​

先聊聊什么是人工智能

人工智能是对数据的分析和挖掘，然后实现两大目标：

• 预测：例如对明天股价的涨跌进行预测(量化交易)
  
• 分类：对图片里的所有人脸给识别出来(机器视觉)
  

整个的学习路径如下：

• python等相关基础--->初阶：机器学习--->中阶：框架应用--->高阶：场景应用
  

下面将对初学者一一介绍如何学习和附赠学习资料

1.python等相关基础

现在万物皆AI。python,Java,matlab等编程语言全都可以用于进行学习人工智能，但是鉴于python简单易学，又有大量的开源代码，所以风口上的python已经排在编程语言排行榜第三的位置，学习人工智能的最佳编程语言，需要掌握的技能如下：

• python语法基础：打怪之前你得知道你的武器怎么使用
  
• python的相关数学库的使用：对应的天赋值numpy,pandas,matplotlib,seaborn等库的学习
  
• Linux基础：未来工作，大部分玩家都在这个副本里玩
  
• 数据结构和算法基础：这是去大厂必刷的副本
  
• 数学基础：人工智能的科班专业不是计算机相关专业，而是概率统计相关的数学专业，跳过这一副本对打怪没有问题，但是决定了你的天花板
  

其实，学完以上内容，找一个数据分析的工作完全可以了，曲线救国，再转入数据挖掘的工作

2.初阶：机器学习

首先，机器学习是通过编程让计算机从数据中进行学习的科学（和艺术）。例如，通过编程你告诉电脑一个地方距市中心多远，人口多少，它会告诉你这个地方的房价大概多少，当然前提你也得告诉电脑其它地方距市中心距离，人口数量，让它用于自我学习。那么它学习的方法我么们便称为算法，常用的机器学习算法如下：

• K近邻算法
  
• 线性回归
  
• 逻辑回归
  
• 支持向量机（SVM）
  
• 决策树和随机森林
  

学完以上基础算法，简单的预测分类的应用完全没问题，更多的应用可以在Kaggle和Github上学习，Kaggle上完成机器学习项能拿到丰厚的奖金，刷题，攒经验必去之地

​

​

3.中阶：框架应用

对于大量的数据集，python因为是封装的语言，处理太慢，所以引出一些框架，如Tensorflow

• 神经网络：是机器学习的一个特例
  
• 深度学习：又是神经网络的一个特例
  
• 不断发展还有强化学习，迁移学习等等
  

4.高阶：场景应用

在预测和分类的技能掌握下，人工智能在各个场景进行应用，需要分门别类的学习：

• 推荐系统：推送用户喜欢的内容和对应的广告
  
• 机器视觉：对图像进行处理，例如无人驾驶，刷脸支付
  
• 自然语言处理：对文字进行情感分析，例如豆瓣评论对电影的看法，好感度分析
  
• 量化交易：金融领域的人工智能场景，预测股票等的变化
  

相关资料分享

• 人工智能课程总链接 链接：https://pan.baidu.com/s/1ckwl9K-RdGf10rJ0dSGpGg 提取码：nfof
  
• 点击阅读原文，提取码：nfof
  
• 如果链接失效，后台回复“机器学习”
  
• 觉得太慢可以看书来学习，天下武功唯快不破
  （建议珍藏）电子书资源（不断更新中）链接永久有效
  
• 想系统的学习python可以看下文
  Pyton学习全攻略(内含免费分享资料)