當前位置: 華文問答 > 數位

如何自學人工智慧?

2013-07-01數位

2023.11.11更新,成功拿到BAT之一演算法崗秋招offer。

序:良心推薦,沒有晦澀難懂的書籍,沒有英文書籍,學習過程循序漸進,同時也沒有雜七雜八多余的推薦,一切從簡,截止2023年11月11日,這裏的推薦應該都是最適合的,如果之後有優秀書籍現世,會及時更新。

再序:如果你急著證明自己(也就是需要成績寫入簡歷),那麽不得不直接上手ML/DL相關;如果你現在處於一個相關行業的平台,有足夠的時間,那麽建議先從數學學起,之後再涉獵ML/DL。

閱讀順序從前到後

1. 基礎版(更多從易懂、實踐角度出發,數理要求低)

數學基礎:

  1. 數學要素和矩陣力量

適合剛上大學的同學或對AI感興趣的初學者,理論+配圖+例子+程式碼實作,一套組合拳給你安排得明明白白。

3. 數學分析

4. 最佳化方法

電腦基礎:

  1. 數據結構
  2. 作業系統
  3. C++

推薦王道考研系列。

數據結構與演算法python版,建議熟練掌握。

因為人工智慧的落地是建立在程式碼實作的基礎之上的,因此電腦基礎非常重要,尤其是在大數據工業情形下,電腦基礎對於計畫設計的指導非常有價值。

就算不競賽,最差最差面個試每一面都要來個題,早做準備,面試時候秒a還是很酷的。

深度學習/機器學習:

  1. 神經網路與深度學習 邱錫鵬老師
  2. @邱錫鵬

這書真的太好了,簡潔明了,涉及機器學習,深度學習基本知識,我心目中最最出色的深度學習書,非常全面。

2. 請bilibili搜尋 李宏毅 機器學習

理論知識(主要為公式推導):

  1. 李航老師 統計學習方法

程式碼:

課件:

連結: https:// pan.baidu.com/s/1izcazm XtwGV8De61p61Acw 密碼: hpgf

課程:

2. 周誌華老師 機器學習

公式解讀:

程式碼復現(numpy):

3. 機器學習百板推導(視訊)

編程知識:

  1. Python編程

2. Tensorflow2 / Pytorch

對於Tensorflow2,看這裏

對於Pytorch,看這裏

細分領域:

  1. 自然語言處理:

請bilibili搜尋 李宏毅 自然語言處理。

2. 文本資料探勘(宗成慶老師書)

2. 推薦系統:

王喆老師 @王喆 深度學習推薦系統

這書真的太好太好了,內容順序非常舒適,同時結合現今工業級推薦系統

3. 圖神經網路

4. 知識表示學習

5. 異常檢測

6. 強化學習

打個比賽熟練下操作吧

時間序列預測類比賽,看這裏:

nlp:

多模態:

寫好程式碼也很重要呀!