隨著這兩年人工智能火起來，很多人都迫不及待的想入坑人工智能，之前也有不少同事朋友詢問過我怎么進(jìn)入這個(gè)行業(yè)，在這里我談一下個(gè)人的拙見，如有異議，歡迎討論，如果能幫到各位，非常榮幸。

后期會(huì)繼續(xù)分享計(jì)算機(jī)視覺、強(qiáng)化學(xué)習(xí)、優(yōu)化算法以及編程和工具使用等方面的內(nèi)容，感興趣的可以關(guān)注一下，歡迎私信溝通交流，我已經(jīng)把計(jì)算機(jī)視覺、優(yōu)化算法相關(guān)的資料和文章打包共享出來，如有需要可以關(guān)注微信公眾號(hào)'平凡而詩意'，回復(fù)信息獲取下載鏈接。

選定一個(gè)方向

我個(gè)人不太喜歡使用'人工智能'這個(gè)詞，因?yàn)橛X得太寬泛了，每當(dāng)有朋友問我怎么進(jìn)入人工智能這個(gè)領(lǐng)域，我都會(huì)先問一個(gè)問題：'你想從事哪個(gè)方向?'人工智能有太多方向，計(jì)算機(jī)視覺、自然語言處理、搜索推薦、機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)，機(jī)器學(xué)習(xí)又可以細(xì)分很多，分類、回歸、深度學(xué)習(xí)、元學(xué)習(xí)、增量學(xué)習(xí)。。。。

所以我認(rèn)為要想從事人工智能，首先應(yīng)該明確自己從事哪個(gè)方向，這樣才會(huì)有目標(biāo)。

掌握一個(gè)必備知識(shí)

我個(gè)人是做計(jì)算機(jī)視覺的，所以，接下來我就以計(jì)算機(jī)視覺為例講述。

人工智能是一個(gè)涉及多學(xué)科、多領(lǐng)域的的方向，數(shù)學(xué)、計(jì)算機(jī)、工程學(xué)等方面，一下分別談一下：

• 數(shù)學(xué)知識(shí)

我想在大多數(shù)學(xué)校里，數(shù)學(xué)都是理工科學(xué)生的必修課，微積分、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)，這些都比較基礎(chǔ)實(shí)用，我覺得這個(gè)數(shù)學(xué)基礎(chǔ)對(duì)入門人工智能足夠了，人工智能應(yīng)用數(shù)學(xué)最多的也就是求導(dǎo)、矩陣的運(yùn)算和分解、概率的統(tǒng)計(jì)與分析。

• 編程能力

工欲善其事、必先利其器，人工智能方向編程語言使用最多的應(yīng)該就是Python了，在很多學(xué)校理工科學(xué)生應(yīng)該都會(huì)必修一門編程課，有的是C，有的是C++，就算這些都沒用過，也應(yīng)該對(duì)Matlab了解一些，我覺得有一些編程基礎(chǔ)入門Python算是比較簡(jiǎn)單的，網(wǎng)上資源很多，社區(qū)支持也很強(qiáng)大。

• 機(jī)器學(xué)習(xí)

我這里所說的機(jī)器學(xué)習(xí)是廣義上的機(jī)器學(xué)習(xí)，涵蓋深度學(xué)習(xí)。無論是做傳統(tǒng)的機(jī)器學(xué)習(xí)回歸和分類，還是做深度學(xué)習(xí)，無論是做計(jì)算機(jī)視覺，還是做自然語言處理，都離不開機(jī)器學(xué)習(xí)，后面我會(huì)介紹一些我認(rèn)為比較好的學(xué)習(xí)資源，對(duì)于機(jī)器學(xué)習(xí)，我劃分為兩個(gè)方面：(1) 框架層面；(2) 理論層面。

(1) 框架層面

機(jī)器學(xué)習(xí)框架有很多比如scipy、sklearn、tensorflow、pytorch、mxnet等，我覺得對(duì)于框架，不再多，而再精，每個(gè)框架都有自身的優(yōu)勢(shì)，也都有自己的缺點(diǎn)，可以根據(jù)自己的項(xiàng)目需求和自己的喜好選擇一個(gè)框架，這里我比較推薦的是tensorflow和pytorch，tensorflow雖然繁瑣，但是強(qiáng)大，pytorch比較簡(jiǎn)潔高效。

(2) 理論方面

理論方面主要包括傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)里的一些網(wǎng)絡(luò)框架，首先說一下傳統(tǒng)的機(jī)器學(xué)習(xí)，我認(rèn)為這是很有必要的，從事 AI工作中免不了用到傳統(tǒng)的方法，比如回歸、隨即森林、SVM等，而且傳統(tǒng)的機(jī)器學(xué)習(xí)理論性更強(qiáng)，更能讓人了解機(jī)器學(xué)習(xí)中的內(nèi)在內(nèi)容。其次說一下深度學(xué)習(xí)網(wǎng)絡(luò)模型，以計(jì)算機(jī)視覺為例，有很多成熟高效的網(wǎng)絡(luò)模型，很多模型前后都有關(guān)聯(lián)，需要了解不同網(wǎng)絡(luò)模型，比如奠定基礎(chǔ)的Alexnet，后面經(jīng)常用于預(yù)訓(xùn)練的VGG，還有為深度網(wǎng)絡(luò)提出解決方案的ResNet，還有近幾年比較高效的SSD、YOLO系列，最后還有深度學(xué)習(xí)中的一些策略，比如怎么解決過擬合？BN是什么？Dropout是干什么的？激活函數(shù)有哪些和優(yōu)缺點(diǎn)分別是什么？。。。。

• 專業(yè)知識(shí)

如果要成為一個(gè)AI從業(yè)者，需要結(jié)合不同方向的專業(yè)知識(shí)，比如要從事計(jì)算機(jī)視覺，僅僅拿到網(wǎng)絡(luò)結(jié)構(gòu)就開始搭，這是很難達(dá)到理想效果的，這就需要對(duì)圖像底層有一些了解，例如圖像的像素和通道結(jié)構(gòu)，圖像的邊緣和灰度特征，圖像的增廣、去噪、分割，這能夠讓在相應(yīng)的方向上走的更遠(yuǎn)，做出更好的東西，可能達(dá)到事半功倍的效果。

學(xué)習(xí)資源

經(jīng)常會(huì)看到很多人在朋友圈轉(zhuǎn)發(fā)各種人工智能學(xué)習(xí)資源，的確，隨著人工智能火熱起來，現(xiàn)在網(wǎng)上有很多各種各樣的學(xué)習(xí)資源，讓人眼花繚亂，好的學(xué)習(xí)資源屈指可數(shù)，大多數(shù)不知道沖著什么目的推出的教學(xué)資料，內(nèi)容不怎么樣，收費(fèi)卻不低，很多初學(xué)者不了解行情而誤入歧途，不僅浪費(fèi)了錢，也耽誤了不少時(shí)間、浪費(fèi)了不少精力，其實(shí)網(wǎng)上 有很多免費(fèi)又非常好的資源，如果把這些利用起來，我覺得足可以成為一個(gè)AI從業(yè)者。在這里，我推薦一些我認(rèn)為比較好的學(xué)習(xí)資源。

• 視頻資源

(1) 吳恩達(dá)《機(jī)器學(xué)習(xí)》

吳恩達(dá)機(jī)器學(xué)習(xí) - 網(wǎng)易云課堂?

(2) 吳恩達(dá)《深度學(xué)習(xí)工程師》

深度學(xué)習(xí)工程師微專業(yè) - 一線人工智能大師吳恩達(dá)親研-網(wǎng)易云課堂 - 網(wǎng)易云課堂?

mooc.study.163.com

(3) 莫煩Python：我覺得雖然講的很淺，但是沒有語言障礙，通俗易懂

莫煩Python?

推薦理由：吳恩達(dá)自然不必說，人工智能領(lǐng)域的大牛，無論是在學(xué)界還是在企業(yè)界都很有影響力，我覺得吳恩達(dá)的不僅有理論性，而且很實(shí)用，尤其《深度學(xué)習(xí)工程師》這門課程講了很多深度學(xué)習(xí)策略、超參數(shù)調(diào)優(yōu)、結(jié)構(gòu)化機(jī)器學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)和序列模型，都很實(shí)用，而且吳恩達(dá)的語速相對(duì)很多人例如Hinton、李飛飛團(tuán)隊(duì)的授課語速要慢一些，更有助于理解，能夠跟得上節(jié)奏。

莫煩Python有很多課程機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、Python基礎(chǔ)、深度學(xué)習(xí)框架，很全面，中文授課，內(nèi)容不深，但是有助于入門。

• 書籍

(1) 數(shù)學(xué)方面

《概率論與數(shù)理統(tǒng)計(jì)》 盛驟

《數(shù)值分析》李慶揚(yáng)

《線性代數(shù)》同濟(jì)大學(xué)

推薦理由：這幾本書都是用于大學(xué)生教材的，所以相對(duì)嚴(yán)謹(jǐn)一些，而且難度適中，對(duì)于做人工智能，我覺得這幾本數(shù)學(xué)教材涵蓋的知識(shí)差不多了?！稊?shù)值分析》是我們本科數(shù)學(xué)系的教材，涵蓋很多數(shù)值計(jì)算方法，很多可能在機(jī)器學(xué)習(xí)里用不到，但是我覺得想要做的更深，多了解一些數(shù)學(xué)是有價(jià)值的。

(2) 機(jī)器學(xué)習(xí)方面

《深度學(xué)習(xí)》Goodfellow、Bengio

《機(jī)器學(xué)習(xí)》 周志華

《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》Peter Harrington

推薦理由：《深度學(xué)習(xí)》這本書僅僅看到這幾位作者就會(huì)明白錯(cuò)不了，都是大牛，介紹了不同方向的機(jī)器學(xué)習(xí)技術(shù)，而且很大一部分在介紹深度學(xué)習(xí)的策略和模型優(yōu)化方法?！稒C(jī)器學(xué)習(xí)》這本書主要講的是傳統(tǒng)機(jī)器學(xué)習(xí)算法，通俗易懂，沒有過多的公式推導(dǎo)?！稒C(jī)器學(xué)習(xí)實(shí)戰(zhàn)》這本書對(duì)每個(gè)機(jī)器算法都從頭到尾實(shí)現(xiàn)了一遍，相對(duì)于前面這兩本書，這本書更偏重于實(shí)踐，結(jié)合很多實(shí)例直接編程，如果跟隨這本書把各個(gè)算法實(shí)現(xiàn)一遍，對(duì)加深記憶有很大幫助。

(3) 圖像處理方面

《圖像工程》 章毓晉

《計(jì)算機(jī)視覺特征提取與圖像處理》(第3版) Nixon&Aguado

推薦理由：對(duì)于入門計(jì)算機(jī)視覺這個(gè)方向，多了解一些圖像底層的知識(shí)肯定是百利無一害，這兩本書都是圖像處理里不錯(cuò)的書籍，其中《圖像工程》這本書，是合訂版，也有單獨(dú)成冊(cè)的，分上中下三冊(cè)，如果覺得這本書太厚也可以根據(jù)自己需求買其中一冊(cè)。

(4) Python方面

《Python Cookbook》（第3版）大衛(wèi)·比斯利，布萊恩·K.瓊斯

Python菜鳥教程

http://www.runoob.com/python/python-tutorial.html

廖雪峰Python

推薦理由：理論與實(shí)踐相結(jié)合，講解穿插著代碼，容易理解和上手，而且網(wǎng)站教程較為簡(jiǎn)潔，節(jié)省時(shí)間。