人工智能AI入门
从下面这几个方面谈下吧，首先要读些入门的书籍，看下入门的视频，然后动手写代码锻炼，最后参加比赛等进行实践。
1读书：当然读这些书的时候，最好要有高等数学、线性代数、概率论的知识。（1）《python机器学习基础课程》，确实很基础，可以了解到什么是监督学习、非监督学习，以及一些相应的算法。
（2）李航《统计学习方法》：也是监督学习、非监督学习，算法较多，公式较多。但推导过程少，看起来应该费劲些。（3）《深度学习》，讲了不少神经网络的基础知识，可以系统的学习下。
（4）冈萨雷斯《数字图像处理》，做图像识别的最好看下本书，系统的讲解了图像处理的一些原理。
2视频B站有不少视频，推荐下面这个，各算法有详细的推动过程：https://space.bilibili.com/97068901
3代码锻炼（1）我是从tensorflow开始的，它的官方网站有很多实践代码，https://tensorflow.google.cn/tutorials/keras/classification?hl=zh_cn
（2）github，这里有很多开源的AI代码。https://github.com/
4实践（1）Kaggle，国际知名比赛平台，里面氛围很好，很多开源代码，可以边参加比赛边学习，还有免费的notebook机器使用。https://www.kaggle.com/（2）国内的一些比赛，比如阿里天池，也可以边参加比赛边学习，也许还能拿个大奖及奖金。https://tianchi.aliyun.com/
5最后你最后可能要在人工智能的某个领域继续深耕，比如图像识别、语音识别、自然语音处理、数据分析等，每个领域的知识都很多，虽然也经常互通，但应该还是要专攻某个具体的领域。
人工智能如何学习AI学习入门详细资料推荐！
大家好！我是小编！
今天给大家详细说说人工智能如何入门，以及这些日子我自己整理了一些学习资料，并免费分享出来，希望对大家的学习能有所帮助。
一：学习途径在我学习人工智能的过程中，主要有以下两个途径：
首先是B站。B站是我们学习的一个非常重要的网站，里面有各种各样的学习知识，关于人工智能也是有很多最新前沿技术教程。第二是书籍。视频的讲解难免会不全面，很多时候我们需要翻阅书籍对知识进行查漏补缺、透彻理解。本文提及所有书籍在文末可免费获取电子版。二：AI知识大纲学AI知识大体可以分为5个模块，接下来我会依次介绍每个模块的学习路径，最后给大家推荐几个我入门时做过的项目，帮助大家快速入门人工智能。
网络资源推荐在这里给大家推荐两本机器学习与深度学习入门必读书籍，很多小伙伴刚学习人工智能的时候都会学习这两本书籍，所以这也称之为AI必读圣经。
三：数学基础很多同学看到数学就头疼，其实模型通用的基本数学原理并不难，难的公式在之后的模型中遇见时再逐个击破即可。
切记前期不要深陷到数学知识中去深挖！！
高数首先大家不要惧怕数学。在遇到我们不会的数学公式时，我们要更多的思考这个公式能解决什么问题，而不是一直纠结公式的推导与计算。
比如梯度下降和反向传播的根本原理就是求导，全局最优解就是极值点，所以最优解一定在导数的某一个拐点处，类似的很多知识都是高中就学过的。
线代在深度学习中，线代最重要的应用就是高维数据相乘运算，可以大大提升运算速度。
首先要明白矩阵各维度所代表的意义其次清楚矩阵的运算规则概率论概率论的知识在AI体系中看似不那么重要，但却无处不在。从数据预处理、建模、模型参数初始化及归一化，到最后的结果分析都与概率论息息相关。
常用指标很多是大家耳熟能详的，比如均值、方差。如果你之前没有很强的概率论功底，建议你掌握常用知识后，在实际中遇到不懂的问题时要养成查阅的习惯。这部分知识不会太难，但是对理解模型与过程十分的重要：
比如为什么树模型一般不需要进行数据归一化？而逻辑回归、神经网络、PCA中就必须进行数据归一化？
网络资源推荐这里推荐的是唐宇迪著作的人工智能数学基础。这里把深奥的数学方法解释得通俗易懂，非常精彩，很多模型原理都可以在其中找到你想要的回答。
未完待续上述提到的重点内容日后会继续和大家分享，文字难以表达的也会以视频的方式和大家见面。
我目前的工作是人工智能方向欢迎大家与我交流。同时，本文提到的书籍及人工智能路线图，加我公众号【AI技术星球】，后台回复【3】均可免费获取。
搞AI（人工智能）都要掌握哪些知识
大家好，我是YESLABAI的产品总监，大家可以叫我小产。
那个啥，YESLAB的华为AI课程HCNA快开班了，很多后续的AI课程也会很快陆续和大家见面。面对铺天盖地的咨询，我认为自己很有必要解答一下大家经常提出的疑问。
话说，在过去几个月，售小姐姐们最常被问到的问题是，学AI都要掌握哪些知识呢？今天我就回答一下大家的这个问题。
如果上网查查，你会发现各方牛人们都在说，入门级的AI玩家需要至少拥有：
•包括高等数学、线性代数、概率论与数理统计在内的大学数学知识；
•使用一种到多种编程语言的能力，如Python、C++、Java；
•比较熟练的英语阅读能力，用于阅读论文；
•相当的人工神经网络知识；
•……
等会儿啊，我还没说完，你们怎么都走了……
别着急啊，上面只是间接引语，我还没说我的看法呢。上述技能确实是从业AI领域所需的几大技能，但是这并不表示所有人都必须熟练掌握所有的技能。所以，一听学AI就觉得高不可攀的朋友，真的不用过于担心这个问题。
下面，我来逐项地和大家分析一下，上述技能是不是学习AI必须掌握的知识和技能；如果不是必备技能，那么掌握它们有哪些好处，不具备又会遇到哪些问题。
一、大学数学基础
很多朋友兴致勃勃地准备从事AI，但是一听到学习AI需要掌握大学数学基础知识，立刻感觉自己受到了10000点伤害，其实没有必要啊。
首先，大家在大学里面学习数学课程的侧重点是逻辑推论和举一反三。上课的时候，老师疯狂点击PPT演示推导过程和求解例题，大家则在下面兴致勃勃地……刷微信。
不过，在AI项目中学习这些数学课程，侧重点则是各类数学模型在AI中要如何使用，或者说如何在应用场合中套用这些数学模型。反而是平时数学上大家最头疼的那些推论啊、题海战术啊，在AI学习过程中可以暂时忽略掉。
不怕大家不信，熟悉数学模型的应用虽然特别简单，但有的时候还能反哺到推论的学习。所以，学不会大学数学课程的朋友，说不定反而能在我们的AI课程上找到突破，实现借道超车呢。
总而言之，即使是那些大学数学课基本都用来刷朋友圈的学渣同学，你们也可以应付AI课程的学习。打个比方，如果大学数学课程是教大家研发汽车，我们AI课程中的数学部分就是教大家学开车。
那么，如果我不想去掌握这些数学知识，可以学习AI吗？
可以，其实AI从业者中，拥有强大数学背景、数学知识足以支持一切AI应用场合的人依然是少数。只是，数学基础的缺陷，容易导致大家在从业中遇到一些障碍。那时，大家就需要按照查字典的方式，有针对性地去补充项目中用到的那个数学知识点了。另外，完全不掌握这些数学知识，学习人工神经网络的过程可能会痛苦一些。
二、编程语言
完全不会编程的人可以从事AI吗？
其实可以，不会写代码的AI从业者数量并不少。在AI领域，有一些拥有丰富从业经验的人喜欢大量钻研前沿的科技论文，然后构想怎么把这些最新科技动向投向产业。这类人群往往并不写代码，他们也不会写代码，但他们对于前言科技发展的眼光是敏锐而独到的。怎么说呢？程序猿的工作是满足AI的应用需求，这种人的工作是提出AI的应用需求，也就是充当PM。
所以，编程语言只是AI的实现工具，把编程语言培训美化成AI培训只是培训机构的宣传策略。YESLAB也一直强调，不讲人工神经网络的AI培训都是耍流氓。
不过在这里，小产还是得把丑话说在前面，拥有大量论文积累但不会写代码的人大量存在，并不代表大家应该这样规划自己的职业发展路径。对于新入行的朋友，把广泛阅读科技论文当成绕过学习编程语言的近路，有可能会在入行时遇到求职问题，因为一家企业很难相信一个没有写代码能力、也没有从业经验的新人在AI前沿科技方面能够拥有独到的眼光。
要不然，YESLABPython课程了解一下？
三、阅读论文
阅读科技论文的重要性，小产在前面刚刚介绍过了。那么，对英语阅读能力没有信心，或者不想在论文库里皓首穷经的人可以从事AI吗？
可以，只不过这样一来，大家的职业发展就会遇到瓶颈，或者说会固定在长期从事一线工作的状态。当然，长期从事一线工作也没有什么不好，只是如果大家关注大企业的AI人才需求，一定会发现它们都是十分青睐于那种同时拥有编写代码能力，和积累了大量前沿论文的人才。
那么，很多朋友可能想问，阅读科技论文对英语的要求是什么水平呢？
这么说吧，如果大家雅思阅读考到8.5以上，或者托福阅读考到28……
回来回来，我是说，如果大家四级都考不过，那也不要紧……
英语和数学确实是很多人的老大难，销售小姐姐们也确实反映很多朋友在咨询时都提出了论文阅读的问题。其实，英文水平的提升和论文阅读量的积累都是一个循序渐进的过程，可以提高大家职业发展的上限，但是并不会影响大家进入AI这个行业。
当然，小产注意到大多数负责任的AI培训机构为了消除这个门槛，都在课程中插入了一些论文带读的分享课。YESLABAI公会也决定在例行活动中，适时地选取一些在业内公认很有价值的经典科技论文，和一些比较有潜力的前沿科技论文来为大家进行带读，帮助大家彻底消除英语阅读障碍对诸位了解AI领域前沿科技动态造成的影响。
英文的事情，AI公会可以搞定，近期优惠呦。
四、人工神经网络
如果大学的专业与人工智能不相关，那么人工神经网络可能是大家在大学期间完全没有接触到的一个领域。于是，也有很多人问，不懂人工神经网络可以从事AI吗？
答案是可以，但是不推荐。说的直观一点吧，完全不懂人工神经网络从事AI，就像你在肯德基点了一份老北京鸡肉卷，然后告诉KFC的小姐姐不要加鸡肉。
确实，有很多根本不懂人工神经网络的人也在从事AI行业。在个别知名企业的认证培训体系中，也弱化了人工神经网络知识所占的比重。这是因为这些跨国企业的认证培训体系是服务于推广自身产品的，人工神经网络作为它们产品的核心技术架构，已经集成在了产品内部，受训者未来在工作中扮演的角色只是在它们产品的平台上用编程语言调试它们。
这种简化人工神经网络知识在培训体系中所占比重的做法，对于厂商的好处是明显的，毕竟有能力承担人工神经网络教学的人在行业中凤毛麟角，而培训师资人数受限则会限制产品推广的效果。学习这种课程的人只要拥有编程基础就可以比较快地上手，但却会在开源的时代背上比较浓重的厂商背景，压缩了职业发展的空间。当然，大多数厂商的认证培训体系，包括华为推出的HCNA认证中，还是会包含对人工神经网络的介绍。
其实，人工神经网络并不是太高深的技术。它说白了就是始于大脑仿生学的一种逻辑图，如果其中不包含数学函数，看上去比计算机网络的拓扑图都要容易很多。大家完全不需要特别担心这部分内容学不会啊。
总之，相比于担任网络工程师，从事AI技术人员的门槛确实提高了。根据入门同学大学各类基础课程的掌握水平不同，我认为门槛大概提高了10%-30%。但门槛的提高客观上增加了这个行业从业者的含金量，让从业者仅凭一段短时间内的集中投入，就可以拥有一份薪酬更加可观的体面工作。所以，有句话怎么说的来着？一件事的对与错，取决于你看待它的角度。
最后，相信大家也看明白了。这篇文章通篇就是向大家传达一个理念：学AI不怕起点低，AI从业者也不都是全才。
不过，凡事都得有个度。前一阵，一位销售小姐姐问我，有个咨询的大哥哥问她，不会数学，不懂人工神经网络，不想学编程，也不打算读论文，能不能直接搞AI？
（THEEND）
www.yeslab.net