首先,人工智慧包括很多方面。
這裡以最近非常火熱的機器學習和深度學習以及強化學習等演算法角度來談談,31歲到底適不適合學人工智慧。
31歲,如果是從零開始,那麼需要學習的知識包括但不限於以下。
機率論
統計學
線性代數
微積分
凸最佳化
Kmeans演算法
主成分分析
DBSCAN聚類
KNN
線性迴歸
邏輯迴歸
決策樹
支援向量機
樸素貝葉斯
EM演算法
整合學習
協同過濾
標籤傳播
深度神經網路
卷積神經網路
迴圈神經網路
遞迴神經網路
2.1 Python基礎
基本資料型別、函式、類.面向物件
容器、檔案處理、
錯誤處理和異常
模組,標準庫
資料結構
NumPy
SciPy
Pandas
Matplotlib
Scikit-Learn
Tf-idf
Word2Vec
FastText
Tensorflow
MXNet
Caffe2
PaddlePaddle
Keras
PyTorch
Maven
JIRA
敏捷開發
需要學習的東西很多,31歲如果數學基礎比較好,可以考慮,如果數學不好,還是不要搞演算法這一方面的,可以考慮機器人方面等等。
首先,人工智慧包括很多方面。
機器人精密儀器機器學習,深度學習等等這裡以最近非常火熱的機器學習和深度學習以及強化學習等演算法角度來談談,31歲到底適不適合學人工智慧。
31歲,如果是從零開始,那麼需要學習的知識包括但不限於以下。
1.理論基礎1.1 數學基礎機率論
統計學
線性代數
微積分
凸最佳化
1.1 非監督學習Kmeans演算法
主成分分析
DBSCAN聚類
1.2 監督學習KNN
線性迴歸
邏輯迴歸
決策樹
支援向量機
樸素貝葉斯
EM演算法
整合學習
1.3 半監督學習協同過濾
標籤傳播
1.4 深度學習深度神經網路
卷積神經網路
迴圈神經網路
遞迴神經網路
1.5 強化學習2.程式設計相關2.1 Python基礎
基本資料型別、函式、類.面向物件
容器、檔案處理、
錯誤處理和異常
模組,標準庫
資料結構
2.2 Python資料科學NumPy
SciPy
Pandas
Matplotlib
Scikit-Learn
2.3 自然語言處理工具Tf-idf
Word2Vec
FastText
2.4 深度學習框架Tensorflow
MXNet
Caffe2
PaddlePaddle
Keras
PyTorch
2.5 專案管理和開發Maven
JIRA
敏捷開發
總結需要學習的東西很多,31歲如果數學基礎比較好,可以考慮,如果數學不好,還是不要搞演算法這一方面的,可以考慮機器人方面等等。