6 次查看
介绍
人工智能在过去十年中发展迅速。你已经看到它在你眼前展开了。从自动驾驶汽车到谷歌，人工智能一直是这些惊人的巨大影响项目的核心。
当人们开始报道的Alexa意外地笑时，人工智能（AI）成为头条新闻。那些新闻报道引发了关于计算机接管世界的常见笑话，但将人工智能视为职业领域并没有什么好笑的。事实上，六分之六的美国人每天都以某种形式使用人工智能服务，这证明了这是一个可行的职业选择。
AI为何？
嗯，学生选择这个作为他们的职业轨道或专业人员改变他们的职业生涯轨道可能有很多原因。让我们看一下讨论AI原因的一些观点。
- 有趣和令人兴奋： AI在这些领域提供既挑战又令人兴奋的 应用程序。无人驾驶汽车，人类行为预测，聊天机器人等仅仅几个例子。
- 高需求和价值： 最近，业界对数据科学家和人工智能专家的巨大需求导致了工作场所更多的就业机会和更高的价值
- 报酬很高： 。由于需求量大，工作量很大，领域这个的英文目前收入很高的职业选择之一在这个时代，当工作岗位减少且市场饱和时，人工智能已经成为薪酬最高的工作之一
如果你仍然想到为什么人们应该选择人工智能作为他们的职业，那么我的答案就会像“如果你不想让AI接受你的工作，你必须接受AI”这样的想法一样明确！
第0级：设置接地
如果数学（太多）没有恐吓，而且你喜欢编码，那么你只能开始将AI视为你的职业。如果你喜欢优化算法，玩数学或者对数学充满热情，那就不胜感激吧！等级0被清除，你准备开始AI的职业生涯。
第1级：踩入AI
在这个阶段，首先应该涵盖基础知识，当我说基础时，它并不意味着获得4-5个概念的知识，但实际上很多（很多很多）
- 覆盖线性代数，统计和概率： 。数学是您需要涵盖的第一个也是最重要的事情。从数学基础知识开始，包括向量，及其矩阵变换然后继续理解维度，统计和不同的统计测试，如ž检验，卡方检验等。在此之后，你应该关注概率的概念，如贝叶斯定理等。数学是理解和构建复杂AI的基础步骤。使我们的生活更简单的算法！
- 选择编程语言： 。在学习并深入学习基础数学之后，您需要选择编程语言。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！人们可以选择R，Python的甚至JAVA 永远记住，编程语言只是为了让你的生活更简单，而不是定义你的东西。我们可以从Python的开始，因为它是抽象的，并提供了许多库来使用。ř也在快速发展，所以我们也可以考虑这个，或者用JAVA。（只有我们有良好的CS背景！）
- 理解数据结构： 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。它更多的是达到准确和优化的结果。了解所选编程语言必须提供的堆栈，链接列表，词典和其他数据结构
- 全面了解回归： 。嗯，这是一个从大家那里得到的建议。回归是你到目前为止学到的数学的基本实现。描述它了这些知识如何用于在现实生活中进行预测掌握回归功能将有助于您深入了解机器学习的基础知识。这将为您的AI职业做好准备。
- 继续了解不同的机器学习模型及其工作： 在学习回归之后，人们应该对其他传统的机器学习算法（例如决策树，SVM，KNN，随机森林等）沾沾自喜你应该在不同的问题上实现它们。日常生活。人们应该知道每个算法背后的工作数学。嗯，这可能最初有点难度，但是一旦你开始行动，一切都会落在它的位置。旨在成为人工智能的大师，而不仅仅是任何随意的从业者！
- 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。某个关注算法为什么比另一个更适合一种情况然后，只有这样，您才能理解有助于使任何算法更适合特定业务需求或用例的数学概念。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。在你真正进入深度学习世界之前，在所有3个案例中都需要比平均水平更好！
第2级：深入AI
这是你成为人工智能专家的旅程/奋斗的第二级。在这个级别，我们处理深入学习，但只有掌握了机器学习的遗产！
- 理解神经网络： 。神经网络是一种机器学习，它在人脑之后模拟自身。这创建了一个人工神经网络，算法通过计算机网求允许通过合并新数据来学习在这个阶段，您需要通过非常详细地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化并做出决策。神经网络是人工智能的支柱，你需要彻底学习它！
- 展开神经网络背后的数学： 。神经网络通常以层的形式组织。图层由许多互连的“节点”组成，其中包含“激活功能” 模式通过“输入层”呈现给网络“输入层”与一个或多个“隐藏层”通信，其中实际处理是通过加权“连接”系统完成的。隐藏层然后链接到输出答案的“输出层”。你需要了解发生在它后端的数学。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。熟悉它们将使您能够设计自己的网络。您还将了解神经网络在何处以及如何借用其智能！这是所有数学伙伴..
- 掌握不同类型的神经网络： 。正如我们在ML中所做的那样，我们首先学习回归，然后转移到其他ML算法，的这里也是情况如此由于您已经了解了所有关于基本神经网络的知识，因此您已准备好探索适用于不同用例的不同类型的神经网络。基础数学可能保持不变，差异可能在于此处和那里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
- 了解不同域中的AI，如自然语言处理和智能系统： 。通过不同神经网络的知识，现在您可以更好地掌握这些网络在商业中的不同应用中的应用您可能需要构建一个无人驾驶汽车模块或类似人类的聊天机器人，甚至是一个智能系统，它可以与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不同的知识。当然，你不能掌握AI中的每个领域，因为它确实是一个非常大的领域，因此我建议你在AI中选择一个单独的字段说自然语言处理，并努力获得该领域的深度。一旦您的知识具有良好的深度，那么只有您应该考虑在不同领域扩展您的知识
- 熟悉大数据的基础知识： 尽管获取大数据知识并不是一项强制性任务，但我建议您掌握大数据的基础知识，因为所有的AI系统都只处理大数据而且它将是一个拥有大数据知识的基础知识，因为它可以帮助您制作更优化和更真实的算法
第3级：掌握AI
这是你必须全力以赴开枪的最后阶段，这是你需要学习更少但是应用更多你所学到的东西到现在为止！
- 掌握优化技术： 1级和2级专注于实现工作的准确性，但现在我们必须讨论优化它。深度学习算法会占用系统的大量资源，您需要优化它的每个部分。优化算法帮助我们最小化（或最大化）目标函数（错误函数的另一个名称）E（x）时，它只是一个依赖于模型内部可学习参数的数学函数。模型的内部参数在高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这种模型参数的适当和最佳值，这些参数会影响我们的模型的学习过程和模型的输出。
- 参加比赛： 你应该参加黑客马拉松和数据科学比赛，因为它会增加你的知识，并会给你更多的机会来实现你的知识
- 出版和阅读大量研究论文： 研究 – 实施 – 创新 – 测试。通过阅读大量与AI相关的研究论文，不断重复这一循环。这将有助于您了解如何不能成为一名从业者，而是成为一名创新者。人工智能仍处于初期阶段，需要能够创新并为这一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。这是你希望自己真正摆弄整个AI数学的求最后的一个地方一旦你掌握了这门艺术，你就会有一步之遥带来革命！
结论
掌握AI不是人们在短时间内可以实现的.AI确实需要努力工作，坚持不懈，一致性，耐心和大量知识！它可能是目前业内最热门的工作之一。作为人工智能的从业者或爱好者并不困难，但如果你正在寻找成为一名大师，那么就必须和创造它的人一样好！在任何事情上成为高手都需要数年和技巧，而人工智能也是如此。如果你有动力，没有什么可以阻止你在整个世界（甚至不是AI）。
