2017年7月8日国务院关于印发《新一代人工智能发展规划》的通知。
首先关于人工智能的分类主要是由六方面，要选好自己感兴趣的方向：
深度学习、自然语言处理、计算机视觉、智能机器人、自动程序设计、数据挖掘
对于实践者的我们来讲，这些方面的基础学习四个步骤：
1.基础：人工智能的战略认知
这里推荐腾讯研究院编写的《人工智能》，这本书让我们去了解人工智能是什么，全面解释人工智能的发展方向，人工智能给社会带来的影响，给我们未来生活带来怎么的改变等。
2.前期：知识储备包括
1）数学知识
线性代数：矩阵/张量乘法、求逆，奇异值分解/特征值分解，行列式，范数等
统计与概率：概率分布，独立性与贝叶斯，最大似然(MLE)和最大后验估计(MAP)等
优化：线性优化，非线性优化(凸优化/非凸优化)以及其衍生的如梯度下降、牛顿法等
微积分：偏微分，链式法则，矩阵求导等
信息论、数值理论等等
2）机器学习经典算法知识
如十大经典算法：决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等
请点击查看：图解十大经典机器学习算法入门
3）编程技术（python）：python3.5及以上
这里推荐学习网站为：中文，免费，零起点，完整示例，基于最新的Python 3版本
3.中期：算法的代码实现
机器学习和深度学习的实战教学，这本书是完全按照工业界的流程解决方案进行实战，不仅能学习到库的应用，还能深入了解工业界的流程解决方案，最好的实战教学书，书名是：hands-on-ml-with-sklearn-and-tf（机器学习实用指南）
4.后期：实战水平提升
kaggle数据竞赛，对于我们初学者来说，没有机会接触到机器学习真正的应用项目，所以一些比赛平台是我们不错的选择。参加kaggle竞赛可以给你的简历增分不少，里面有入门级别到专家级别的实战案例，满足各方面需求。
以上为学习规划，python仅仅是工具，人工智能真正的思维在于，了解算法的内在逻辑，针对性的对业务场景进行算法设计。
提及的两本书：
人工智能-腾讯研究院，中国信息通信研究院互联网法律研究中心，腾讯AI，Lab，腾讯开放平台.pdf
hands-on-ml-with-sklearn-and-tf.pdf（机器学习使用指南）
请点击：资料下载地址
网友评论