这是一个创建于 1331 天前的主题，其中的信息可能已经有所发展或是发生改变。
想学习人工智能这块 像是信息提取、推荐之类的。 自己萌新不知道怎么入手，所以来此求助各位大神. 感谢各路大神
 |
1
TimePPT 2021-03-30 23:36:14 +08:00 via Android
这个话题就大了，就你说的这俩都不是一个方向。
|
 |
2
Jooooooooo 2021-03-30 23:43:01 +08:00
买一本周志华的西瓜书看看先.
|
 |
3
ufan0 2021-03-31 00:33:14 +08:00 via Android  2
@Jooooooooo 你这有点太坏了。
买了一本西瓜书，看了一个月后。 开始重新学习高数，学了两个月数学，回来花了半年把西瓜书看了两遍，味同嚼蜡…… 直到我看到那本《动手深度学习》，好像是这个名字，Github 有开源版本，才开始能入门，知道能干什么，怎么干。 |
 |
4
alalida 2021-03-31 02:20:51 +08:00 via Android
要我说，自学人工智能也没什么用，好比自学量化交易。
搞机器学习，就是训练模型。你就要选训练方法，训练目标，训练模型。如果想直接调包，那 keras 看一下他几个 demo 即可，如果想自己搞懂原理，还是得学数学。 随便拿起哪本书，全是证明和推导，一个个矩阵，微分方程的，回头还是得回去抱高数。 |
 |
5
lostberryzz 2021-03-31 02:26:34 +08:00
Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow
|
 |
6
outtime 2021-03-31 09:59:25 +08:00
可以看看回形针的基本操作
|
 |
7
julyedu 2021-03-31 14:46:34 +08:00 7
人工智能编程的学习成长无外乎这 6 步：数学-》 python 编程-》算法、数据结构-》机器学习-》深度学习-》算法实战应用领域，数学、算法这部分是基础，不管你们在哪个领域做编程想往高深了做，数学基础一定要打牢，不然很难走得远，做得深，时间会证明一切。
我来分步骤大概说一下人工智能学习进阶的路线： 第一步：基础类：数学和 Python 基础 主要为微积分、概率统计、矩阵、凸优化 Python 基础， 第二步：Python 数据分析 掌握 Python 这门语言、和基本的数据分析、数据处理知识，可以先接触一下特征工程 第三步：数据结构 /算法 常见经典数据结构（比如字符串、数组、链表、树、图等）、算法（比如查找、排序） 同时，辅助刷 leetcode，提高编码 coding 能力 第四步：机器学习 掌握常见经典的模型 /算法（比如回归、决策树、SVM 、EM 、K 近邻、贝叶斯、主题模型、概率图模型，及特征处理、模型选择、模型选择等等） 同时，辅助刷 kaggle，培养对数据、特征的敏锐 第五步：深度学习 掌握神经网络、CNN 、RNN 、LSTM 等常见经典模型、以及三大 DL 框架 同时，配套课程利用 TensorFlow 等开源框架做做 DL 等相关实验： NLP 、CV 、DM 、量化、spark 等应用方向任选其一 把 ML 和 DL 图列一起了，这一整块是数据建模 一言以蔽之：五个必修（数学、Python 数据分析、数据结构、ML 、DL ） + 五个选修（ NLP 、CV 、DM 、量化、Spark ），此外，配套课程刷 leetcode 、kaggle，最后做相关 DL 开源实验。再往后呢？实际操作，练练练 |
Select Language