【編程不太牛】AI時代來臨，開發者如何向AI開發轉型？

 

隨着軟件開發技術不斷迭代升級，AI開發逐漸成爲開發者最爲關注的發展方向。面對AI開發，建模、訓練、優化、應用開發，到處都有難題，遷移成本，分分都要考慮，在轉型AI開發的過程當中，做爲開發者的你，都遇到了哪些問題？是如何實現轉型的？

無論我的是否向AI轉型，對於我的來講，瞭解AI也是必要的。

1、做爲程序員能夠在掌握了數學、python的基礎上多瞭解機器學習等，並經過項目實操多參與實踐。

知識體系

首先要作到應用。這對於熟練python的程序員有必定優點， 同時須要對機器學習和深度學習有必定了解，能用tensorflow作一些模型訓練。

其次，熟悉tensorflow，caffe，pyTorch等框架，擁有對Inception，Resnet等經典模型的基礎。能看懂論文和代碼，並可以結合數據進行分析和實驗，對模型結構，參數等不斷進行優化，達到提升識別率等目的。這個優化過程須要耗費大量的時間。

2、對於一些僅僅想了解或初步嘗試的學習者，推薦一些通俗易懂的帖子和網站：

如何自學人工智能？

學習人工智能的路線？

非技術背景入門人工智能，有哪些值得推薦的基礎學習資料？

機器學習第一部分：python庫相關

如有必定基礎，而且有實操的需求，機器學習瞭解一下~（附教學視頻）

3、對於想深刻了解人工智能行業或但願從技術上有提高的學習者，推薦看一些經典之做：

1．學習 OpenCV

Learning OpenCV 的做者是 Gary Bradski 和 Adrian Kaehler，本書適合對計算機視覺和圖像處理有基本瞭解的人羣，經過本書能更好地瞭解 OpenCV 如何讓編程任務更容易。

兩位做者將衆所周知的算法編碼成可調用的函數庫，能夠用來完成更復雜的任務。固然，這也做爲一本用戶手冊，目錄結構清晰，遇到問題時可進行查閱。

2．人工智能：一種現代的方法

Artificial intelligence: A Modern Approach 是人工智能領域經典教材，做者是 Stuart Jonathan Russell 和 Peter Norvig。本書提供了現代技術中關於人工智能理論與實踐最全面和前沿的介紹，經過智能決策、搜索算法、邏輯推理、神經網絡和強化學習等方面來介紹最早進的人工智能技術，推薦給對人工智能感興趣的專業研究人員。中譯本封面你們可能更熟悉一些：

3．智能 Web 算法

做者是 Haralambos Marmanis 和 Dmitry Babenko，本書會讓你學會該如何捕獲、存儲和構建網絡中的用戶數據，並經過數理統計、神經網絡和深度學習等方法實現數據分類，進而構建推薦系統。本書還提供瞭如在線廣告的點擊預測等案例分析，附有相關代碼。

4．語音與語言處理

這本書的做者是 Dan Jurafsky 和 James H. Martin，本書涵蓋了經典天然語言處理、統計天然語言處理、語音識別和計算語言學等方面。對於語音學領域專業人員，是一本重要的參考書籍。

5．模式識別與機器學習

做者是 Christopher M. Bishop。本書提出了近似推理算法和用於描述機率分佈的圖模型等多種最新分類方法。在閱讀本書以前，最好有多變量微積分和基本線性代數等數理基礎，面向人羣爲高年級本科生、研究生和相關研究人員。

6．遊戲人工智能編程案例精粹

Programming Game AI by Example，做者 Mat Buckland。本書是遊戲人工智能方面的經典之做，暢銷多年，主要講述如何使遊戲中的角色具備智能。適用於對遊戲 AI 開發感興趣的愛好者和遊戲 AI 開發人員。

7．統計天然語言處理基礎

Foundations of Statistical Natural Language Processing，做者是 Christopher D. Manning 和 Hinrich Sch ü tze。本書涵蓋的內容十分普遍，包括了構建天然語言處理軟件工具將用到的幾乎全部理論和算法。全書的論述過程由淺入深，從數學基礎到精確的理論算法，從簡單的詞法分析到複雜的語法分析，適合不一樣水平的讀者羣的需求。

8．模式分類

Pattern classification 的做者是 Richard O. Duda、Peter E. Hart 和 David G. Stork，是模式識別和場景分析領域的經典著做。

9．模式識別中的神經網絡

Neural Networks for Pattern Recognition 的做者是 Christopher Bishop，本書在介紹基本數學知識後，研究了機率密度函數的建模方法以及多層感知機和徑向基函數網絡模型的性質和優勢，還提到了偏差函數的主要算法、神經網絡調參技巧及貝葉斯技術的應用。適合涉及神經計算和模式識別領域的相關研究人員。

10．計算機視覺

Computer Vision: A Modern Approach 是計算機視覺領域的經典教材，做者爲 David Forsyth 和 Jean Ponce。

本書涉及線性濾波、局部圖像特徵、聚類、圖像分類、對象檢測和識別、基於圖像的建模與渲染等。

與前一版相比，本書簡化了部分主題，增長了應用示例，重寫了關於現代特性的內容，詳述了現代圖像編輯技術與對象識別技術。

11. 人工智能遊戲編程真言

AI Game Programming Wisdom 的做者是 Steve Rabin，本書聚集了與智能遊戲開發有關的人工智能內容，藉助這些內容，開發員可以順利開發角色。

中譯本《人工智能遊戲編程真言》

12．Python 天然語言處理

Natural Language Processing with Python 的做者是 Steven Bird、Ewan Klein 和 Edward Loper。本書基於天然語言工具包 NLTK 庫，內容按照難易程度順序編排，不要求讀者有 Python 編程的經驗。是天然語言處理領域的一本實用入門指南，適合 Common Lisp 初學者及對其感興趣的相關人員。

最後想說，任何一次改變世界的技術革新都是在必定的社會需求積累到必定量的前提下。人工智能更重要的不是技術基礎，而是具有AI的思惟方式。關注社會發展、關注社會需求的新方向，用技術去解決人們的生活難題纔是AI的本質。瞭解更多學習AI教學資料領取 瞭解更多學習AI教學資料領取