今天，你AI了没？
首先给智能技术一个定义，我这里想说的智能技术指的是让机器学会各种真实场景下的复杂任务完成能力所涉及到的技术。从任务完成过程的角度可以划分为感知、认知、决策与控制四个环节。从要素的角度可以分为系统、硬件、软件和模型。
其中模型是智能技术相较于其他领域有特色的要素，这里的模型可以称为任务模型（即通常大家所说 算法），通过对信息的有效处理，对input处理后给出output，使得任务有效达成的模型。而这里的任务模型又可以分为基础技术和应用技术两个层面：
基础技术是模型构建的基本功，主要是数学相关的模型设计与实现，如Q-Learning、Sarsa、DQN、PPO等各种模型，掌握其中的数学原理、特点、适用场景等。
应用技术侧重的是解决实际问题，这里主要是对问题的定义、模型设计与实现、调试优化。可以说有效的问题定义是真正解决问题的前提。
附赠分享一个CSDN以前发布的《AI技术人才成长路线图1.0》，很专业，可以参考，公众号回复：20190520
这里就借鉴了一万小时天才定理中的学习方法了，同时也参考智能技术中的模型训练方法，即精进三部曲：
1.设定目标
2.刻意练习
3.反馈优化
如果把人自己看作是一个任务模型为核心的机器，对自己的有效训练也无非是通过反馈优化提升模型能力，如精度、速度、自适应的泛化能力等。那么，迭代循环三个步骤，你的技术能力一定会不断提高：
设定好学习任务模型的目标：循序渐进，从初级的基础技术开始，不断挑战更加高级的应用技术，最终成为能够用任务模型解决非常复杂的实际问题的人。将要训练的内容进行切块，切碎成较为独立的知识点和技能，具有可训练性，如在Minist数据集上，掌握CNN基本模型的设计与实现。如文末图中就是对算法与数据结构的切块。
刻意练习：不断重复练习，一开始一定要保证练习的正确性，要慢一点，不要求快，就好像灌篮高手里樱木花道练习投篮一万次一样。尤其要针对自己不熟悉、弱点的环节，如算法与数据结构、数学基础知识、编程语言熟悉程度等。
反馈优化：通过对比与高手之间的差距来提升自己的水平，这个环节可以在Github、LeetCode等渠道找到高手代码，或者你很有幸能够找到高手亲自指点你，就像教练和老师一样。最终使自己掌握的更加熟练、稳定、精确。
联系客服
