1. 引言
人工智能技术的核心是:大数据+机器学习。
机器学习可以理解为:采用一定的算法,使得计算机在大量的数据中自动识别数据的模式。机器学习包括很多学习方法,人工神经网络是其中之一。近几年发展最快的人工神经网络的深度学习,也就是用很“深”的神经网络提高学习的抽象深度。
人工智能的技术入门,宜从深度学习技术开始,必要的知识体系包括2部分:
- 神经网络算法的数学基础
- 编程实现,主要采用python编程语言
2. 深度学习
2.1 视频课程
深度学习课程首推大牛吴恩达的deep learning 公开课,此课程适合入门学习,有一定的高等数学基础和编程基础,学习就不会遇到太大的困难。
deep learning 课程有两个网站:
- coursera,完整、收费,但国内登录困难
- 网易云课堂,免费,仅有视频,无课后编程习题
建议从网易云课堂的视频开始学习。
2.2 编程习题
编程的习题在网易课堂看不到,但一些网友在国内网站上有转载:
- csdn:大树先生的博客
image_1c30mutlnccvinekvapcm1vo9.png-205.3kB
- 知乎:吴恩达深度学习课程辅导
image_1c30n0j061156pov1refatu8hm.png-79.1kB
此外网易云课堂有学习QQ群,群共享中有大量的学习资料:

2.3 参考书籍
目前笔者购买了号称机器学习圣经的《深度学习》:

感觉比较深,对于初学者,难度较大,可读性不强。但作为参考书是必要的。
3. python
3.1 IDE(开发环境)配置
网上很多python安装配置教程都是命令行操作的,对于初学者非常不友好。
最简单的安装方式是下载Anaconda包,选择最新的3.6 版本,直接安装:Anaconda。
安装Anaconda,即自动配置了编程环境和系统设置,并安装了常用的科学计算包如:
- numpy
- scipy
3.2 jupyter notebook
安装anaconda即同时安装了jupyter notebook,吴恩达课程的编程实例都是在notebook上演示的。
打开方式:
- 开始菜单
- 启动后,自动打开一个浏览器页面
在notebook中创建的项目,都保存在C盘的user目录下:

3.3 python教程
多位朋友都推荐一本书是:《python数据分析》

4. 实战
学习了算法和编程技术,要想做实际应用,可以做大数据比赛:
kaggle对新手更友好一些,因为国外大神更愿意分享自己的代码,周期也更短。
网友评论