目前,机器学习、深度学习、自然语言处理等已经成为互联网技术的主流。
截止2020年,全国各大高校都在逐步建设人工智能学院,如:深圳大学、中国科学院大学、南京邮电大学等双一流建设高校。
在此背景下,各个领域、学科都在利用机器学习技术进行交叉研究,来解决行业内问题。无论是报考人工智能专业的高考生还是刚接触人工智能的研究生,是感觉这很高大上,技术感很强;但当他真正去接触的时候,却觉得有点陌生。
这主要是因为机器学习这门课本身就是多学科进行交叉形成的,如数学、统计学、凸优化、概率论等等;只是随着深度学习模型的快速发展,使得人工智能在理论底层减少了数学、统计学等学科的应用。
学习路线:
1、程序设计语言:Python
由于Python本身的程序编写简洁快速、入门简单功能强大、代码开发效率很高、扩展性高等优势;既符合初学者,又简单易学;而且主流的Pytorch、TensorFlow框架可以辅助我们后面机器学习算法(如:SVM、贝叶斯等)的学习。
对于机器学习的入门,只需要了解简单的Python语法即可(如:元组、列表、类等),如果有过其他语言(如C、JAVA)学习经验的或者没有接触过计算机语言的同学,没有必要从头开始学习Python,只需要在小破站里找个Pytorch的相关教程即可!
2、编程软件安装:Pycharm、Anaconda
Pycharm:是一款python语言的编译器,大家可以去官网(https://www.jetbrains.com/pycharm/)下载;如果是在校学生,可以使用教育邮箱进行激活专业版本,免费使用。
Anaconda:是机器学习运行环境,主要是对安装的conda环境进行管理,Anaconda官网(https://www.anaconda.com/)可以免费下载。
3、理论知识学习路线:
对于机器学习的初学者,可能被很多人推荐的是周志华老师的《西瓜书》;但是,如果是初学者或者是数学底子(高数、线代、概率)不是很强的同学,真心不建议看这本书,会越看越难受的;大家可以按照以下路线学习:
(1)相关理论知识:
李航《统计学习方法》第二版
《矩阵论》西北工业大学出版社(主要了解矩阵求导法则、Hessian矩阵、范式等)
Stenphen_Boyd 《凸优化》(王书宁译)(这本书对于理解 SVM 具有重要意义,建议大家可以看中科大凌青老师的视频,但内容较多,如果对 SVM 没必要深究的同学,这本书可以忽略不看)
(上述数据内容较多,建议在遇到相关问题时再进行查阅,否则把这三本书全都学下来简直就是浪费时间)
(2)专业理论知识
书籍推荐: Ian Goodfellow、Yoshua Bengio 和 Aaron Courville等人 《深度学习》,俗称“花书”
视频推荐:吴恩达《机器学习》 / 李宏毅《机器学习》
(3)代码实战
李沐《动手学深度学习》
如果大家找不到以上数据的PDF版本,可以私撩我!!