简简科技|不要上手就学深度学习！超详细的人工智能专家路线图机器之心报道机器之心编辑部这个学习路

机器之心报道
机器之心编辑部
这个学习路线图几乎涵盖了人工智能领域的所有内容，点点鼠标，就能链接所需知识。

文章图片
想从事人工智能领域的研究，盲目地在网上购买了一本又一本的参考资料，学习视频刷了一遍又一遍……反过头来看，这些方法可能作用并不是很大，却消耗了大量的时间和金钱。
这时，一种提纲式的学习途径就显得尤为重要了。如果你想成为数据科学家、机器学习或者AI专家，而又苦于找不到合适的学习方法，本文将提供一组思路清晰、简单易懂的人工智能专家路线图。
这是一家德国软件公司AMAIGmbH近期发布的GitHub项目——AI专家路线图（AI-Expert-Roadmap）。该路线图几乎涵盖了AI领域所有的知识点，并且每个知识点都有详细的文档。有了这个路线图的指导，或许能帮助你快速入门乃至成为AI领域的佼佼者。该项目上线短短几天，已经收获了2.1k星。

文章图片
项目地址：https://github.com/AMAI-GmbH/AI-Expert-Roadmap
亮点多多的AI专家路线图
对学习者非常友好的是，这份AI专家路线图是一个互动版本。每个子模块所列内容都可以链接到指定网站，学习者可以找到词条的维基百科或其他来源的释义和拓展内容。此外，如果有新的研究出现时，该路线图会随时更新。
【简简科技|不要上手就学深度学习！超详细的人工智能专家路线图】该路线图旨在给学习者提供关于人工智能的整体概念，并在学习感到困惑时给予指导，而没有鼓励学习者一味地选择最先进、最热门的技术。这是因为在科研中，每个人都需要了解哪种工具最适合自己。换言之，最先进、最热门的技术不一定是最适合的。
就这份AI专家路线图而言，开发者列出了任何学习路径所必不可少的一些要素，如论文和代码、版本控制、语义化版本控制和更新日志。但就具体选择上，开发者认为在学习AI时不应直接过渡到当前热门的技术——深度学习，而应步步为营，并提供了3条可供选择的学习路径：数据科学家→机器学习→深度学习…；数据科学家→数据工程师…；大数据工程师→…

文章图片
循序渐进才是「王道」。
AI专家路线图概览
这部分内容简要总结了AI专家路线图，并从以下几个方面着手讲解：数据科学家、机器学习、深度学习、数据工程师以及大数据工程师。这5部分内容都有详细的学习路线图，点击图表任意模块，都会链接到对应的内容。
数据科学家路线图
在数据科学家路线图中，我们可以了解到进行AI研究所需要的基础：矩阵和线性代数、数据库、表格数据、数据格式（JSON、XML、CSV）、正则表达式等等。
在统计学方面，该路线图涵盖了概率论、概率分布、估计、假设检验、置信区间、大数定律、蒙特卡罗方法等等。
在Python编程方面，该路线图展示了Python基础、比较重要的Python库以及所需运行环境等。
在数据来源方面，学习者点击「AwesomePublicDatasets」图标，就可以链接到整理好的公共数据集等。接着过渡到可视化和探索性数据分析/转换/整理相关内容，最后进入到机器学习和数据工程师两个不同的方向。

文章图片
机器学习路线图
机器学习路线图主要分为4大部分：基础概念、算法、用例以及所用工具。其中基础概念部分主要包括机器学习中常用的概念、梯度下降、训练集、测试集、验证集等基础概念；算法部分列举了4类算法：监督学习、无监督学习、集成学习和强化学习；用例部分列举了情感分析、协同过滤、标注和预测；所用工具部分则介绍了scikit-learn、spacy等工具。每部分内容都有对应的详细文档。