如何學(xué)習(xí)人工智能

　　人工智能(Artificial Intelligence)，英文縮寫為AI它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)?，F(xiàn)在隨著時(shí)代的發(fā)展，AI的應(yīng)用也越來(lái)越廣泛了，那么今天小編就為大家介紹一下該怎么入門人工智能。

　　人工智能雖然經(jīng)過(guò)了60多年的發(fā)展，期間也有眾多著名科學(xué)家的參與，但是目前人工智能領(lǐng)域的發(fā)展依然處在初級(jí)階段，整個(gè)人工智能領(lǐng)域還有大量的課題需要攻關(guān)，所以目前人工智能領(lǐng)域更關(guān)注中高端人才。

　　要想系統(tǒng)的學(xué)習(xí)人工智能一方面需要具備扎實(shí)的基礎(chǔ)知識(shí)，另一方面還需要通過(guò)具體的崗位實(shí)踐(課題研發(fā))來(lái)完成，因?yàn)槟壳叭斯ぶ悄茴I(lǐng)域的很多方向還依然有待完善，所以對(duì)于初學(xué)者來(lái)說(shuō)選擇一個(gè)方向并完成入門學(xué)習(xí)是比較現(xiàn)實(shí)的選擇。

　　人工智能的入門學(xué)習(xí)需要具備以下知識(shí)結(jié)構(gòu)：

　　第一：編程語(yǔ)言。編程語(yǔ)言是學(xué)習(xí)人工智能的基礎(chǔ)內(nèi)容之一，掌握了編程語(yǔ)言才能完成一系列具體的實(shí)驗(yàn)。推薦學(xué)習(xí)Python語(yǔ)言，一方面原因是Python語(yǔ)言簡(jiǎn)單易學(xué)，實(shí)驗(yàn)環(huán)境也易于搭建，另一方面原因是Python語(yǔ)言有豐富的庫(kù)支持。目前Python語(yǔ)言在人工智能領(lǐng)域有廣泛的應(yīng)用，包括機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)等方向。

　　第二：算法設(shè)計(jì)基礎(chǔ)。目前人工智能的研究?jī)?nèi)容集中在六個(gè)大的方向上，分別是自然語(yǔ)言處理、知識(shí)表示、自動(dòng)推理、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和機(jī)器人學(xué)，這些內(nèi)容都有一個(gè)重要的基礎(chǔ)就是算法設(shè)計(jì)，可以說(shuō)算法設(shè)計(jì)是研究人工智能的關(guān)鍵所在。學(xué)習(xí)算法設(shè)計(jì)可以從基礎(chǔ)算法開(kāi)始，包括遞歸、概率分析和隨機(jī)算法、堆排序、快速排序、線性時(shí)間排序、二叉樹(shù)搜索、圖算法等內(nèi)容。

　　第三：人工智能基礎(chǔ)。人工智能基礎(chǔ)內(nèi)容的學(xué)習(xí)是打開(kāi)人工智能大門的鑰匙，人工智能基礎(chǔ)內(nèi)容包括人工智能發(fā)展史、智能體、問(wèn)題求解、推理與規(guī)劃、不確定知識(shí)與推理、機(jī)器學(xué)習(xí)、感知與行動(dòng)等幾個(gè)大的組成部分。

　　在完成以上內(nèi)容的學(xué)習(xí)之后，最好能參加一個(gè)人工智能的項(xiàng)目組(課題組)，在具體的實(shí)踐中完成進(jìn)一步的學(xué)習(xí)過(guò)程。

　　隨著大數(shù)據(jù)的發(fā)展，人工智能也進(jìn)入了一個(gè)全新的發(fā)展時(shí)代，對(duì)于基礎(chǔ)薄弱的初學(xué)者來(lái)說(shuō)，通過(guò)大數(shù)據(jù)進(jìn)入人工智能領(lǐng)域也是一個(gè)不錯(cuò)的選擇。

　　人工智能學(xué)習(xí)最佳途徑：

　　1、尋找一些免費(fèi)的書籍

　　尋找一些免費(fèi)的AI書籍作為自己學(xué)習(xí)人工智能的開(kāi)始，是正確的做法。Peter Norvig和Stuart J. Russell所著的《Artificial Intelligence: A Modern Approach》一書就很不錯(cuò)。本書不僅介紹了基本的人工智能概念和算法(專家系統(tǒng)、深度優(yōu)先和廣度優(yōu)先搜索、知識(shí)表示等)，而且還包括基礎(chǔ)知識(shí)如貝葉斯推理，一階邏輯，語(yǔ)言建模等。

　　對(duì)于那些對(duì)深度學(xué)習(xí)感興趣的人， Ian Goodfellow、Yoshua Bengio和Aaron Courville 所寫的《深度學(xué)習(xí)》(自適應(yīng)計(jì)算和機(jī)器學(xué)習(xí)系列)一書是不錯(cuò)的選擇。此外，可以看看《Logic For Computer Science》這本免費(fèi)書，它解釋了計(jì)算機(jī)科學(xué)的數(shù)學(xué)邏輯，并強(qiáng)調(diào)了求解證明的算法方法。

　　2、熟悉Python，數(shù)學(xué)知識(shí)

　　第一步：你需要掌握一門人工智能領(lǐng)域常用的編程語(yǔ)言，Python或者R語(yǔ)言都可以，掌握其中一種即可;我個(gè)人推薦你學(xué)習(xí)Python語(yǔ)言，因?yàn)镻ython很火，功能強(qiáng)大。在這里你只需要花一周的時(shí)間把Python基礎(chǔ)掌握牢固即可，如怎么樣定義變量、怎么樣操作元組、怎么樣自定義函數(shù)等;

　　第二步：你需要補(bǔ)習(xí)數(shù)學(xué)知識(shí)，你是零基礎(chǔ)的話，就先將高等數(shù)學(xué)基礎(chǔ)知識(shí)學(xué)透，從基礎(chǔ)的數(shù)據(jù)分析、線性代數(shù)及矩陣等等入門，只有基礎(chǔ)有了，才會(huì)層層積累，不能沒(méi)有邏輯性的看一塊學(xué)一塊。也有人有疑惑，為什么人工智能需要數(shù)學(xué)相關(guān)的知識(shí)呢?因?yàn)閿?shù)學(xué)知識(shí)一直貫穿在人工智能深度學(xué)習(xí)各個(gè)模型當(dāng)中，理解公式的原理和應(yīng)用，以及公式的推導(dǎo)過(guò)程，幫助各種神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整，才能靈活運(yùn)用創(chuàng)造新的算法模型。

　　3、機(jī)器學(xué)習(xí)

　　有關(guān)機(jī)器學(xué)習(xí)領(lǐng)域的最佳介紹，請(qǐng)觀看Coursera的Andrew Ng機(jī)器學(xué)習(xí)課程。 它解釋了基本概念，并讓你很好地理解最重要的算法。

　　(1)有關(guān)ML算法的簡(jiǎn)要概述，查看這個(gè)TutsPlus課程“Machine Learning Distilled”。

　　(2)“Programming Collective Intelligence”這本書是一個(gè)很好的資源，可以學(xué)習(xí)ML 算法在Python中的實(shí)際實(shí)現(xiàn)。 它需要你通過(guò)許多實(shí)踐項(xiàng)目，涵蓋所有必要的基礎(chǔ)。

　　這些不錯(cuò)的資源你可能也感興趣:

　　(1)Perer Norvig 的Udacity Course on ML(ML Udacity 課程)

　　(2)Tom Mitchell 在卡梅隆大學(xué)教授的 Another course on ML(另一門ML課程)

　　(3)YouTube上的機(jī)器學(xué)習(xí)教程 mathematicalmonk

　　4、計(jì)算機(jī)科學(xué)

　　要掌握AI，你要熟悉計(jì)算機(jī)科學(xué)和編程。

　　如果你剛剛開(kāi)始，我建議閱讀 Dive Into Python 3 (深入Python 3)這本書，你在Python編程中所需要的大部分知識(shí)都會(huì)提到。

　　要更深入地了解計(jì)算機(jī)編程的本質(zhì) - 看這個(gè)經(jīng)典的 MIT course (MIT課程)。這是一門關(guān)于lisp和計(jì)算機(jī)科學(xué)的基礎(chǔ)的課程，基于 CS -結(jié)構(gòu)和計(jì)算機(jī)程序的解釋中最有影響力的書之一。