请已经在此坑中人事给指个方向，例如：该学习什么语言、或框架。整天被“人工智能”这几个字熏陶，感觉在不去了解下就、、、真晚了，求大神指教。

怎样入门“人工智能-深度学习”领域，包含哪些关键技术？

发布于
2017-09-16

更新于
2017-09-16

✓ 已被采纳

这个问题不是一个糟糕的问题，只是有很多装神弄鬼的大神把人工智能吹到了天上去，就像以前说要想学计算机编程必须要数学好英语好一样，其实不见得。人工智能也是类似，很多人说要想搞人工智能必须会高等代数（甚至装逼到说连高等代数这个名词都不好，必须叫线性代数才牛逼）一样，其实没必要。

实际上，学人工智能分为三个层次：

第一层

对于绝大多数人来说，你只要会调用API接口就会人工智能。现在各种开放云全部提供各种人工智能接口，包括百度、阿里等等。需要语音识别吗？调接口就行了；需要图像识别吗？调接口就行了。相信我，你们公司的应用还没有牛逼到必须自己写算法的地步，市面上的各种开放接口所能做到的效果绝对比你自己写的强一百倍。当然，你只到这个层次，没有人会给你百万年薪，如果想要高薪，接着往下看。

第二层

对于剩下的人里的绝大多数来说，你还是不需要什么线性代数，如果你想稍微学得深入一些，不想直接使用阿里云的语音识别，而想了解得更深入一些，这时候，你需要学习Python语言或者R语言，对R语言我了解得不多，就以Python为例，这时候有2个框架是你需要知道的：scikit-learn, matplotlib。光知道了框架也没有用，你得知道你想干什么。就像师傅给你一把斧子和一把锯子，然后呢？接下来，你需要了解一下工具的用法，可以从最简单的泰坦尼克幸存者分类或者鸢尾花分类开始做起。没有什么神秘的，原理很简单：给了你2000个人的姓名、年龄、舱位号，你来预测一下另外1000个人是死还是活？问题够简单吧？这就是“机器学习”！scikit-learn里有几百种不同的算法，你可以一个一个拿来试，直到找到一个预测准确度最高的算法为止。而且scikit-learn已经把所有算法完全包装，甭管多复杂的算法，上来就是三板斧：创建、学习、预测：

model = RandomForestClassifier() # 这里你可以随意选择任意算法
model.fit(X_train, y_train)
model.score(X_test, y_test)

你觉得这需要多么复杂高深的线性代数吗？你学不会算我输。当然，这时候算法的精度不够高，大概80%多，不到90%的样子，如果你对预测结果的准确率不满意，恭喜你，你又上了一个层次，这时候你可以开始逐渐尝试一些神经网络的库，比如tensorflow的cnn等等，稍微需要一些技巧，不过还是不需要什么线性代数之类的鬼东西，准确度已经可以提升到95%以上了。因为神经网络是分层的，一开始层次不能太多，最多也就是七八层的样子，现在的一些神经网络已经可以提升到100多层，所以就叫深度神经网络，相应的机器学习也就得到了一个牛逼的名字——深度学习。

接下来是你该思考的问题：我能用这些库解决什么实际问题？假设你们公司是开饭馆的，那么能不能预测一下哪个饭点来的客人花钱多？诸如此类的问题，需要你去开动脑筋想一想，然后试着用这些库预测一下，看你的预测准不准。够简单吧？能做这事，大概你到外面能骗到三四十万年薪。

第三层

你实在是不爽别人开发的框架（你还是想要获得百万年薪），这时候你可以开发你自己的框架，做出一个比Tensorflow还要牛逼的框架，这个时候你需要用到高等代数了，一般你应该是大学里的一个研究生或者教授，到这个层面，我就帮不上你什么忙了，因为我也还没有修炼到那个程度。不过说真的，你搞这个东西能为公司挣回来百万吗？基本也是不可能的，所以这种算法的虚火要不了多长时间就会灭火，用不着羡慕别人。做这个基本就是觉得好玩去做而已，工程师在任何商业文化里都是被人利用然后唾弃最后资本赚钱的，喜欢就好。

附录

最后，英语好的话，可以经常上Kaggle寻摸寻摸，看看别人又在玩什么新花样了，增长眼界的同时也可以练练手。入门教程方面，Cousera上吴恩达教授的机器学习入门还是一门不错的课程，不过需要较好的英语。交朋友方面，可以看看我这篇被众多Java爱好者喷的体无完肤的小文。Python就是牛，在机器学习领域无敌手，哈哈哈！