和矩阵微积分。此外，一些概率论的基本概念也很有意思：条件概率、相关元素和非相关元素、方差等等。
如果你不具备所有这些知识，别担心，有很多短视频或课程可以解释一切！我推荐其中三个：
- 可汗学院
- 3Blue1Brown 线性代数
- 麻省理工学院的线性代数课程（我还在学习概率论）。
二、在哪里可以学习人工智能？
这大概就是你来这里的原因：想学习人工智能。在本节中，我们将讨论人工智能的理论，但紧接着，我会给你提供编写代码的最佳工具！
学习人工智能，我们注意到有三种不同的方法：
首先，我们来谈谈MOOC（大型开放式网络课程）。这些在线课程通常持续数周，任何人都可以随时开始学习，而且学习进度完全由自己掌控。课程内容包括教师和演讲者的视频、补充文档、实用信息链接，以及练习和测试。部分MOOC课程还提供证书，这些证书可以添加到简历或LinkedIn个人资料中。
以下是一些可能对人工智能入门有帮助的MOOC课程：
你会发现，在MOOC课程中，有一个人经常被提及：吴恩达（Andrew Ng）。他可以说是MOOC界的教父，我们刚开始学习人工智能的时候都听过他的课！没有比他更可靠的信息来源了。
你可能也注意到，有些MOOC课程费用较高，但你可以申请经济援助，而且通常都能获得批准。
此外，还有各种各样的书籍，其中一些还包含练习题及答案。这样一来，你可以按照自己的节奏学习，也可以集中学习特定章节或轻松查找信息。以下是一些推荐书籍：（价格略贵，但内容物有所值）
- 深度学习，Aaron Courville、Ian Goodfellow 和 Yoshua Bengio
- 使用 Scikit-Learn 和 Tensorflow 进行机器学习实践，作者：Aurélien Géron
- 模式识别与机器学习，克里斯托弗·毕晓普
- 强化学习：导论，Andrew Barto，Richard Sutton
最后，我们来说说研究论文。这类论文数量众多，但我不建议初学者直接阅读。事实上，参加涵盖所有概念的课程比自己去查找各种要点（而且很容易忘记）并深入研究要容易得多。然而
，当你觉得自己能力足够，并且水平不错时，就应该开始减少对MOOC课程的依赖，转而阅读与你的项目相关的论文：这类论文的解释相对清晰，能够为你实现想法提供方向！
你可以通过不同的渠道阅读这些论文：arXiv（最著名的预印本）、ResearchGate、PapersWithCode（提供代码），以及该领域一些知名机构的博客，例如DeepMind、OpenAI、Facebook Research等等……
以下是一些值得关注的论文：
- 利用深度神经网络和树搜索技术精通围棋，作者：David Silver 等
- 你只需要专注，作者：Ashish Vaswani 等
- Faster R-CNN：基于区域提议网络的实时目标检测，作者：任绍庆等
- Adam：一种随机优化方法，作者：Diederik Kingma 等人
- 语言模型是少数展示型学习者，作者：Tom Brown 等人
- 你还会发现其他几十个非常有趣的文章，但我必须继续写我的文章了 :)
三、如何编写人工智能代码？
我不会在这里教你如何编写人工智能代码，但我会给你一些入门技巧：
-
首先，我建议你用Python编程，因为它是库最丰富的语言。Julia是一种新兴语言，如果你想从零开始实现人工智能，它确实很不错，但除此之外，它缺少一些库！
-
接下来你需要选择一个框架：刚开始的时候，只用一个框架就足够了，但随着项目变得越来越复杂，你可能需要选择多个框架。你需要在TensorFlow和PyTorch之间做出选择。最终，你也可以使用Scikit-learn。
- 仔细阅读框架的文档，特别是重要函数的文档。
- 看看 GitHub 上的实现，甚至连 Andrew Ng 这样的大人物都推荐这样做。的确，这不仅能让你更好地了解你的编程语言，还能让你从另一个角度理解你正在撰写的论文/课程。
- 使用现成的数据集和强化学习环境。关于数据集，网上有很多，通常都能找到与你的项目相关的资源（你可能需要对数据进行一些调整，但不会太多）。不妨看看Kaggle，它不仅有“竞赛”板块，还有“数据集”板块，那里汇集了成千上万个数据集！在强化学习方面，你需要一些环境，推荐使用 OpenAI Gym，它非常出色且易于使用。对于自动驾驶汽车，我建议使用 Carla。它功能相当齐全，并且提供了许多工具（激光雷达、摄像头等等）。
IV/ 有趣的项目
总有一天，你必须跳出“教程循环”，开始创建自己的项目：你会越来越自信，你会建立作品集等等……
以下是一些建议：
初学者：
- 预测房屋价格
- 图像分类（猫/狗）
- 聊天机器人
- 根据情绪对推文进行分类
- 垃圾邮件检测器
中间的 ：
- 翻译
- 私人助理
- 驾驶汽车（通过强化学习）
- 月球着陆器（通过强化学习）
- 面部表情识别
先进的 ：
- 概括文本
- 棋手
- 机器人（基于 OpenAI gym）
- 文本生成
- 数学求解器（加法、减法、取模等……）
最后，你还可以尝试Kaggle竞赛，那里有很多比赛，也提供了大量的数据集。当然，目标就是利用现有的AI模型（无需自行发明）来构建尽可能最好的AI，并对其进行“调优”！
五、结论
因此，人工智能领域对每个人来说都很容易入门。你只需要具备基本的数学知识，然后开始学习课程和书籍。编程也是检验自身技能的最佳方式，并能让你对项目看似复杂的程度有所了解！
我希望我已经激发了你对人工智能的兴趣！
阿德里安
文章来源：https://dev.to/byteslash/getting-started-in-ai-46op