我的人工智能学习计划

1. 学习Coursera课程

Coursera上面有很多优秀的教程，甚至比很多市面上的书籍有用(一些书籍还借鉴了Coursera上的教程)。购买了Coursera Plus, 你能上很多有Coursera Plus标签的课程。其中我觉得帝国理工学校的的几门专项课程挺好的，而且都是支持Coursera Plus的。

• Tensorflow 2 for Deep Learning

• Mathematics for Machine Learning

deeplearning.ai机构的课程也不错。以下链接上其课程列表。总共10门。有很多行业顶级人物授课，如吴恩达.
https://www.deeplearning.ai/programs/

IBM推出的课程比较有含金量，旗下的课程都有和IBM Cloud进行结合使用。Coursera上热门的课程有:

• IBM AI Engineering
• IBM Data Science
• IBM Applied AI
• IBM Applied Data Science
• IBM Machine Learning
• IBM Full Stack Developer
• IBM Data Analyst
• IBM Cybersecurity Analyst
• IBM Advanced Data Science
  伊利诺伊理工大学有两门课也不错。
• Cloud Computing
• Data Mining

这两门课属于其在线计算机硕士学位的一部分。对于后台开发新手、后台进阶或者做大数据的人还是很有帮助的。

2. 参与Kaggle数据竞赛
   Kaggle相当于深度学习版本的Leetcode.。 上面有很多精心收集的数据集。还有很多数据科学竞赛。如果你的解决方案能够取得好的名次，在找深度学习工程师岗位很有势。数据竞赛最好是用jupyter notebook实现，尽管你也可以使用纯代码。不过jupyter notebook不仅能够实现代码效果，而且很好地展示你的思路。而且对于深度学习工程师或者数据科学家来说，良好的表达能力很重要。

3. 深入学习计算机科学

如果想深入学习人工智能领域，还是避免不了深入学习计算机科学知识，比如数据结构和算法、设计模式方面的知识。普林斯顿的算法课就比较经典。其实这些课程配合Leetcode学习不错，不过我要学习的东西太多，就没什么时间刷Leetcode了。

• Algorithms, Part I
• Algorithms, Part II

4. 考一个CQF证书
   人工智能还是得和一个领域结合起来会更有竞争力，比如金融行业。CQF是一个量化金融比较权威的证书，相当于一个简化版的硕士项目，包含了一系列课程，不仅需要学习金融知识，还需要利用机器学习技术分析金融产品，最后还需要走一个毕业设计来完成课程。

已完成

2020年

• DeepLearning.AI TensorFlow Developer
  • Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
  • Convolutional Neural Networks in TensorFlow
  • Natural Language Processing in TensorFlow
  • Sequences, Time Series and Prediction

• Deep Learning

2021年

• Generative Adversarial Networks (GANs)

• TensorFlow: Advanced Techniques
• Natural Language Processing
• TensorFlow: Data and Deployment
• AI for Medicine
• IBM AI Engineering
  • Machine Learning with Python
  • Scalable Machine Learning on Big Data using Apache Spark
  • Introduction to Deep Learning & Neural Networks with Keras
  • Deep Neural Networks with PyTorch
  • Building Deep Learning Models with TensorFlow
  • AI Capstone Project with Deep Learning

进行中

• Advanced Machine Learning
• Mathematics for Data Science
• Pratical Data Science
  • Analyze Datasets and Train ML Models using AutoML
  • Build, Train, and Deploy ML Pipelines using BERT
  • Optimize ML Models and Deploy Human-in-the-Loop Pipelines
• IBM Data Science
  • What is Data Science
  • Tools for Data Science
  • Data Science Methodology
  • Python for Data Science, AI & Development
  • Python Project for Data Science
  • Databases and SQL for Data Science with Python
  • Data Analysis with Python
  • Data Visualization with Python
  • Machine Learning with Python
  • Applied Data Science Capstone