小白入門人工智能領域的歷程##
注：作者從本科，零基礎開始學習人工智能歷程，有幸能和大家分享從小白入門人工智能的經歷，僅限入門人工智能領域的小白，大佬請繞道，希望能對大家的學習有參考和引路作用。
爲什麼要學習人工智能##
什麼人工智能
這是百度百科給出的定義–
人工智能（Artificial Intelligence），英文縮寫爲AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智能是計算機科學的一個分支，它企圖瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
聽到這裏，是不是感覺有點懵逼。其實現在的人工智能還屬於弱人工智能，有非常大的侷限性，可以參考我的這一篇文章人工智能發展歷程。
人工智能，深度學習，機器學習，神經網絡的關係
人工智能範圍最大，涵蓋機器學習、深度學習和強化學習。如果把人工智能比喻成孩子大腦，那麼機器學習是讓孩子去掌握認知能力的過程，而深度學習是這種過程中很有效率的一種教學體系。
有人表示，人工智能是目的，是結果；深度學習、機器學習是方法，是工具。
機器學習是人工智能的一種途徑或子集，它強調學習而不是計算機程序。一臺機器使用複雜的算法來分析大量的數據，識別數據中的模式，並做出一個預測——不需要人在機器的軟件中編寫特定的指令。
機器學習之父Tom Mitchel如此定義機器學習：
每個機器學習都可以被精準地定義爲：1.任務；2.訓練過程；3.模型表現P。而學習過程則可以被拆解爲“爲了實現任務T”，我們通過訓練E，逐步提高表現P的一個過程。
舉個例子，讓一個模型認識一張圖片是貓還是狗(任務T)。爲了提高模型的準確度(模型表現P)，我們不斷給模型提供圖片讓其學習貓與狗的區別(訓練過程E)。在這個學習過程中，我們所得到的最終模型就是機器學習的產物，而訓練過程就是學習過程。
深度學習則是一種實現機器學習的技術，它適合處理大數據。深度學習使得機器學習能夠實現衆多應用，並拓展了人工智能的領域範疇。
從安防監控、自動駕駛、語音識別到生命科學等等，深度學習以“摧枯拉朽之勢”席捲行業。
以語音識別爲例，通過機器學習，語音識別能隨着時間向用戶學習，最後能達到95%的準確性。但是訓練過程是密集的。
神經網絡處理數十億個口語音頻，將語音識別提高到接近100%的準確度，同時還能縮短訓練時間。此外，語音識別還通過關鍵詞和主題對原始音頻進行分類，並識別發言者，這對音頻監控具有廣泛而深遠的影響。
爲什麼要學習人工智能
當下，大數據領域，人工智能利於處於新興階段，我國乃至全世界急需Ai人才。未來的發展必定趨於大數據和人工智能方向，就如20世紀末互聯網興起一樣。發展前途光明，加上國內緊缺高級人才，使人工智能領域變得異常熱門，所以薪資也居高不下。當然，我建議大家抱着一種興趣去學習，而不是指望拿到多高的薪資。
故事的開始–筆者走過的路程
下面來說一說我的學習過程。
1.高等數學，線性代數（一般大一課程裏面就會有，一定要學好，不然後面路途艱辛）
2.編程語言：python（需要掌握基礎的語法，爬蟲（用於獲取數據），高級一點的操作）
3.概率論 --主要涉及一些機器學習的統計方法和知識
4.經典的機器學習算法（比較重要）
5.深度學習的底層算法原理和實現
6.學習深度學習框架
7.做競賽，做項目
8.後期學習的建議
數學 – 高數，線代
工科的必修課程，一定要學好，不然後面很多公式根本看不懂。忘了的朋友可以參考
一定要惡補一下，很多深度學習的專家是學數學的，而不是計算機的。
python
建議有一門底層語言如C語言，c++的基礎，對於編程語言和計算機有一定的瞭解，有利於掌握編程思想，而不是簡單地用python，如果以後想做智能算法的話，**數據結構和c++**是必備的。這裏我主要來講一下python的學習過程。
小甲魚的視頻 + 0基礎入門python，菜鳥教程 ，網上能找到很多資料的，請大家自行查找學習，學習人工智能的過程很漫長，希望大家保持一顆一直學習的心。
概率論
機器學習，數據挖掘的基本理論，統計學。也是本科必修的知識。對於數據處理的基礎思想都涵蓋在本書中。
機器學習算法
參考文章機器學習的十大算法
機器學習
深度學習是機器學習最火熱的分支
十大經典算法也是必須品
讓你領略機器學習的魅力
推薦 書籍：【機器學習】（西瓜書）–更偏向於理論推導
【機器學習實戰】 --更偏向於代碼實現
課程推薦：網易雲課堂 – 吳恩達機器學習（免費），小象學院相關課程（免費）
機器學習的相關算法
深度學習
作爲機器學習最火熱的一個分支，在很多領域都有着廣泛的應用。
梯度下降，權值更新，神經網絡，過擬合…
掌握基本的概念，自己能用python代碼實現一個簡單的神經網絡和掌握基本原理，這裏就基本可以過關了
推薦書籍：花書–深度學習的“聖經”
課程推薦 ： 網易雲課堂，吳恩達–深度學習工程師
深度學習框架
自己搭建神經網絡實在太慢了，有沒有什麼框架什麼的？
學到這裏，你已經具備了深度學習的基本知識，馬上就要開始加速啦。
它來了，它來了。。。
是不是眼花繚亂，優秀的框架實在太多了。咋們先從簡單的開始吧
第一個框架建議大家學pytorch–Facebook主打的礦機，這個框架是動態圖結構，實現簡單，減少很多debug的時間，在學術界有着很高的聲譽，一頭扎進一個框架學習，會讓你的代碼能力和對深度學習的理解更深。
其次就是TensorFlow–谷歌公司開發的框架，在工業界用得非常廣泛。這兩個框架佔據了深度學習框架得大半壁江山，所以一定要熟用啊。
課程，或者書籍資料請大家自行在網上查找，暫時無免費推薦資料。
人工智能和大數據相關的競賽
學到這裏，是不是迫不及待的想應用了呢？大家想做AI算法方面的，可以多參加一些比賽，這些比賽在中國甚至是世界認可度都是很高的
首推 ： kaggle比賽https://www.kaggle.com/learn/deep-learning一個競賽是世界知名的，由谷歌公司推出的kaggle競賽，可以競賽，可以學習，下載數據集，獎金還不少，因爲是谷歌公司的，所以要求深度學習框架一般是tenserflow
其次:阿里天池比賽 天池
https://tianchi.aliyun.com/competition/gameList/activeList
阿里雲平臺提供數據集，雲計算平臺，非常方便
後期學習的建議
能堅持到這裏，我相信你是一個不折不扣的大佬了，做過有關項目。接下來就要考慮發展方向了，npl（自然語言處理方向）自然語言處理，文字，語言，翻譯等
**cv（計算機視覺方向）計算機視覺，目標檢測，人臉識別，自動駕駛等等
強化學習 強化學習方向–機器人，阿爾法狗等
數據挖掘，大數據處理等。
要做一個合格的人工智能算法工程師，一定要有擔當和責任，不能滿足於跑跑別人的代碼，用用別人的框架，看看翻譯的論文。更要學會自己主動學習思考，主動實現，學好英語，能看純英文的論文，自己總結心得看法，嘗試自己發表。
互聯網時代，每一個互聯網工作者，一旦不學習，就將會互聯網的浪潮淘汰。希望大家能夠秉持一顆學習的心，共同進步，以後能爲人工智能領域做出傑出貢獻！