在上週六,看了掘金的課堂。此次的課堂和以前的不同,由於此次涉及的領域是人工智能,講的內容也是如何自學人工智能(AI)。這個主題,領域對於我本身而言,是一個關注可是陌生的主題,不一樣所從事的前端。html
在描述課堂以前,先大概介紹下人工智能的各方面。前端
引用百科的說法:人工智能是研究、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。企圖瞭解智能的實質,並生產出一種新的能以人類智能類似的方式作出反應的智能機器,該領域的研究包括機器人、語言識別、圖像識別、天然語言處理和專家系統等。web
爲何要學人工智能,這個可能不少人都想着,人工智能人才短缺,待遇高。這樣想是對的,由於如今的狀況就是如此。但每個行業的總會有一個風口期,紅利期,這個不會一直存在。並且若是本身沒興趣,不肯接受挑戰,就奔着高薪而學,註定走不遠。因此,我不從這個角度解釋這個爲何。算法
我關注人工智能的理由就是由於人工智能就是一個趨勢,前景也廣闊,在之後也會逐漸的滲透到各行各業裏面,影響咱們生活的各個方面。因此就以爲人工智能值得學習。後端
也順便擴展一下:我瞭解的人工智能如今有哪些應用領域了架構
領域 | 具體應用 |
---|---|
在計算機視覺 | 車牌識別,圖像識別,人臉識別,人臉美顏,無人車 |
情景智能 | 導航最佳路線,用戶行爲推薦 |
語音技術 | 語音識別,精確翻譯,智能助手(說一段話,計算機完成一個任務) |
生產,製造業 | 自動化車間,智能農業 |
一堂課掌握 AI 自學路徑圖機器學習
AI 如何改變咱們的生活?ide
AI 在七牛雲的應用?學習
學習 AI 須要哪些基礎知識?大數據
參與 AI 相關的工做須要哪些知識?
AI 相關崗位的平常工做是什麼?
如何自學 AI
相關資源
首先,第一個課時是彭垚老師帶來的《AI技術革新》講述的內容分爲如下三大塊吧。
關於人工智能改變生活,主要有三大塊,計算機視覺,語言識別,語音識別,具體的產品這裏就不列舉了。
計算機視覺方面的應用,好比導航的車輛識別,人臉識別,行爲分析。
語音識別方面,好比智能機器人,智能音響。
語言處理方面,在線客服,我的助理,只能問答。
這一些領域都有不少出色的產品出現,在這裏就不列舉了。可是不能否認的就是,由於這些領域的產品出現,給咱們生活的衣食住行都有很大方面的改善。
老師介紹到,七牛雲圍繞海量數據提供創新,靈活的組合場景,把AI融合進七牛運的產品線裏面去。同時加力發展視頻智能和數據智能的探索和應用。其中視頻智能裏面,包括內容審覈(對色情,暴恐等視頻進行處理,保證視頻內容健康),人臉識別(身份覈驗,智能安防等),視頻分析等,在數據智能裏面,包括數據分析決策,理解機器語言和情緒,洞察將來等。
除此以外,也介紹了七牛雲的人工智能實驗室的核心創新體系。介紹了運用AI實現內容審覈(對色情,暴恐等視頻圖像進行處理,保證內容健康),城市之眼(對人,物,場景進行檢測,實現身份覈驗,智能安防等需求),媒資智能(對視頻圖像等實現人臉識別,實現人工檢索等需求),創新計劃。也介紹了當中的技術架構,運做原理,以及一些成功案例(陌陌,步步高,美圖秀秀等)。
首先,AI工程師有7種,計算機視覺算法工程師,機器學習平臺研發工程師,大數據平臺研發工程,搜索引擎研發工程師,系統架構工程師,業務架構工程師。這幾個職位字面上知道是負責什麼,雖然我都不會。老師在課上簡單介紹了他們的工做內容,成果方面包括AVA彈性深度學習平臺,LEGO大數據富媒體知識庫,AI Video OS等。
由於打字速度跟不上說話速度,內容也過多,用我本身的意思表達又擔憂表達錯誤(其實就是由於懶),因此答案就不寫了,須要知道答案的,請點擊下面的連接,觀看視頻。
1.七牛雲AI的核心技術能力是什麼?
2.將機器學習與社會可與研究相結合,有哪些可能的基於和挑戰?
3.不少關於人工智能的文章說,中國在人中只能領域處於領先位置,可爲何在學習過程當中找到額度資料都是國外的?
4.系統架構和業務架構有什麼不一樣?
5.能夠簡介一下AI開發的流程嗎?
6.這個AI Video OS是用在什麼應用場景的呢?是對外提供服務能力,仍是對內使用?
最後,由於這個只是我一個簡單的筆記介紹,若是你們想了解更多,仍是得點擊下面連接進行觀看:
而後,第二個課時是邵傑老師帶來的《AI初學者入門》。關於這個課時,並非講了AI的全部應用領域,挑了兩個應用很廣的兩個領域:機器學習和計算機視覺。
開始以前,提了三個建議:
1.不要等到掌握全部的相關數學知識再開始 2.不要收集過多的學習資料 3.動手,動手,動手
關於第一個建議,老師目的就是想說,由於知識太多,難以所有掌握,會影響信心,並且不少知識不必定要求特別熟悉,想你們儘快的進入學習人工智能裏面去。這也的確,不止AI,前端也有這樣的狀況,就是有人評估作前端仍是後臺的時候,就是評估前端要學什麼,後端要學什麼,這樣就感受有點想太多了。
關於第二個建議,老師以爲網上資料繁雜,質量難以保證,也不繫統,收集過多的資料,時間成本太大。
關於第三個建議,這個應用是通用的,即便是我本身寫文章,我也很是建議,也屢次提到你們除了看,更要寫,這樣才能印象深入。若是隻看不寫,學的過程很容易懵。
機器學習:利用學習算法,從數據中產生模型。簡單的說就是根據寫的程序(機器算法),根據大量的數據,產生一個模型。講師也講了一個實例:好比常常會收到垃圾郵件,下次在收到的時候,根據已收到的垃圾郵件進行分析,判斷是否是垃圾郵件。
機器學習:泛化性(根據已有的數據,分析新數據),算法偏好(不一樣的模型,問題,應用匹配不一樣的算法)
關於機器學起,也用了K近鄰的方式實現一個圖像識別。可是學習以前,你們要學習下相關的數學知識。
仍是同樣,只有問題,答案看視頻。
1.建不建議從深度學習開始入手學習?
2.phtroch和TensorFlow兩個機器學庫,選擇哪一個學習比較好?
3.動手很重要,具體應該怎麼實踐?
4.AI開發選用什麼變成語言比較合適?
5.請問老師,對於傳統軟件開發行業(c語言),行行人工智能行業(機器學習方向)有什麼建議?
6.老師對於在線的機器學習的課程怎麼看,例如coursera等等麻煩說說
視頻連接:
附視頻說起的學習資料:
尼克《人工智能簡史》(這本書要認清做者,由於老師提到,《人工智能簡史》有兩本同名書籍,推薦的是尼克這本)
Miroslav Kubat《機器學習導論》
周志華《機器學習》(西瓜書)
Aurelien Geron《 Hands-on Machine Learning with Scikit-learn & Tensorflow 》
Ian Goodfellow等《Deep Learning》(花書)
Getting Started With MachineLearning (all in one) by 梁勁 sina.lt/f3W8
Machine learning 101 by Jason Mayes sina.lt/f3W3
機器學習速成課程 developers.google.com/machine-lea…
臺灣大學李宏毅教授 speech.ee.ntu.edu.tw/~tlkagk/cou…
吳恩達教授 mooc.study.163.com/smartSpec/d…
斯坦福大學 cs231n cs231n.stanford.edu/
斯坦福大學 cs224n web.stanford.edu/class/cs224…
scikit-learn Tutorials scikit-learn.org/stable/tuto…
機器學習術語表 developers.google.com/machine-lea…
此次課堂的我的理解就差很少就到這裏了。但這個課堂可讓你們對AI開發有一個大概的瞭解,知道AI能夠作什麼,怎麼作。以及AI自學的一個指導,至因而否受用,這個就見仁見智了。
最後感謝掘金和兩個講師給你們帶來課程。