image
这几天很偶然的在B站上看到了人工智能的学习课程，一看居然是黑马出的(不是做广告哦)，里面小姐姐的声音很Nice，所以就这么看完了，很棒！
人工智能方向是 Python 的进阶方向，值得大家学一学的，满大街的人工智能，机器学习，神经网络啥的大家都看到了吧，这说明啥，说明传统的大学里，大公司里的东西白菜化了，就好比自从小米进军智能手机领域后，智能手机那一路下跌的价格。不要犹豫了，不做的话至少都值得大家学习基础课程，深入了解，谁知道什么时候就和你有关系了呢
我是做 android 开发的，机器学习这块已经在移动端设备上发力了，至少是值得我去学习了解的，再者多学一门知识总是好的，眼界拓展的很多，其实用不了多少时间的，有黑马这样现成的课程，B站上有部分视频，X包上20快可以买到全套视频，有志者也可以去亲身脱产学习，方式很多，学习成本不大，所以大家就不要再犹豫了。经历过 java、koltin、data 的学习，大家应该都学会怎么去学习新知识了，否则可不是一个合格的程序员哦~
人工智能的历史
人工智能、机器学习、深度学习 这3个词耳朵听得都快出茧子了，虽然叫法不一样没，但其实这哥三是一回事，是人工智能逐步发展的不同阶段
看这张图：
image
人工智能包裹着机器学习，机器学习包裹着深度学习，他们是人工智能这个技能书上不停进化的各个特征点
中国人说：以史为鉴，方能治天下。学习也一样，了解历史发展脉络，才能知道当先技术优势在哪里，才能真正了解现在的东西
时间轴：
-
1956.8- 美国汉诺威小镇-达特茅斯学院，一帮权威人士坐在一起，一起提出了人工智能这个概念，1956年也被成为人工智能元年，人工智能这个概念出现之前，算是认知科学的一部分，这个时候人工智能的概念才正式确立、出现，代表就是早年新闻中的：那些吊打国际象棋大师们的机器人了，这就是人工智能早期的应用 - 随后人工智能这个科技树出现了 2个分枝，形成了 2个流派：
-
链接主义- 思路就是模仿人的神经网络这种生物结构，若是机器也拥有了和人一样的大脑神经结构是不是就能产生智能了呢，算是仿生学的一种思路 -
逻辑主义- 也叫符号主义，这个流派认为人的思考是有一定的逻辑推理关系存在的，若是能把人的这种逻辑、推理过程总结、提取、还原出来，那是不是就能实现和一样的思考了呢。逻辑主义早期的成果就是:通用机，可以自动实现对数学公式进行推导
-
-
80年代- 有人开始提出：用统计的方式实现人工智能，机器学习的概念随之开始出现。当时最典型的应用就是垃圾邮件的过滤了，可见当年国外就已经开始信息化了，我们真实后来人啊 -
2010年- 机器学习出现后，人们不停对齐进行改进，人工网络神经技术开始出现，随机诞生了深度学习这个概念。10年呢深度学习在图像处理中大放异彩，然后深度学习就一发不可收拾了，向着各行各业开始发展
总体来说：
- 机器学习是实现人工智能的一个途径
- 深度学习是机器学习的进一步发展
机器学习应用
机器学习应用现在应用于各行各业：医疗，航空，物流，教育，电商等行业，但总的来说机器学习的应用就是3个大的领域,看图：
image
-
图像识别- 人脸识别，证件识别，街道交通标致识别(无人驾驶的基础) -
传统预测- 店铺销量，量化投资(金融领域)，广告推荐，企业客户分类 -
自然语言处理- 文本分类，情感分析，自动聊天，机器人写新闻(天气预报，简讯类的新闻机器人都可以自动写了)，翻译，智能客服
在机器学习白菜化的现在，机器学习和前端、移动设备之间的应用探索也是如火如荼，比如X宝搜索条上的默认搜索词，这就是猜你喜欢在移动设备上的应用，意外的是非常准的。我试了下，断网就不行了，还是服务端做的预测，5G时代的趋势是：去云化，把云的一部分工作在设备上就做了，现在的趋势是在手机app上先处理，然后再把数据返回服务器
学习资料
1. 全套入门资源 - 机器学习包括Python基础的部分内容是很多的，靠着博客自己一点点找那是不现实的，得浪费多少时间啊，所以推荐黑马的Python+机器学习课程，从基础开始讲起，效率最高。但是显然黑马这是收费课程，所以资源来源我要说到说到了
- 最方便的是X宝买，20块钱可以买全套
- 其次B站有部分视频资源，我初期就是看的这个，python ok的同学可以直接看：
2. 博客账号：
B站、头条上现在很多N人的：
3. 机器学习就职方向 - B站上有个小哥哥说的不错，大家一定要看看
-
职位对比：算法方向&数据分析&数仓开发
image
4. 老司机们谈机器学习 - 听听老司机们怎么对我们后辈说的：
- 这是一个很N的小姐姐：如何学习人工智能？听美女算法工程师 告诉你 学习人工智能AI的六点建议 以及入门AI书籍
小姐姐介绍了一些书籍：-
数据挖掘导论(最基础的一本书) -
机器学习(封皮下面画的是西瓜，俗称西瓜书，入门理论讲的比较细) -
李航老师-统计学习方法(统计学学习的，真正深入学习的小伙伴们看的) -
Pattern Recognition and Machine learing(讲的是经典算法，推导非常详细，是英文的，中文的应该也有，深入学习的小伙伴必看) -
宗成庆-统计自然语言处理(做自然语言的选看) -
深度学习(封面有很多花，俗称：花书，前12章是深度学习的理论基础部分，向深度学习前进的小伙伴们看看)
-
最后
最后了，我说一下啊，人工智能没大家想的这么高大上，他就是从统计学上发展而来，我们现在学的都是基于统计学思路上逐步发展而来的机器学习和加入了神经网络概念的深度学习，其实核心就是那些教授们研究的各种算法，大家未来要是不做算法研究的话，其实就是拿来用就好了，和我们使用那么开源库,API 是一样的，对于 Python 来说就是几行代码的事，还是很好学的，重点是其中的思路不好理解，大家不要有负担，认认真真努把力大家都能学的会
网友评论