如何成为人工智能（AI）专家？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

如何成为人工智能（AI）专家？
在过去的十年中，人工智能正以迅猛的速度增长。您已经在眼前看到了所有的一切。从无人驾驶汽车到Google Brain，人工智能一直是这些令人惊叹的巨大影响力项目的核心。
最近，当人们开始报道Alexa出乎意料的笑声时，人工智能（AI）成为头条新闻。这些新闻报道引发了关于计算机占领世界的普遍笑话，但是将AI视为职业领域并没有什么可笑的。六分之一的美国人每天以一种或另一种形式使用AI服务这一事实证明了这是一种可行的职业选择
为什么要使用AI？
好吧，有很多原因让学生选择这作为他们的职业道路，或者专业人士将其职业道路转向AI。让我们看一下讨论为什么选择AI的一些要点！
有趣和令人兴奋的
AI在具有挑战性和令人兴奋的领域中提供应用程序。首先，无人驾驶汽车，人类行为预测，聊天机器人等只是其中的一些示例。
高需求和高价值
最近，行业内对数据科学家和AI专家的需求很大，这导致了更多的工作机会和更高的工作价值
报酬丰厚
随着需求和工作量的增加，这一领域是目前薪酬丰厚的职业选择之一。在那个时代，当工作机会减少而市场饱和时，人工智能已成为收入最高的工作之一
如果您仍然对为什么应该选择AI作为自己的职业有任何想法，那么我的回答将很清楚，即“如果您不希望AI承担工作，就必须接受AI”！
0级：建立地面
如果数学（太多）不吓人，并且您还喜欢编码，那么您只能开始将AI视为自己的职业。如果您确实喜欢优化算法和玩数学，或者对它充满热情，那就来荣誉吧！等级0已清除，您可以开始从事AI生涯。
第1级：学习AI
在这个阶段，应该首先涵盖基础知识，当我说基础知识时，这并不意味着要获得4–5个概念的知识，但是确实有很多（很多）
涵盖线性代数，统计量和概率 数学是您需要涵盖的头等重要内容。从涵盖向量，矩阵及其转换的数学基础开始。然后继续理解维数， 统计量 以及不同的统计检验（例如z检验，卡方检验等）。在此之后，您应该关注贝叶斯定理等概率的概念。数学是理解和构建那些复杂的AI的基础步骤简化我们生活的算法！
选择一种编程语言
在学习了基础数学知识并加深其基础之后，您需要选择一种编程语言。我宁愿建议您使用一种或最多两种编程语言并深入理解它。您可以从R，Python甚至JAVA中选择一个！永远记住，编程语言只是为了使您的生活更简单，而不是定义您的东西。我们可以从Python开始，因为它是抽象的，并提供了许多可使用的库。R的发展也非常迅速，因此我们也可以考虑这样做，否则可以选择JAVA。（仅当我们具有良好的CS知识！）
了解数据结构
尝试理解数据结构，即如何设计系统来解决涉及数据的问题。这将帮助您设计一个准确和优化的系统。人工智能更重要的是获得准确和优化的结果。了解所选编程语言必须提供的堆栈，链接列表，字典和其他数据结构。
详细了解回归
嗯，这是您从所有人那里得到的建议。 回归 是到目前为止所学的数学的基本实现。它描述了如何将这些知识用于实际应用中的预测。深入了解回归将极大地帮助您理解机器学习的基础。这将为您的AI职业做好充分的准备。
继续了解不同的机器学习模型及其工作
原理学习回归之后，应该熟悉其他传统的机器学习算法，例如决策树， SVM，KNN， 随机森林 等。您应该每天针对不同的问题实施它们生活。人们应该知道每种算法背后的工作原理。好吧，这最初可能有点困难，但是一旦开始，一切都会落在原地。旨在成为AI的大师，而不仅仅是任何随机从业者！
了解机器学习解决的问题
您应该了解不同机器学习算法的用例。关注为什么某种算法比另一种更适合一种情况。只有这样，您才可以理解数学概念，这些数学概念有助于使任何算法更适合特定的业务需求或用例。机器学习本身分为3大类，即监督学习，无监督学习和强化学习。在您真正踏入深度学习世界之前，在所有这三种情况下，一个都需要比平均水平更好！
第2级：深入AI
这是成为AI专家的旅程/努力的第2级。在此级别上，我们仅在您掌握了机器学习的知识后才开始涉足深度学习！
了解神经网络的
一个神经网络是一种机器学习该款车型本身人类大脑后。这创建了一个人工神经网络，该网络通过算法允许计算机通过合并新数据进行学习。在此阶段，您需要通过详细了解神经网络来开始深度学习。您需要了解这些网络如何智能并做出决策。神经网络是AI的中坚力量，您需要彻底学习它！  
展开神经网络背后的数学
神经网络通常是分层组织的。层由多个互连的“节点”组成，这些节点包含“激活功能”。模式通过“输入层”呈现给网络，该“输入层”与一个或多个“隐藏层”进行通信，其中实际处理是通过加权“连接”系统完成的。然后，隐藏层链接到输出答案的“输出层”。您需要了解后端发生的数学运算。了解权重，激活函数，减少损失，反向传播，梯度下降方法等。这些是神经网络中使用的一些基本数学关键字。对它们的深入了解将使您能够设计自己的网络。您还将实际了解神经网络从何处以及如何借用其智能！这都是数学伴侣。
掌握不同类型的神经网络
就像我们在ML中所做的那样，我们首先学习了回归，然后又转移到其他ML算法中，这里就是这种情况。既然您已经了解了基本的神经网络，那么您就可以探索适合不同用例的不同类型的神经网络。底层数学可能保持不变，不同之处可能在于此处和此处的少量修改以及数据的预处理。不同类型的神经网络包括多层感知器，递归神经网络，卷积神经网络，LSTMS等。
了解NLP和智能系统等不同领域的AI
有了不同神经网络的知识，您现在可以更好地掌握这些网络在业务中不同应用程序的应用。您可能需要构建无人驾驶汽车模块或类似人的聊天机器人，甚至是一个智能系统，该系统可以与其周围环境进行交互并自我学习以执行任务。不同的用例需要不同的方法和知识。当然，您不能掌握AI的每个领域，因为它确实是一个非常大的领域，因此，我建议您选择AI中的一个领域，即自然语言处理，并努力深入了解该领域。一旦您的知识很深入，那么只有您应该考虑跨不同领域扩展知识。  
在熟悉了大数据的基础知识
。虽然，在获取知识 大数据 并不是一个强制性的任务，但我会建议你装备自己与大数据的基础，因为所有的AI系统将只处理大数据，这将是一个很好的加上具有大数据知识的基础知识，因为它将帮助您制定更优化和更现实的算法。
3级：掌握AI
这是最后的步骤，您必须全力以赴，这是您需要少学习但要应用到现在为止所学知识的更多点！
掌握优化技术的
第1级和第2级专注于在工作中实现准确性，但是现在我们不得不谈论优化它。深度学习算法会消耗系统的大量资源，您需要对其进行优化。优化算法可帮助我们最小化（或最大化）目标函数（误差函数的另一个名称）E（x），该函数只是依赖于模型内部可学习参数的数学函数。模型的内部参数在有效且有效地训练模型并产生准确结果方面起着非常重要的作用。这就是为什么我们使用各种优化策略和算法来更新和计算影响模型学习过程和模型输出的此类模型参数的适当和最佳值的原因。
参加比赛
实际上，您应该参加kaggle上的黑客马拉松和数据科学比赛，因为它可以增加您的知识，并为您提供更多实施知识的机会。
发表和阅读大量研究论文
研究-实施-创新-测试。阅读许多与AI相关的研究论文，以不断重复这一周期。这将帮助您了解如何不仅可以成为一名从业者，还可以成为一名创新者。AI仍处于新生阶段，需要能够创新并为该领域带来革命的大师。
调整数学以推出自己的算法
创新需要大量的研究和知识。这是您希望自己能够真正弄乱整个AI的数学的最后地方。一旦您掌握了这门艺术，您就将带来一场革命！
结论
掌握AI在短时间内无法实现。人工智能确实需要努力，坚持，一致，耐心和大量知识！
1

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：人工智能 python 机器学习算法 Google 人工神经网络