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 。
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
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 。
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
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→…
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
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 。
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
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 。