《一堂课掌握 AI 自学路径图》分享笔记

1.前言

在上周六，看了掘金的课堂。此次的课堂和以前的不同，由于此次涉及的领域是人工智能，讲的内容也是如何自学人工智能（AI）。这个主题，领域对于我本身而言，是一个关注可是陌生的主题，不一样所从事的前端。

2.关于人工智能

在描述课堂以前，先大概介绍下人工智能的各方面。

2-1.什么是人工智能

引用百科的说法：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。企图了解智能的实质，并生产出一种新的能以人类智能类似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、天然语言处理和专家系统等。

2-2.为何要学人工智能

为何要学人工智能，这个可能不少人都想着，人工智能人才短缺，待遇高。这样想是对的，由于如今的状况就是如此。但每个行业的总会有一个风口期，红利期，这个不会一直存在。并且若是本身没兴趣，不肯接受挑战，就奔着高薪而学，注定走不远。因此，我不从这个角度解释这个为何。

我关注人工智能的理由就是由于人工智能就是一个趋势，前景也广阔，在之后也会逐渐的渗透到各行各业里面，影响咱们生活的各个方面。因此就以为人工智能值得学习。

也顺便扩展一下：我了解的人工智能如今有哪些应用领域了

领域	具体应用
在计算机视觉	车牌识别，图像识别，人脸识别，人脸美颜，无人车
情景智能	导航最佳路线，用户行为推荐
语音技术	语音识别，精确翻译，智能助手（说一段话，计算机完成一个任务）
生产，制造业	自动化车间，智能农业

3.关于课堂

3-1.主题

一堂课掌握 AI 自学路径图

3-2.了解目标

AI 如何改变咱们的生活？

AI 在七牛云的应用？

学习 AI 须要哪些基础知识？

参与 AI 相关的工做须要哪些知识？

AI 相关岗位的平常工做是什么？

如何自学 AI

相关资源

4.AI技术革新

首先，第一个课时是彭垚老师带来的《AI技术革新》讲述的内容分为如下三大块吧。

4-1.AI若是改变咱们的生活

关于人工智能改变生活，主要有三大块，计算机视觉，语言识别，语音识别，具体的产品这里就不列举了。

计算机视觉方面的应用，好比导航的车辆识别，人脸识别，行为分析。

语音识别方面，好比智能机器人，智能音响。

语言处理方面，在线客服，我的助理，只能问答。

这一些领域都有不少出色的产品出现，在这里就不列举了。可是不能否认的就是，由于这些领域的产品出现，给咱们生活的衣食住行都有很大方面的改善。

4-2.AI在七牛云的应用

老师介绍到，七牛云围绕海量数据提供创新，灵活的组合场景，把AI融合进七牛运的产品线里面去。同时加力发展视频智能和数据智能的探索和应用。其中视频智能里面，包括内容审核（对色情，暴恐等视频进行处理，保证视频内容健康），人脸识别（身份核验，智能安防等），视频分析等，在数据智能里面，包括数据分析决策，理解机器语言和情绪，洞察将来等。

除此以外，也介绍了七牛云的人工智能实验室的核心创新体系。介绍了运用AI实现内容审核（对色情，暴恐等视频图像进行处理，保证内容健康），城市之眼（对人，物，场景进行检测，实现身份核验，智能安防等需求），媒资智能（对视频图像等实现人脸识别，实现人工检索等需求），创新计划。也介绍了当中的技术架构，运做原理，以及一些成功案例（陌陌，步步高，美图秀秀等）。

4-3.七牛云的AI工程师的平常

首先，AI工程师有7种，计算机视觉算法工程师，机器学习平台研发工程师，大数据平台研发工程，搜索引擎研发工程师，系统架构工程师，业务架构工程师。这几个职位字面上知道是负责什么，虽然我都不会。老师在课上简单介绍了他们的工做内容，成果方面包括AVA弹性深度学习平台，LEGO大数据富媒体知识库，AI Video OS等。

4-4.问题回顾

由于打字速度跟不上说话速度，内容也过多，用我本身的意思表达又担忧表达错误（其实就是由于懒），因此答案就不写了，须要知道答案的，请点击下面的连接，观看视频。

1.七牛云AI的核心技术能力是什么？

2.将机器学习与社会可与研究相结合，有哪些可能的基于和挑战？

3.不少关于人工智能的文章说，中国在人中只能领域处于领先位置，可为何在学习过程当中找到额度资料都是国外的？

4.系统架构和业务架构有什么不一样？

5.能够简介一下AI开发的流程吗？

6.这个AI Video OS是用在什么应用场景的呢？是对外提供服务能力，仍是对内使用？

最后，由于这个只是我一个简单的笔记介绍，若是你们想了解更多，仍是得点击下面连接进行观看：

www.bilibili.com/video/av231…

5.AI初学者入门

而后，第二个课时是邵杰老师带来的《AI初学者入门》。关于这个课时，并非讲了AI的全部应用领域，挑了两个应用很广的两个领域：机器学习和计算机视觉。

5-1.课程内容

开始以前，提了三个建议：

1.不要等到掌握全部的相关数学知识再开始 2.不要收集过多的学习资料 3.动手，动手，动手

关于第一个建议，老师目的就是想说，由于知识太多，难以所有掌握，会影响信心，并且不少知识不必定要求特别熟悉，想你们尽快的进入学习人工智能里面去。这也的确，不止AI，前端也有这样的状况，就是有人评估作前端仍是后台的时候，就是评估前端要学什么，后端要学什么，这样就感受有点想太多了。

关于第二个建议，老师以为网上资料繁杂，质量难以保证，也不系统，收集过多的资料，时间成本太大。

关于第三个建议，这个应用是通用的，即便是我本身写文章，我也很是建议，也屡次提到你们除了看，更要写，这样才能印象深入。若是只看不写，学的过程很容易懵。

机器学习：利用学习算法，从数据中产生模型。简单的说就是根据写的程序（机器算法），根据大量的数据，产生一个模型。讲师也讲了一个实例：好比常常会收到垃圾邮件，下次在收到的时候，根据已收到的垃圾邮件进行分析，判断是否是垃圾邮件。

机器学习：泛化性（根据已有的数据，分析新数据），算法偏好（不一样的模型，问题，应用匹配不一样的算法）

关于机器学起，也用了K近邻的方式实现一个图像识别。可是学习以前，你们要学习下相关的数学知识。

5-2.问题回顾

仍是同样，只有问题，答案看视频。

1.建不建议从深度学习开始入手学习？

2.phtroch和TensorFlow两个机器学库，选择哪一个学习比较好？

3.动手很重要，具体应该怎么实践？

4.AI开发选用什么变成语言比较合适？

5.请问老师，对于传统软件开发行业（c语言），行行人工智能行业（机器学习方向）有什么建议？

6.老师对于在线的机器学习的课程怎么看，例如coursera等等麻烦说说

视频连接：

www.bilibili.com/video/av231…

5-3.学习资料

附视频说起的学习资料：

书籍

尼克《人工智能简史》（这本书要认清做者，由于老师提到，《人工智能简史》有两本同名书籍，推荐的是尼克这本）

Miroslav Kubat《机器学习导论》

周志华《机器学习》（西瓜书）

Aurelien Geron《 Hands-on Machine Learning with Scikit-learn & Tensorflow 》

Ian Goodfellow等《Deep Learning》（花书）

ML 101

Getting Started With MachineLearning (all in one) by 梁劲 sina.lt/f3W8

Machine learning 101 by Jason Mayes sina.lt/f3W3

在线课程

机器学习速成课程 developers.google.com/machine-lea…

台湾大学李宏毅教授 speech.ee.ntu.edu.tw/~tlkagk/cou…

吴恩达教授 mooc.study.163.com/smartSpec/d…

斯坦福大学 cs231n cs231n.stanford.edu/

斯坦福大学 cs224n web.stanford.edu/class/cs224…

其余

scikit-learn Tutorials scikit-learn.org/stable/tuto…

机器学习术语表 developers.google.com/machine-lea…

4.小结

此次课堂的我的理解就差很少就到这里了。但这个课堂可让你们对AI开发有一个大概的了解，知道AI能够作什么，怎么作。以及AI自学的一个指导，至因而否受用，这个就见仁见智了。

最后感谢掘金和两个讲师给你们带来课程。