【编程不太牛】AI时代来临，开发者如何向AI开发转型？

 

随着软件开发技术不断迭代升级，AI开发逐渐成为开发者最为关注的发展方向。面对AI开发，建模、训练、优化、应用开发，到处都有难题，迁移成本，分分都要考虑，在转型AI开发的过程当中，做为开发者的你，都遇到了哪些问题？是如何实现转型的？

无论我的是否向AI转型，对于我的来讲，了解AI也是必要的。

1、做为程序员能够在掌握了数学、python的基础上多了解机器学习等，并经过项目实操多参与实践。

知识体系

首先要作到应用。这对于熟练python的程序员有必定优点， 同时须要对机器学习和深度学习有必定了解，能用tensorflow作一些模型训练。

其次，熟悉tensorflow，caffe，pyTorch等框架，拥有对Inception，Resnet等经典模型的基础。能看懂论文和代码，并可以结合数据进行分析和实验，对模型结构，参数等不断进行优化，达到提升识别率等目的。这个优化过程须要耗费大量的时间。

2、对于一些仅仅想了解或初步尝试的学习者，推荐一些通俗易懂的帖子和网站：

如何自学人工智能？

学习人工智能的路线？

非技术背景入门人工智能，有哪些值得推荐的基础学习资料？

机器学习第一部分：python库相关

如有必定基础，而且有实操的需求，机器学习了解一下~（附教学视频）

3、对于想深刻了解人工智能行业或但愿从技术上有提高的学习者，推荐看一些经典之做：

1．学习 OpenCV

Learning OpenCV 的做者是 Gary Bradski 和 Adrian Kaehler，本书适合对计算机视觉和图像处理有基本了解的人群，经过本书能更好地了解 OpenCV 如何让编程任务更容易。

两位做者将众所周知的算法编码成可调用的函数库，能够用来完成更复杂的任务。固然，这也做为一本用户手册，目录结构清晰，遇到问题时可进行查阅。

2．人工智能：一种现代的方法

Artificial intelligence: A Modern Approach 是人工智能领域经典教材，做者是 Stuart Jonathan Russell 和 Peter Norvig。本书提供了现代技术中关于人工智能理论与实践最全面和前沿的介绍，经过智能决策、搜索算法、逻辑推理、神经网络和强化学习等方面来介绍最早进的人工智能技术，推荐给对人工智能感兴趣的专业研究人员。中译本封面你们可能更熟悉一些：

3．智能 Web 算法

做者是 Haralambos Marmanis 和 Dmitry Babenko，本书会让你学会该如何捕获、存储和构建网络中的用户数据，并经过数理统计、神经网络和深度学习等方法实现数据分类，进而构建推荐系统。本书还提供了如在线广告的点击预测等案例分析，附有相关代码。

4．语音与语言处理

这本书的做者是 Dan Jurafsky 和 James H. Martin，本书涵盖了经典天然语言处理、统计天然语言处理、语音识别和计算语言学等方面。对于语音学领域专业人员，是一本重要的参考书籍。

5．模式识别与机器学习

做者是 Christopher M. Bishop。本书提出了近似推理算法和用于描述几率分布的图模型等多种最新分类方法。在阅读本书以前，最好有多变量微积分和基本线性代数等数理基础，面向人群为高年级本科生、研究生和相关研究人员。

6．游戏人工智能编程案例精粹

Programming Game AI by Example，做者 Mat Buckland。本书是游戏人工智能方面的经典之做，畅销多年，主要讲述如何使游戏中的角色具备智能。适用于对游戏 AI 开发感兴趣的爱好者和游戏 AI 开发人员。

7．统计天然语言处理基础

Foundations of Statistical Natural Language Processing，做者是 Christopher D. Manning 和 Hinrich Sch ü tze。本书涵盖的内容十分普遍，包括了构建天然语言处理软件工具将用到的几乎全部理论和算法。全书的论述过程由浅入深，从数学基础到精确的理论算法，从简单的词法分析到复杂的语法分析，适合不一样水平的读者群的需求。

8．模式分类

Pattern classification 的做者是 Richard O. Duda、Peter E. Hart 和 David G. Stork，是模式识别和场景分析领域的经典著做。

9．模式识别中的神经网络

Neural Networks for Pattern Recognition 的做者是 Christopher Bishop，本书在介绍基本数学知识后，研究了几率密度函数的建模方法以及多层感知机和径向基函数网络模型的性质和优势，还提到了偏差函数的主要算法、神经网络调参技巧及贝叶斯技术的应用。适合涉及神经计算和模式识别领域的相关研究人员。

10．计算机视觉

Computer Vision: A Modern Approach 是计算机视觉领域的经典教材，做者为 David Forsyth 和 Jean Ponce。

本书涉及线性滤波、局部图像特征、聚类、图像分类、对象检测和识别、基于图像的建模与渲染等。

与前一版相比，本书简化了部分主题，增长了应用示例，重写了关于现代特性的内容，详述了现代图像编辑技术与对象识别技术。

11. 人工智能游戏编程真言

AI Game Programming Wisdom 的做者是 Steve Rabin，本书聚集了与智能游戏开发有关的人工智能内容，借助这些内容，开发员可以顺利开发角色。

中译本《人工智能游戏编程真言》

12．Python 天然语言处理

Natural Language Processing with Python 的做者是 Steven Bird、Ewan Klein 和 Edward Loper。本书基于天然语言工具包 NLTK 库，内容按照难易程度顺序编排，不要求读者有 Python 编程的经验。是天然语言处理领域的一本实用入门指南，适合 Common Lisp 初学者及对其感兴趣的相关人员。

最后想说，任何一次改变世界的技术革新都是在必定的社会需求积累到必定量的前提下。人工智能更重要的不是技术基础，而是具有AI的思惟方式。关注社会发展、关注社会需求的新方向，用技术去解决人们的生活难题才是AI的本质。了解更多学习AI教学资料领取 了解更多学习AI教学资料领取