大家好,我是为人造的智能操碎了心的智能禅师。
全文大约500字。读完可能需要下面这首歌的时间
👇
每天,在各个人工智能头条的股东粉群里,都有人圈本禅师,说自己想投身到人工智能,或者机器学习中,问本禅师应该从哪儿开始。
其实本禅师之前为大家推荐过一些很不错的,引导大家入门机器学习的实践课程。例如:《我在机器学习踩过的坑,现在告诉你怎么跳过去》《深度学习入行有多难?》。
这些课程都是作者实战经验,无疑对初学者有着非常大的实用价值。不过很多人还是没有形成一个更加直观的概念就是:学习人工智能和机器学习,具体都需要哪些基本知识?
现在比较主流的观点是:机器学习的理论基础是数学;实践基础是语言。
奥斯汀大学的AI博士Prasoon Goyal认为,要学好机器学习,需要具备以下数学背景知识:
概率和统计
线性代数
优化
多变量微积分
功能分析(可选)
一阶逻辑(可选)
以上这些是比较初阶的、掌握机器学习所需的数学背景。如果希望在这个领域能够钻研的足够深入,软件工程师Ashutosh Singh给了一个更长的数学知识列表:
线性代数(向量)
矢量微积分(多元微积分,部分导数等)
三维坐标几何
概率论
离散数学(集合论等)
统计
高等代数(因子,进展,矩阵等)
三角
计数方法(排列,组合,鸽子孔原理等)
所以虽然人工智能现在确实很火,也确实一些大公司比如Google、微软、Facebook等在不断降低机器学习的学习门槛,并且开源机器学习框架,提供数据集搜索,目的都是在简化人工智能的开发过程。
如果你不只满足于跟着网上教学案例做几个小App,而是真正想在人工智能领域做出一番事业,树立一定影响力和地位,本禅师建议还是踏实下来,学好数学。
至于代码这块,Python是首选。Julia和R也是不错的选择。而且未来我们会陆续推出更多有关Julia的内容,敬请期待。
本禅师也郑重的向大家承诺,未来我们会不定期的,为初学者、想转行AI的读者,提供真正有价值的入门指导。
让人工智能头条能够成为一个,给读者带来巨大价值的平台,是本禅师一直以来努力的方向和目标。
希望更多的读者,在每天关闭了人工智能头条的页面后,都能得到一些知识,留下一些思考。
所以在此本禅师真诚邀请大家来吐槽我们(当然主要是吐槽条子,一般文章里出现错误都是他搞的),非常在意大家的意见!