我希望分享一些偏技術(shù)性的干貨归榕。作為一名工科博士生走芋，昨天在一個(gè)線下交流群中討論了大約6個(gè)小時(shí)這一代人工智能的關(guān)鍵技術(shù)原理陈症，在這里與大家分享，我認(rèn)為自己掌握人工智能解決實(shí)際問題已經(jīng)很容易了厚掷，具體步驟如下：
1.數(shù)學(xué)基礎(chǔ)：
1.1線性代數(shù)的加減乘除運(yùn)算表示弟灼，（特征根與特征向量作為提高要求级解，非必須）
1.2最優(yōu)化理論，知道目標(biāo)函數(shù)田绑，約束勤哗，優(yōu)化過程大體原理即可，不需深入掌握掩驱。
2.編程基礎(chǔ)：
2.1python芒划，大家普遍提及的tensorflow就是基于python，只許簡(jiǎn)單掌握條件語(yǔ)句欧穴，循環(huán)語(yǔ)句即可民逼，剩下的想用的時(shí)候再查。
2.2tensorflow涮帘，真是越來越親民了拼苍，現(xiàn)在windows平臺(tái)也支持了。
2.3keras调缨，是tensorflow上層的封裝疮鲫，目的是使得代碼更加簡(jiǎn)單易學(xué)，并且省去了大量調(diào)參操作弦叶，新手必備俊犯。
2.4sklearn，大多數(shù)機(jī)器學(xué)習(xí)方法伤哺，sklearn上都有實(shí)現(xiàn)燕侠，調(diào)用程序即可，代碼極為簡(jiǎn)單立莉。
3.理論基礎(chǔ)：
這里指機(jī)器學(xué)習(xí)的理論绢彤，講四個(gè)我認(rèn)為最重要的。
3.1CNN
深度學(xué)習(xí)中應(yīng)用最廣泛的一種網(wǎng)絡(luò)桃序，理解起來不難杖虾，唯一難點(diǎn)是這里需要稍稍理解一下卷積運(yùn)算。
3.2LSTM
深度學(xué)習(xí)的一種網(wǎng)絡(luò)媒熊，用來處理時(shí)序信號(hào)，網(wǎng)絡(luò)設(shè)計(jì)能夠記憶較長(zhǎng)時(shí)間之前的輸入坟比，這樣就相當(dāng)于網(wǎng)絡(luò)有了記憶芦鳍。
3.3Xgboost
目前在有監(jiān)督學(xué)習(xí)領(lǐng)域，除了深度神經(jīng)網(wǎng)絡(luò)之外葛账，就是Xgboost最好柠衅，這個(gè)需要現(xiàn)行學(xué)習(xí)決策樹理論，也要對(duì)優(yōu)化理論有一定了解籍琳，屬于稍難理解一些的方法菲宴。
3.4增強(qiáng)學(xué)習(xí)
這個(gè)最難理解贷祈，需要了解馬爾科夫鏈，以及最優(yōu)化理論喝峦，這個(gè)坑很深势誊，但個(gè)人認(rèn)為用處最大，打敗李世石用的主要就是這個(gè)谣蠢。值得深入學(xué)習(xí)粟耻。
4.學(xué)習(xí)方法：
谷歌，百度
youtube上有視頻演示眉踱，容易理解
有能力看論文的挤忙，可以搜論文看
我涉及人工智能技術(shù)不到一年，總體體會(huì)是谈喳，想應(yīng)用册烈，門檻很低，想進(jìn)行底層理論創(chuàng)新婿禽，還是比較難的赏僧，因?yàn)橛刑嗟姆庋b，應(yīng)用便捷了谈宛，但人就懶得創(chuàng)新了次哈。
希望對(duì)想進(jìn)行深入技術(shù)學(xué)習(xí)的人有所幫助。
