25歲Java工程師如何轉型學習人工智能？

時間 2019-11-18

標籤 java 工程師如何轉型學習人工智能欄目 Java 简体版

原文原文鏈接

　收到很多童鞋的來信，其中以職業發展、技術成長的困惑居多。git

　　今天選擇了一個頗具備表明性的問題：關於目前大熱的AI入門學習，但願能幫助有一樣問題的童鞋解惑指路。github

　　來信問題：25歲Java工程師如何轉型學習AI？算法

　　我是一名25歲的Java開發工程師。本科學習的專業是信息與計算科學（數學專業），由於對計算機方面感興趣，以後培訓學習了Java，因此如今從事Java開發。目前就是在電商公司開發一些系統。網絡

　　我對人工智能很是感興趣，對數學的興趣也從未減弱。人工智能設計的學習材料不少，像我這樣的情況，若是想要轉型之後從事這方面的工做，具體應該學習些什麼？機器學習

　　阿里技術童鞋「以均」回信：oop

　　首先，我想聊聊爲什麼深度學習最近這麼火。學習

　　外行所見的是2016年AlphaGo 4比1 打敗李世石，掀起了一波AI熱潮，DeepMind背後所用的深度學習一時間火得不得了。其實在內行看來，AlphaGo對陣李世石的結果是毫無懸念的，真正的突破在幾年前就發生了。2012年，Gefferey Hinton的學生Alex使用一個特別構造的深度神經網絡（後來就叫AlexNet），在圖像識別的專業比賽ImageNet中，獲得了遠超以前最好成績的結果，那個時候，整我的工智能領域就已經明白，深度學習的革命已經到來了。大數據

果真，以後深度學習在包括語音識別，圖像理解，機器翻譯等傳統的人工智能領域都超越了原先各自領域效果最好的方法。從2015年起，工業界內一些嗅覺靈敏的人士也意識到，一場關於基本概念的學習人工智能

　　關於基本概念的學習ssr

　　機器學習與深度學習

　　深度學習是機器學習中的一種技術，機器學習包含深度學習。機器學習還包含其餘非深度學習的技術，好比支持向量機，決策樹，隨機森林，以及關於「學習」的一些基本理論，好比，一樣都能描述已知數據的兩個不一樣模型，參數更少的那個對未知數據的預測能力更好（奧卡姆剃刀原理）。

　　深度學習是一類特定的機器學習技術，主要是深度神經網絡學習，在以前經典的多層神經網絡的基礎上，將網絡的層數加深，並輔以更復雜的結構，在有極大量的數據用於訓練的狀況下，在不少領域獲得了比其餘方法更好的結果。

　　機器學習與大數據

　　大數據：機器學習的基礎，但在多數語境下，更側重於統計學習方法。

　　機器學習，深度學習，數據挖掘，大數據的關係能夠用下圖表示

　　系統學習資料

　　深度學習火起來以後，網上關於深度學習的資料不少。可是其質量良莠不齊。我從2013年開始就關注深度學習，見證了它從一個小圈子的領先技術到一個大衆所追捧的熱門技術的過程，也看了不少資料。我認爲一個高質量的學習資料能夠幫助你真正的理解深度學習的本質，而且更好地掌握這項技術，用於實踐。

　　如下是我所推薦的學習資料：

　　首先是視頻課程。

　　Yaser Abu-Mostafa

　　加州理工的Yaser Abu-Mostafa教授出品的機器學習網絡課程，很是系統地講解了機器學習背後的原理，以及主要的技術。講解很是深刻淺出，讓你不光理解機器學習有哪些技術，還能理解它們背後的思想，爲何要提出這項技術，機器學習的一些通用性問題的解決方法（好比用正則化方法解決過擬合）。強烈推薦。

　　課程名稱：Machine Learning Course - CS 156

　　視頻地址：https://www.youtube.com/watch

　　Geoffrey Hinton

　　深度學習最重要的研究者。也是他和另外幾我的（Yann LeCun，Yoshua Bengio等）在神經網絡被人工智能業界打入冷宮，進入低谷期的時候仍然不放棄研究，最終取得突破，纔有瞭如今的深度學習熱潮。

　　他在Coursera上有一門深度學習的課程，其權威性自不待言，可是課程製做的質量以及易於理解的程度，實際上比不上前面Yaser Mostafa的。固然，由於其實力，課程的乾貨仍是很是多的。

　　課程名稱：Neural Networks for Machine Learning

　　課程地址：https://www.coursera.org/learn/neural-networks

　　UdaCity

　　Google工程師出品的一個偏重實踐的深度學習課程。講解很是簡明扼要，而且注重和實踐相結合。推薦。

　　課程名稱：深度學習

　　課程地址：https://cn.udacity.com/course/deep-learning--ud730

　　小象學院

　　國內小象學院出品的一個深度學習課程，理論與實踐並重。由紐約城市大學的博士李偉主講，優勢是包含了不少業內最新的主流技術的講解。值得一看。

　　課程名稱：深度學習（第四期）

　　課程地址： http://www.chinahadoop.cn/classroom/45/courses

　　推薦閱讀書目

　　《Deep Learning the Book》 —— 這本書是前面提到的大牛Yoshua Begio的博士生Goodfellow寫的。Goodfellow是生成式對抗網絡的提出者，生成式對抗網絡被Yann LeCun認爲是近年最激動人心的深度學習技術想法。這本書比較系統，專業，偏重理論，兼顧實踐，是系統學習深度學習不可多得的好教材。

　　英文版：http://deeplearningthebook.com

　　目前Github上已經有人翻譯出了中文版：

　　https://github.com/exacity/deeplearningbook-chinese

　　推薦學習路徑

　　不一樣的人有不一樣的需求，有些人但願掌握好理論基礎，而後進行實踐，有些人但願可以快速上手，立刻作點東西，有些人但願理論與實踐兼顧。下面推薦幾條學習路徑，照顧到不一樣的需求。你們能夠根據本身的特色進行選擇。

　　Hard way

　　Yaser -> Geoffrey Hinton -> UdaCity -> Good Fellow 特色：理論紮實，步步爲營。最完整的學習路徑，也是最「難」的。推薦指數： 4星

　　Good way

　　Yaser -> UdaCity -> 小象學院 -> Good Fellow 特色：理論紮實，緊跟潮流，兼顧實戰，最後系統梳理。比較平衡的學習路徑。推薦指數： 5星

　　"Fast" way

　　UdaCity -> Good Fellow 特色：快速上手，而後完善理論。推薦指數： 4星

　　"碼農" way