想学人工智能从哪入手-从头开始人工智能和机器学习从哪里开始？

图片来源：Unsplash

在线学习不是传统的学习方式。 我朋友申请的所有职位都有硕士学位要求，或者至少是某种技术学位。

而且他没有学位。 但我确实从大量的在线课程中学到了一些技能。

学习路上，他一直在网上分享自己的学习过程。 他的 GitHub 包含了他做过的所有项目，他的 LinkedIn 也包含了很多。 他还与其他人交流从 YouTube 和 Medium 上的文章中学到的知识。

他从未给马克斯·凯尔森发送过简历，但他们说：“我们看到了你的 LinkedIn 个人资料。”

“你的学习之旅就是一份简历。”

无论你是在线学习还是攻读硕士学位，收集自己的学习或工作经历都可以很好地帮助你树立自己在行业中的形象或地位。

机器学习和人工智能技能是有需求的，但这并不意味着你必须将它们隐藏在幕后。 不管产品有多好，没有货架就卖不出去。

GitHub、Kaggle、LinkedIn 或博客，任何其他人可以看到的地方都可以。 另外，拥有自己的互联网角落本身就很有趣。

如何开始？

哪里可以学到这些技能？ 哪些课程比较好？

上述问题没有最佳答案。 每个人的路都是不同的。 有些人通过看书学得更好，而另一些人则需要看视频。

比如何开始学习更重要的是为什么开始。

从动机开始。

你为什么想学习这些技能？

你想赚钱吗？

你想建造一些东西吗？

或者想有所作为？

没有具体的正确理由。 所有的学习方法都有其存在的理由和意义。

从动机开始，因为开始的原因比如何开始更重要。 知道你的原因意味着当事情变得困难时你有可以依靠的东西表情包设计，它会提醒你你为什么开始。

你找到动机了吗？ 非常好。 然后是时候学习一些硬技能了。

朋友推荐了一些他尝试过的课程（按学习时间排序）：

·Treehouse——Python简介

·DataCamp — Python 简介和 Python 数据科学

·Udacity — 深度学习与人工智能微学位

·Coursera — 深度学习 作者：Andrew Ng

·fast.ai — 第 1 部分，随后是第 2 部分

这些都是世界一流的课程。 他是一个视觉学习者，当他看到事情做得好时，他会学得更好，这就是他所有课程的方式。

如果您是一个完全的初学者，请从一些介绍性 Python 课程开始，一旦您感到自信，您就可以继续学习数据科学、机器学习和人工智能。 DataCamp 非常适合想要专注于学习数据科学和机器学习的 Python 初学者。

图片来源：Unsplash

需要多少数学知识？

他的数学教育的最高水平是高中。 我在可汗学院学到了其余的内容。

每个人对于机器学习和深度学习所需的数学水平都有所不同。

如果想利用机器学习和人工智能技术来处理某个问题，并不需要深入了解数学就能得到好的结果。 TensorFlow和Pytorch可以帮助有一定Python经验的人构建最先进的模型，相关的数学问题也将在后台处理。

如果你想通过博士课程或类似课程深入研究机器学习和人工智能，那么数学知识至关重要。

就这位朋友而言，他并不打算对数学进行深入的研究，也不打算进一步提高算法的性能。 他会把这些工作留给更聪明的人。

相反，他非常愿意在自己能力范围内使用库，并在适当的时候使用它们来帮助解决问题。

机器学习工程师实际上是做什么的？

机器学习工程师实际做的事情可能不是你想象的那样。

虽然你通常可以在网上看到很多文章的封面照片，但机器学习工程师的工作并不总是与机器人有关。

以下是机器学习工程师每天必须问自己的几个问题。

·内容——如何使用机器学习来帮助更好地理解您的问题？

·数据——您需要更多数据吗？ 需要什么表格？ 数据丢失后怎么办？

·建模——应该使用哪种模型？ 数据是否存在过度拟合？ 或者为什么它不够合适？

·生产——如何将模型投入生产？ 应该是在线模型还是应该每隔一段时间更新一次？

·维修——模型坏了怎么办？ 如何通过更多数据来改进它？ 有没有更好的方法来改善呢？

以上引述自fast.ai创始人之一Rachel Thomas的著作，她对此有更深入的见解。

此外，下面的视频记录了周一在 Max Kelsen 举行的活动。

没有具体的学习路径

进入机器学习或人工智能（或任何其他领域）的方式没有正确或错误之分。

这个领域最好的一点是，每个人都可以接触到世界上最好的技术，而我们所要做的就是学习如何使用它们。 你可以从学习Python代码开始，学习微积分和统计学，学习决策哲学。

机器学习和人工智能之所以令人着迷，是因为它们涵盖了如此多的领域。 当你学得越多，你就越意识到还有很多东西要学，这不是很令人兴奋吗？

有时想学人工智能从哪入手吉祥物设计，如果代码无法运行或者无法理解某个概念，每个人都会感到沮丧。 是时候休息一下，把自己从问题中抽离出来，小睡一下，或者出去散步。 当你回来的时候，你会发现你可以从不同的角度看事情想学人工智能从哪入手，兴奋感就会回来。

当我的朋友们不断学习时，他们告诉自己：我是一台学习机器，同时又强壮又帅气。

这个领域正在发生如此多的变化，一开始可能会让人望而生畏。 太多的选择可能会导致别无选择。

但现在不用担心！

图片来源：Unsplash

从您最感兴趣的地方开始并继续前进。 如果你走进了死胡同，很好，这意味着你找到了一些你不感兴趣的东西。重新调整你的脚步，选择另一条路。

尽管计算机很聪明，但它们仍然无法自学； 他们需要你的帮助。

快来向他们伸出援助之手吧~