前言
最近一些读者在问我，人工智能学习究竟学那些方面，需要有什么基础等等，大概意思就是想少走一些弯路。毕竟现在培训机构也是各种鱼龙混杂，什么都教，但是都是教一些皮毛，这样怎么能做到就业。不是什么人都可以从事人工智能的工作，不是什么行业都能转行到人工智能行业。那接下来我就给各位读者老爷分享一下我的个人见解吧！
要点————人工智能哪些知识才是应该的
培训机构
现在网上的培训机构是真的多，其中大部分都是“没底线”，随便找一些知识点就教授，这样出来能就业吗？
一，基础知识：
大家都知道会python和数学人工智能的基础。那我们说一下数学，学人工智能需要学习的数学有高数，解析几何，线性代数，概率统计，凸优化和信息论等等，一般的机构也就会教一些高数进行求导，线性代数，概率统计，虽然有涉及到，但是都很简单。
然而今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：
1.线性代数：如何将研究对象形式化？
2.概率论：如何描述统计规律？
3.数理统计：如何以小见大？
4.最优化理论： 如何找到最优解？
5.信息论：如何定量度量不确定性？
6.形式逻辑：如何实现抽象推理？
二，传统机器学习：
传统机器学习是几年前流行的，现在已经属于半淘汰的算法，一是现在达不到商用，二是现在的人工智能还是以深度学习为主。大部分机构把传统机械学习内容作为主要教学，然后在教深度学习的时候，也都是给一些现成的框架模型，可能教一下学员怎么用，如何对接API接口等等，都是一些很笼统的知识。比如RNN其实是一个很大的领域，一些细节点，培训机构可能都不会写出来。深度学习都是需要自己从底层，自己写代码，一行一行写出来的，而不是用现有的框架模型讲一下原理，直接对接接口，这种和深度学习完全是两回事。
花的识别就是用到传统机器学习
三，大数据：
对于一些人工智能课程里面教授大数据的，基本上都是机构东拼西凑来的，大数据和AI完全是两个体系。我了解的大数据主要是解决数据的收集和查询，至于需要用到大数据的框架的公司，都是属于行业的龙头企业才用到，而且目前行业对于大数据的概念都是模糊的。
底层是用到大数据架构进行储存，再上就是用到爬虫进行一些查询，再上才是需要AI深度学习算法对于大量数据进行预测分析。
看我自己做的图，一点都不好看。
大数据和AI的逻辑图
所以说大数据最多属于人工智能的一种分支方向，AI 的方向还有很多，比如图像，语言等等。
四，自然语义：
自然语义是自成一套体系，一点点深度学习知识是完全不够的，最多可以做个简单的聊天机器人，进行几句对话（hello，你好），要想达到商业基本上不可能。其难度远远大于图像语音这一块，这种项目数值量巨大，训练时间长（至少1-2月），而且一套数据的成本非常高（四川话标价在800W），所以都是大公司在做。
五，深度学习：
深度学习三大网络:CNN,RNN,GAN是人工智能非常核心的东西。说到深度学习，它也是目前人工智能最流行的方向，而且商用的都是组合网络，语言翻译都是CNN加RNN（虽然说现在的翻译效果并不理想）。
1.CNN:它是用来解决三维的空间问题的模型。
2.RNN：一般是用来解决排列性问题的模型。
3.GAN：是生成对抗网络模型。
最后
目前想在人工智能领域发展，多学习几年就能达到天花板，学了多物体追踪和图像识别，基本上在市面上都是可以用到的。像大厂的话，都要求学历，技术中等以上就行了。
人工智能和其他语言的编程思维是不一样的，如果有代码基础，学的快点。数学方面的计算问题都是是交给Numpy框架计算，数学的基本功如果不是很高，即使教太多也吸收不了，但是应付市场上80%的事情都没问题。其实没有编程经验也一样可以学，数学学得好，逻辑思维灵活，一样可以在人工智能的方向走得很远。
这篇文章是我自己的原创，有一些话语均属于我的个人观点。如果觉得我的观点有误的可以在评论区留言，毕竟我也不是行业大牛。如果是想往人工智能方面系统的学习的可以关注我然后找我私聊。
网友评论