在大的行业趋势下,很多普通程序员都逐渐开始转人工智能,特别是电话机器人特别吃香,几乎每天都会有企业上门找公司进行商务洽谈,电话机器人代理,电话机器人贴牌等等...

但是由于人工智能的门槛相对于较高,对于许多人来说有些许的难度。所以笔者在这里推荐一个学习的方法,这个方法相对于其他的方法来说比较平滑,易于实现的学习方法,让更多人的普通程序员能够踏入AI领域。

先来说人工智能领域的简单介绍吧!人工智能也称为AI,很多人把它看做机器学习,这只是片面的。在AI中,符号与逻辑是实现人工智能的关键,不过AI发展日新月异,在大数据的加持下基于统计的机器学习占据了主导地位。要记住人工智能是不等同与机器学习的,所以这方面一定要清楚,不清楚的可以去看看周老师所写的《机器学习简介》

第一个问题:AI容易吗?这个问题因人而异的,如果是从来没接触过的普通程序员来说是有点难度进行跨越,因为你要面对大量的数据公式以及艰辛的调参,想很好的学习这门学科,就需要找到独特的方法。

任何学科都要持之以恒,用下面的学习方法会让你事半功倍

1.首先了解这个领域,建立起全面的视野,培养起充足的兴趣,然后开始学习机器学习的基础,这里选择一门由浅入深的课程来学习,课程最好有足够的实验能够进行实战。
2.基础打下后,对机器学习已经有了充足的了解,可以用机器学习来解决一个实际的问题。这时还是可以把机器学习方法当作一个黑盒子来处理的。
3.实战经验积累以后,可以考虑继续进行学习。这时候有两个选择,深度学习或者继续机器学习。深度学习是目前最火热的机器学习方向,其中一些方法已经跟传统的机器学习不太一样,因此可以单独学习。除了深度学习以外,机器学习还包括统计学习,集成学习等实用方法。如果条件足够,可以同时学习两者,一些规律对两者是共通的。
4.学习完后,你已经具备了较强的知识储备,可以进入较难的实战。这时候有两个选择,工业界的可以选择看开源项目,以改代码为目的来读代码;学术界的可以看特定领域的论文,为解决问题而想发论文。
5.无论哪者,都需要知识过硬,以及较强的编码能力,因此很能考察和锻炼水平。经过这个阶段以后,可以说是踏入AI领域的门了。

除此之外还推荐一些书籍进行辅助学习
Deep learning (paper):2015年Nature上的论文,由三位深度学习界的大牛所写,读完全篇论文,给人高屋建瓴,一览众山小的感觉,强烈推荐。如果只能读一篇论文了解深度学习,我推荐此篇。这篇论文有同名的中文翻译;
推荐,UFLDL: 非常好的DL基础教程,也是Andrew Ng写的。有很详尽的推导,有翻译,且翻译质量很高;
推荐,Neural networks and deep learning:这本书的作者非常擅长以浅显的语言表达深刻的道理,虽然没有翻译,但是阅读并不困难;
推荐,Recurrent Neural Networks: 结合一个实际案例告诉你RNN是什么,整篇教程学完以后,会让你对RNN如何产生作用的有很清晰的认识,而这个效果,甚至是读几篇相关论文所没有的;

这些主要是帮助想入门,但是找不到目标的程序员来写的,因为智能行业要想专精,是不能一蹴而就的,需要常年累月的积累与学习,当然,学习是很枯燥和乏味的,只有兴趣才是最好的老师,也是能让你进行下去的动力。