1. 機(jī)器學(xué)習(xí)

首先要學(xué)習(xí)機(jī)器學(xué)習(xí)算法，這是人工智能的核心，也是重中之重。

在學(xué)習(xí)機(jī)器學(xué)習(xí)算法理論同時(shí)，建議大家使用scikit-learn這個(gè)python機(jī)器學(xué)習(xí)的庫(kù)，試著完成一些小項(xiàng)目。同時(shí)關(guān)注一下能否各種算法結(jié)合使用來(lái)提高預(yù)測(cè)結(jié)果準(zhǔn)確率。在學(xué)習(xí)的過(guò)程中不必強(qiáng)求自己能夠完全掌握各種算法推導(dǎo)，抓住重點(diǎn)理解算法，然后把算法用起來(lái)才是王道。

掌握一種編程工具，比如說(shuō)PyCharm或者Jupyter Notebook，當(dāng)然工具掌握不難，大約只需要30分鐘。

建議大家不要盲目的去看各種市面上的書(shū)籍和博客，有的對(duì)于大家來(lái)說(shuō)過(guò)于理論，推導(dǎo)太多還有些跳步顯得過(guò)于深?yuàn)W，有的又太浮于表面了不涉及算法原理細(xì)節(jié)，還是以北京尚學(xué)堂的視頻作為學(xué)習(xí)材料，這里有算法的理解，算法的推導(dǎo)，算法的應(yīng)用，非常適合大學(xué)生和入門(mén)學(xué)習(xí)的人使用，從一開(kāi)始就即有算法的逐步深入，又有算法的實(shí)戰(zhàn)。給自己成為一個(gè)數(shù)據(jù)挖掘工程師，算法工程師打好基礎(chǔ)。

上面提到的機(jī)器學(xué)習(xí)算法譬如有監(jiān)督學(xué)習(xí)回歸算法中多元線性回歸，Lasso回歸，嶺回歸。分類(lèi)算法中邏輯回歸，支持向量機(jī)，決策樹(shù)，隨機(jī)森林，GBDT，Adaboost，XGBOOST。無(wú)監(jiān)督學(xué)習(xí)聚類(lèi)算法中K均值聚類(lèi)，密度聚類(lèi)，譜聚類(lèi)。降維算法中PCA降維，F(xiàn)M因式分解，SVD奇異值分解。推薦算法中協(xié)調(diào)過(guò)濾，ALS交替最小二乘。還有機(jī)器學(xué)習(xí)里面的大招多層感知機(jī)，神經(jīng)網(wǎng)絡(luò)。關(guān)聯(lián)分析的算法Apriori，F(xiàn)P-Growth。最后研究樸素貝葉斯，貝葉斯網(wǎng)絡(luò)，隱含馬爾科夫模型，條件隨機(jī)場(chǎng)。

對(duì)于人工智能專(zhuān)業(yè)不了解的同學(xué)，建議大家學(xué)習(xí)一下預(yù)科階段，對(duì)于整個(gè)行業(yè)，技術(shù)體系，就業(yè)方向，未來(lái)職業(yè)發(fā)展都會(huì)有個(gè)基本的認(rèn)識(shí)和了解。

2.深度學(xué)習(xí)

深度學(xué)習(xí)是當(dāng)今非常熱門(mén)的一個(gè)領(lǐng)域，是機(jī)器學(xué)習(xí)算法神經(jīng)網(wǎng)絡(luò)的延伸，是把機(jī)器學(xué)習(xí)的擬人更加發(fā)揚(yáng)光大的領(lǐng)域。深度學(xué)習(xí)工程師也是各大公司需要的人才。

學(xué)習(xí)深度學(xué)習(xí)可以從Google開(kāi)源的tensorflow框架開(kāi)始學(xué)習(xí)如何完成DNN（深度神經(jīng)網(wǎng)絡(luò)）的構(gòu)建以及應(yīng)用。然后還是使用tensorflow框架來(lái)學(xué)習(xí)如何完成CNN（卷積神經(jīng)網(wǎng)絡(luò)）的構(gòu)建以及應(yīng)用。最后來(lái)使用tensorflow框架來(lái)學(xué)習(xí)如何完成RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）的構(gòu)建以及應(yīng)用。

學(xué)習(xí)建議：大家在學(xué)習(xí)過(guò)程中可以試著利用構(gòu)建的DNN來(lái)完成機(jī)器學(xué)習(xí)算法做的分類(lèi)和回歸的案例，對(duì)比看看結(jié)果是否有提升，從而體會(huì)深度學(xué)習(xí)的奧妙。也可以利用CNN來(lái)完成一些圖像識(shí)別任務(wù)，和利用RNN來(lái)完成一些NLP（自然語(yǔ)言處理）任務(wù)。CNN和RNN不僅限于這兩個(gè)領(lǐng)域，但是目前來(lái)看它們?cè)谶@兩個(gè)領(lǐng)域各有優(yōu)勢(shì)。

Tensorflow框架是深度學(xué)習(xí)框架之一，但不是唯一，Keras框架也是一個(gè)非常優(yōu)秀的框架，大家有興趣也可繼續(xù)學(xué)習(xí)Keras框架。代碼量會(huì)比TensorFlow更少一些，更適合去做一些實(shí)驗(yàn)。

3.Python數(shù)據(jù)分析模塊

Python當(dāng)今作為數(shù)據(jù)科學(xué)的第一語(yǔ)言，熟練掌握numpy、scipy、pandas、matplotlib等數(shù)據(jù)分析的模塊不光是作為數(shù)據(jù)分析師必須的，也是作為人工智能工程師所必須的， 如果大家認(rèn)為自己的python語(yǔ)言掌握的不夠熟練，可以從學(xué)習(xí)這些基礎(chǔ)的模塊開(kāi)始，來(lái)鍛煉自己。因?yàn)閟cikit-learn機(jī)器學(xué)習(xí)算法庫(kù)是基于numpy、scipy、matplotlib開(kāi)發(fā)的，所以大家掌握好了這些基礎(chǔ)庫(kù)，對(duì)于分析別人封裝的算法源代碼，甚至日后自己開(kāi)發(fā)一些算法也有了可能性。

學(xué)習(xí)建議：在學(xué)習(xí)這些數(shù)據(jù)分析模塊的同時(shí)，可以補(bǔ)補(bǔ)python語(yǔ)言的基礎(chǔ)語(yǔ)法，重復(fù)一遍基礎(chǔ)語(yǔ)法即可，不要跑偏到python其他比如什么web開(kāi)發(fā)，爬蟲(chóng)等領(lǐng)域里面去。

4.Spark MLlib機(jī)器學(xué)習(xí)庫(kù)

如果說(shuō)當(dāng)今有什么是算法工程師的加分項(xiàng)，那么分布式計(jì)算框架Spark中算法庫(kù)MLlib就是一個(gè)，如果想掌握Spark MLlib，首先需要會(huì)使用spark計(jì)算框架，建議大家還是使用python語(yǔ)言通過(guò)pyspark來(lái)學(xué)習(xí)，在掌握了前面的機(jī)器學(xué)習(xí)部分后，這里再來(lái)學(xué)習(xí)里面的算法使用將變得異常容易。

學(xué)習(xí)建議：大家要抓住重點(diǎn)，千萬(wàn)不要鉆到集群搭建里面，甚至是大數(shù)據(jù)各種框架里面，因?yàn)閷?duì)于我們來(lái)說(shuō)，spark計(jì)算框架只是一個(gè)工具，幫助我們來(lái)更好的做數(shù)據(jù)預(yù)處理，和幫助我們將算法使用分布式集群來(lái)完成海量數(shù)據(jù)場(chǎng)景下結(jié)果的計(jì)算。在公司里面，有運(yùn)維的人員管理集群，在一些大公司，有專(zhuān)門(mén)給算法工程師配備數(shù)據(jù)預(yù)處理的工程師。

5.做一個(gè)人工智能項(xiàng)目

學(xué)了這么多，也做了一些小項(xiàng)目，最后一定要做一些個(gè)大項(xiàng)目整合一下自己的知識(shí)。做一些個(gè)人工智能領(lǐng)域的譬如醫(yī)療圖像識(shí)別、人臉識(shí)別、自動(dòng)聊天機(jī)器人、推薦系統(tǒng)、用戶畫(huà)像等的大項(xiàng)目才是企業(yè)很需要的經(jīng)驗(yàn)?？梢詫⒗碚摻Y(jié)合實(shí)際的運(yùn)用也是成為高手的必經(jīng)之路，也是在企業(yè)工作所需要的能力。

6.數(shù)學(xué)

數(shù)學(xué)是一個(gè)誤區(qū)，很多人說(shuō)自己的數(shù)學(xué)不夠好，是不是做不了算法工程師？面對(duì)這樣的問(wèn)題，公司里面的算法工程師誰(shuí)又敢說(shuō)自己的數(shù)學(xué)真的好？數(shù)學(xué)是在學(xué)習(xí)機(jī)器學(xué)習(xí)階段算法推導(dǎo)用的到的，但是這里的推導(dǎo)你又不需要非要一步步扣數(shù)學(xué)計(jì)算過(guò)程，舉個(gè)例子，2+2=4，那么數(shù)據(jù)基礎(chǔ)是1+1=2，但是咱們需要證明1+1=2嗎？不需要，對(duì)吧，所以在機(jī)器學(xué)習(xí)階段算法推導(dǎo)這里更重要的還是理解算法證明的思想，能夠把講的算法推導(dǎo)理清楚足夠了，而這在講的過(guò)程中如何有好的引導(dǎo)，又何須非自己沒(méi)頭緒的補(bǔ)數(shù)學(xué)然后走那個(gè)彎路呢？

學(xué)習(xí)建議：很多數(shù)學(xué)符號(hào)只是一種表達(dá)而已，在學(xué)習(xí)過(guò)程中稍微補(bǔ)一下即可，不需要花大量時(shí)間前期準(zhǔn)備數(shù)學(xué)知識(shí)，最重要的是，企業(yè)中人工智能工程師沒(méi)人天天抱著數(shù)學(xué)公式推導(dǎo)。所以同學(xué)們?cè)诖髮W(xué)期間數(shù)學(xué)學(xué)的不錯(cuò)的同學(xué)恭喜你，你在機(jī)器學(xué)習(xí)算法學(xué)習(xí)時(shí)會(huì)稍微輕松一些，相反，在大學(xué)期間數(shù)學(xué)學(xué)的不行的同學(xué)也恭喜你，因?yàn)閿?shù)學(xué)不是決定能否成為一個(gè)企業(yè)所需算法工程師的鴻溝！

上述已打包整理好，獲取方式如下：

1.一鍵三連+關(guān)注

2.后臺(tái)主動(dòng)留下痕跡：“資料”（重點(diǎn)）??

?