Github
由于现在网络资源比较多,尤其Github上更大方光彩或者说B站上也有很多可以学习的资源
本文主要从人工智能整体框架学习阐述一些自己的看法
如有疏漏,请您海涵
基础阶段(数学基础 )
以Python为例,首先要打好Python基础,然后对Python进行进一步了解熟悉Numpy科学计算库,熟悉Matplotlib视觉化库以及资料分析库Panda,总的说就是学习掌握Python的相关知识
打好数学基础:学习数学分析基础理论,对高等代数微积分等有所学习,尤其对线性代数矩阵论、概率论进行加强学习
了解一部分计算机视觉或者自然语言处理的工具,看一下实战的例子,对其有一个直观的认识,了解一些比赛
入门阶段(机器学习)
对机器学习的经典算法原理进行推导学习,对机器学习的应用进行分析Skleran库进行学习,知道如何优化引数以及迭代梯度
学会资料处理以及根据不同资料进行特征分析
通过视觉化,对文字特征,图形特征,时间序列进行建模分析
对不同景点算法进行对比分析学习,对竞赛了解如何赢,怎么赢,了解大公司企业专案解决例项
进阶阶段(深度学习)
对神经网络,卷积,递回神经网络进行学习学习Opencv库,了解主流框架
基于Tensorflow或者Caffe进行实战训练,学习Keras等
使用Opencv做一些小专案
对自然语言处理也进行学习和实战
终极进阶(夯实基础)
知道所有问题的优缺点和起源对经典论文进行分析深挖复现
了解深度学习进阶技能和模型比较
对神经网络深入学习
了解未来趋势
综合实战,对未来进行规划和终身学习