Github

由于现在网络资源比较多，尤其Github上更大方光彩

或者说B站上也有很多可以学习的资源

本文主要从人工智能整体框架学习阐述一些自己的看法

如有疏漏，请您海涵

基础阶段（数学基础）

以Python为例，首先要打好Python基础，然后对Python进行进一步了解

熟悉Numpy科学计算库，熟悉Matplotlib可视化库以及数据分析库Panda，总的说就是学习掌握Python的相关知识

打好数学基础：学习数学分析基础理论，对高等代数微积分等有所学习，尤其对线性代数矩阵论、概率论进行加强学习

了解一部分计算机视觉或者自然语言处理的工具，看一下实战的例子，对其有一个直观的认识，了解一些比赛

对机器学习的经典算法原理进行推导学习，对机器学习的应用进行分析

Skleran库进行学习，知道如何优化参数以及迭代梯度

学会数据处理以及根据不同数据进行特征分析

通过可视化，对文本特征，图形特征，时间序列进行建模分析

对不同景点算法进行对比分析学习，对竞赛了解如何赢，怎么赢，了解大公司企业项目解决实例

对神经网络，卷积，递归神经网络进行学习

学习Opencv库，了解主流框架

基于Tensorflow或者Caffe进行实战训练，学习Keras等

使用Opencv做一些小项目

对自然语言处理也进行学习和实战

知道所有问题的优缺点和起源

对经典论文进行分析深挖复现

了解深度学习进阶技能和模型比较

对神经网络深入学习

了解未来趋势

综合实战，对未来进行规划和终身学习

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。