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，建議大家使用scikit-learn這個python機(jī)器學(xué)習(xí)的庫，試著完成一些小項目。同時關(guān)注一下能否各種算法結(jié)合使用來提高預(yù)測結(jié)果準(zhǔn)確率。在學(xué)習(xí)的過程中不必強(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，然后把算法用起來才是王道。

掌握一種編程工具，比如說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籍和博客，有的對于大家來說過于理論，推導(dǎo)太多還有些跳步顯得過于深奧，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)生和入門學(xué)習(xí)的人使用，從一開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。分類算法中邏輯回歸，支持向量機(jī)，決策樹，隨機(jī)森林，GBDT，Adaboost，XGBOOST。無監(jiān)督學(xué)習(xí)聚類算法中K均值聚類，密度聚類，譜聚類。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。

對于人工智能專業(yè)不了解的同學(xué)，建議大家學(xué)習(xí)一下預(yù)科階段，對于整個行業(yè)，技術(shù)體系，就業(yè)方向，未來職業(yè)發(fā)展都會有個基本的認(rèn)識和了解。

2.深度學(xué)習(xí)

深度學(xué)習(xí)是當(dāng)今非常熱門的一個領(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開源的tensorflow框架開始學(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。最后來使用tensorflow框架來學(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。

s

學(xué)習(xí)建議：大家在學(xué)習(xí)過程中可以試著利用構(gòu)建的DNN來完成機(jī)器學(xué)習(xí)算法做的分類和回歸的案例，對比看看結(jié)果是否有提升，從而體會深度學(xué)習(xí)的奧妙。也可以利用CNN來完成一些圖像識別任務(wù)，和利用RNN來完成一些NLP（自然語言處理）任務(wù)。CNN和RNN不僅限于這兩個領(lǐng)域，但是目前來看它們在這兩個領(lǐng)域各有優(yōu)勢。

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語言掌握的不夠熟練，可以從學(xué)習(xí)這些基礎(chǔ)的模塊開始，來鍛煉自己。因?yàn)閟cikit-learn機(jī)器學(xué)習(xí)算法庫是基于numpy、scipy、matplotlib開發(fā)的，所以大家掌握好了這些基礎(chǔ)庫，對于分析別人封裝的算法源代碼，甚至日后自己開發(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，可以補(bǔ)補(bǔ)python語言的基礎(chǔ)語法，重復(fù)一遍基礎(chǔ)語法即可，不要跑偏到python其他比如什么web開發(fā)，爬蟲等領(lǐng)域里面去。

4.Spark MLlib機(jī)器學(xué)習(xí)庫

如果說當(dāng)今有什么是算法工程師的加分項，那么分布式計算框架Spark中算法庫MLlib就是一個，如果想掌握Spark MLlib，首先需要會使用spark計算框架，建議大家還是使用python語言通過pyspark來學(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τ谖覀儊碚f，spark計算框架只是一個工具，幫助我們來更好的做數(shù)據(jù)預(yù)處理，和幫助我們將算法使用分布式集群來完成海量數(shù)據(jù)場景下結(jié)果的計算。在公司里面，有運(yùn)維的人員管理集群，在一些大公司，有專門給算法工程師配備數(shù)據(jù)預(yù)處理的工程師。

5.做一個人工智能項目

學(xué)了這么多，也做了一些小項目，最后一定要做一些個大項目整合一下自己的知識。做一些個人工智能領(lǐng)域的譬如醫(yī)療圖像識別、人臉識別、自動聊天機(jī)器人、推薦系統(tǒng)、用戶畫像等的大項目才是企業(yè)很需要的經(jīng)驗(yàn)。可以將理論結(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)是一個誤區(qū)，很多人說自己的數(shù)學(xué)不夠好，是不是做不了算法工程師？面對這樣的問題，公司里面的算法工程師誰又敢說自己的數(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)計算過程，舉個例子，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，而這在講的過程中如何有好的引導(dǎo)，又何須非自己沒頭緒的補(bǔ)數(shù)學(xué)然后走那個彎路呢？

學(xué)習(xí)建議：很多數(shù)學(xué)符號只是一種表達(dá)而已，在學(xué)習(xí)過程中稍微補(bǔ)一下即可，不需要花大量時間前期準(zhǔn)備數(shù)學(xué)知識，最重要的是，企業(yè)中人工智能工程師沒人天天抱著數(shù)學(xué)公式推導(dǎo)。所以同學(xué)們在大學(xué)期間數(shù)學(xué)學(xué)的不錯的同學(xué)恭喜你，你在機(jī)器學(xué)習(xí)算法學(xué)習(xí)時會稍微輕松一些，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：

一鍵三連+關(guān)注

想要領(lǐng)取資料的小伙伴們，請關(guān)注下方微信公眾號領(lǐng)取哦~?

然后就等著私信查收吧~