這多是業界最齊全的機器學習課程大綱了！

爲了能讓更多初學者瞭解機器學習/數據分析/數據挖掘等崗位的具體工做流和技能，找到入門的切入點，菜鳥窩特意邀請了3位人工智能不一樣領域的專家，一位是就任於阿里的高級算法專家@Chris，一位BAT的數據挖掘工程師@熊貓醬，一位15年計算機視覺方向的專家@tant，以自身具體的工做流爲核心，舉辦連續四場人工智能入門直播公開課！

老師們將分別從各自擅長的領域：機器學習學習路線、python數據分析、機器學習數學、算法工做流、深度學習，

以在大廠具體工做流逆向指導理論學習，規劃學習路線

，是不可多得的入門級課程，旨在爲廣大的AI愛好者和跨行學習者提供堅實的基礎。

趕不上直播課的童鞋可戳連接看回放：

https://www.cniao5.com/course/10231

<直播課精華內容整理>

一、人工智能的行業狀況是怎樣的？整個行業是怎麼分類的？

在校本科、碩博想入門AI或其餘行業想轉行AI的童鞋，對於人工智能的現狀很不瞭解且不知如何入門。其實目前AI在學術界是沒有權威的定位標準的，但工業界能夠大體分爲如下四大分類：硬件（專業是微電子、集成電路會學習算法知識）、底層（關注計算機原理）、軟件工程（關注算法執行效率，應用性是否耦合、合理）、業務應用（解決業務問題）（此處不明白的可戳連接看第一講回放視頻： www.cniao5.com/course/1023…

目前中國人工智能行業缺口達到40萬，缺的就是業務應用領域的算法工程師。它要求這類工程師既要精通算法原理、懂得應用場景剖析，又要懂得模型上線部署，幫助企業解決實際業務問題，從而創造效益！故此企業真正須要的人是業務應用型的算法工程師，這也纔是菜鳥窩開設本次機器學習vip就業班的初衷所在！咱們不會一條一條教你怎麼去擼碼，而是所有會集中於業務應用。先從數學和python基礎開始，具體地講每一種業務場景中的常見問題，實際工做是用什麼方式去解決問題，上完整個菜鳥窩的機器學習vip課程，你就至關於得到了一個公司中解決實際工做問題的思路和能力。

二、人工智能所須要學習的技能有哪些？

①機器學習的基礎是數學，入門AI必須掌握一些必要的數學基礎，可是並非所有的數學知識都要學，只學工做上實際有用到的，好比是微積分、機率論、線性代數、凸優化等這些。

②數據分析裏須要應用到的內容也須要掌握，但不是網上所說的從0開始幫你作數據分析的那種，而是數據挖掘或者說是數據科學領域相關的東西，好比要知道計算機裏面怎麼挖掘數據、相關的數據挖掘工具等等

補足了以上數學和數據挖掘基本知識，才能夠正式進行機器學習算法原理的學習。

③算法方面須要掌握一些基本的框架：python、spark、mllib、scikit-learning、pytorch、TensorFlow，數據方面須要懂得HQL、numpy、pandas，若是你自己是後臺開發、app開發、數據分析、項目管理，則是一個學習算法的一個加分項。

④最後須要對人工智能有全局的認知，因此菜鳥窩的機器學習vip大課會講授到算法理論，包括機器學習、深度學習兩大模塊，相關的算法原理、推導和應用的掌握，以及最重要算法思想。

三、真正實際工做中的算法工做流程是怎樣的？

BAT企業的算法工程師是這樣工做的：問題抽象、數據採集和處理、特徵工程、建模訓練調優、模型評估、上線部署。（具體操做能夠看阿里算法專家chris老師的第一講回放視頻www.cniao5.com/course/1023…）而一個算法工程師真正值錢的地方在於問題抽象和上線部署這兩個。

四、AI的職業將來發展方向有哪些？

四個大方向：算法專家、解決方案架構師、CIO、數據科學家（四個方向的具體技能可看chris老師的第一講回放視頻 www.cniao5.com/course/1023…）機器學習vip大課會把你們的方向引向算法專家和數據科學家兩個領域，由於這兩個領域的人才缺口最大。

五、機器學習中常見的數學基礎有哪些？

微積分，線性代數，機率論在機器學習幾乎全部算法中不可或缺。若是你數學不是那麼紮實，大學學的數學知識都還給老師了（大部分同窗都是如此），那麼從新溫習一下這些重要概念也不錯。考慮到理論的數量，咱們並不建議你們從大部頭開始。儘管一開始能夠用它查詢具體概念，可是初學者先關注簡單的話題比較好。我建議從提綱之類的視頻教材入手，其中全部核心概念均被涉及，次要概念可在須要的時候自行查詢。這種方法雖然不夠系統，但卻避免了這樣的缺陷：大量晦澀概念使得沒有紮實理論背景的人望而卻步。

六、深度學習和機器學習究竟是什麼？（具體可回看第四講回放視頻：https://www.cniao5.com/course/10231）

網絡上那麼多深度學習的資料，學習了不少以後仍是懵懵懂懂的。

Chris老師經過橫向對比的方式，讓你瞭解一個普通的程序和機器學習算法的相同點/差異點是什麼？對於程序而言就是要一個準確的結果，而對於機器學習而言咱們要的是規則。

機器學習有聚類算法和分類算法，這是常見的一些機器學習算法。網絡上大多數資料都顯示深度學習只是機器學習的一種特殊類型，今天咱們從另外一個角度來看，其實深度學習是另一類算法的集合，深度學習的核心是網絡深度和網絡結構。網絡深度是一個相對概念，沒有說一個隱藏層要大於多少纔算深度學習。

深度學習的另一個核心是網絡結構：深度自信網絡、神經網絡、循環網絡、卷積網絡都各自是一種結構。按照結構的不一樣，有不一樣的分類，好比

LSTM、ResNet都是一種特殊的結構，而不是一種特殊的算法。LSTM是深度學習算法領域中的一種網絡結構，千萬不要理解爲一種算法。

七、常見誤區：學了機器學習這麼多知識點以後，那何時教我學推薦系統算法？

有很多童鞋有疑問，入門AI，學習完了數學、python、機器學習、深度學習等等知識點，那何時學習推薦系統算法啊？其實，這個是同窗們最常犯的誤區。由於算法是能夠應用在不一樣的方向、業務裏面。推薦系統知識一個應用項目，算法纔是底層基礎和核心，不要把推薦系統、風控系統、圖像檢測、人臉識別等當作是算法，沒有這種分類，這些僅僅是算法的應用方向。

算法的應用方向或應用領域有數據挖掘、計算機視覺、音頻、計算機天然語言處理、自動化等，而推薦系統、流失挽回系統、風控系統、智能問答、翻譯、智能控制、人臉識別等這些其實只是一個個實際的項目，不是算法，世界上沒有一種算法叫作推薦系統算法的。因此不要再有這樣的誤區：大家的課程體系教不教推薦系統算法啊？由於其實推薦系統不是一種算法，它僅僅是個實踐項目而已。若是我須要預估一個推薦系統裏的點擊率，是應該瞭解哪些算法能夠解決這個實際問題，好比一些機器學習的算法或者是深度學習的神經網絡、邏輯迴歸算法、決策樹算法等均可以解決，所以算法纔算核心，只有掌握了算法思想和原理，就不只能夠去作推薦系統，還能夠計算機視覺、計算機語言處理等領域的項目，解決企業項目中的各項問題。（還沒明白的童鞋能夠回看第四講視頻： www.cniao5.com/course/1023…）

解決具體業務的問題，應該是去選擇哪些解決問題的算法，因此機器學習 vip大課纔會覆蓋各類算法的學習，由於你到企業中去是要去解決實際問題的，而要解決推薦、用戶召回這些實實在在的問題，你就必需要懂得算法，知道哪一個算法是最合適解決當前問題的。而你要懂這些算法的前提，你就必需要懂一些基本的數學知識，

python基礎和機器學習知識，其餘機構是不會去很仔細的教這些知識的，因此不少童鞋會學完以後算法基礎都很薄弱，由於基底沒打好。

八、基礎神經網絡的具體運用過程和基本原理

從一個案例開始，帶你全局掌握一個神經網絡的基本原理以及核心是什麼。具體案例推算過程能夠回看第四講視頻： www.cniao5.com/course/1023…）

九、算法崗位的面試流程和麪試tips

剛轉行或者有一兩年工做經驗的童鞋，通常都會經歷如下四個流程。

面試小 tips：

一、人工智能專業基礎是第一面中最重要的，並非說讓你推導算法，懂不懂分類、決策樹算法這些，而是要求你知道對於機器學習、深度學習來講，什麼是最重要的，兩種算法之間的區別是什麼。各類算法之間應該怎麼進行評估。

二、第二面直系領導面關注的是項目經驗和實用價值，也是最重要的一面。人工智能領域跟其餘領域不太同樣，不少時候對一個算法的應用都算一個經驗，好比說你能夠把一個算法在知乎上寫一個專欄，都算一個項目經驗。而在面試過程當中你能夠了解到所應聘公司要作什麼項目，好比說是推薦系統的話，你能夠針對性地展現你對推薦系統的理解，所要用的算法的緣由，可讓直系領導知道你的價值所在，你是對算法思想以及適用性有必定了解的。

十、如何纔算入門AI？

確實人工智能領域所要學習的東西太多，交叉的知識太多，因此這樣才須要有導學。不少同窗自學，每一個部分都學一些，可是卻不能實際應用。而企業的面試官真正會問到問題是這些：某個算法的原理是什麼？某個實際問題應該用什麼算法解決？在某個場景下你應該應用什麼樣的算法？好比推薦系統的召回算法你應該怎麼設計？你對推薦系統的認知，你知道哪些呢？等等，可以回答這些問題，你纔算真正入門，而不是說我懂線性代數、懂

python、懂機器學習理論就是入門了。要回答某一問題要用什麼問題解決，你要知道全貌，要學習不少的算法原理和思想的，而且知道怎麼應用。

十一、人工智能的學習路線

十二、算法工程師的職業路線和發展

<部分學員答疑>

一、機器學習vip大課會講到深度學習的內容嗎？

菜鳥窩的機器學習Vip課會專門有一個模塊專門講深度學習，深度學習更可能是一種算法架構思惟方式，可是它做爲當今火熱的一個名詞，咱們須要理解它所包含的思想。神經網絡、

卷積神經網絡等都會講，從數據的角度，去理解

CNN 內部作了什麼。只有當概念清晰時，咱們才能對實際視覺問題給出合適的答案。人臉識別、物體檢測等原理，序列建模的原理及常見應用場景以及深度學習模型部署，這些通通都會講到。最後還會進行一個基於卷積神經網絡的圖像分類實戰。【大課的具體大綱和資料領取可勾搭運營小姐姐，微信id：BT474849】

二、目前從事是數據分析3年，以後想往nlp方向走，請問報名菜鳥窩的機器學習vip課程能夠幫助到我嗎？

nlp的話，數據分析累計的經驗還真沒辦法通用，nlp的基礎仍是數據挖掘算法，而後機器學習中有nlp相關，深度學習中有nlp相關，這些咱們的大課裏都有~計算機視覺是一類，nlp也是一類問題，而咱們是學習解決各種問題的基礎，也就是機器學習和深度學習算法。不是說我上來就學如何創建推薦系統，若是搞個問答系統，若是單純學個推薦系統咋弄沒多大意義，推薦系統僅僅就是個實踐模塊而已。

三、應用型的數據分析人員，須要懂得算法原理嗎？

其實數據分析是數據科學的一個領域，數據分析人員在淺層次懂得在某個場景下用什麼算法模型，這是對的，可是從更深層次來說，你更應該知道這個場景下哪一個算法運行的效果更好，你不能從更加深層次地瞭解爲何，就是不懂算法的原理和思想，原理不是說一步步地推導公式，而是某個算法的一個具體訓練過程、運行過程營關注哪些問題等等。

2019年機器學習算法工程師VIP就業班

(算法工程師、數據挖掘、數據分析崗位必學)