智客公社

标题: 人工智能学习资料大整理，硬十课堂上线免费AI实践课 [打印本页]
作者: 兴邦维权01    时间: 2022-11-14 12:25
标题: 人工智能学习资料大整理，硬十课堂上线免费AI实践课
机器学习和深度学习的理论知识学习资料分享参考吴恩达的建议，基本的数学知识和编程能力是“先决条件”，这些知识非常的丰富，有很多渠道可以获取，我们在这里就不赘述了。打下一定基础后，你就要跑步进入下个环节，切不可沉迷其中，不能自拔。下一步就是开启我们的机器学习和深度学习之旅，你在论坛、公众号、技术内书籍上可以找到大量的知识。知识庞杂了可能会让你望而却步，因此先尝试着建立一条知识主干是非常必要的。而一个“标准”的知识主干是需要通过有体系，有脉络的经典课程和经典数据喂出来的，下面和大家分享一下。（1）课程：吴恩达，李宏毅，李沐，李飞飞这些大牛带起入门
序号

书名

作者

获取资料参考地址

1

吴恩达机器学习课程

吴恩达

https://www.bilibili.com/video/BV164411b7dx/?from=search&
seid=5261212643262908270&spm_id_from=333.337.0.0
2

李宏毅机器学习课程

李宏毅

https://www.bilibili.com/video/BV1Wv411h7kN/?from=search&seid=8235384940417024869&spm_id_from=333.337.0.0
3

跟李沐学AI

李沐

https://space.bilibili.com/1567748478?from=search&seid=10175670735421889683&spm_id_from=333.337.0.0
4

斯坦福大学的CS231n（机器视觉的深度学习）

李飞飞等

h
ttp://cs231n.stanford.edu/
5

斯坦福大学的CS224n（自然语言处理与深度学习）

Richard Socher

https://www.bilibili.com/video/BV1ct4y157Uf/?spm_id_from=333.337.search-card.all.click
特别推荐：《吴恩达：如何系统学习机器学习？》吴恩达（Andrew）是人工智能和机器学习领域国际上最权威的学者之一，斯坦福大学教授，曾在2014年加入百度担任首席科学家，负责百度研究院的领导工作，尤其是Baidu Brain计划。[attach]794072[/attach]

吴恩达在《如何系统学习机器学习？》中给出了我们这样的建议，想要成为一名人工智能从业者，系统学习机器学习是重点，建议大家遵循的步骤是，先学习基础编码知识、再学习机器学习及深度学习、最后专注于一个角色。具体的建议如下想要成功构建机器学习系统，基本的编程技能是先决条件：在开始实践机器学习算法之前，你需要具备编写一个简单的计算机程序(函数调用，for loops，条件语句，基本的数学操作)的能力。掌握更多的数学知识当然你让你更具优势，但也不必将精力过多投入到诸如线性代数、概率和统计这样的数学基础上。在学习了基础编码知识后，就可以正式开始你的机器学习之旅了：比如斯坦福大学推出的“机器学习课程”是你不错的选择。该课程提供了对机器学习、数据挖掘和统计模式识别的广泛介绍，能帮助大家有效构建对机器学习的认知和理解。此外，深度学习也是你需要涉猎的领域：由DeepLearning.AI开发的“深度学习专业课程”涵盖了你在计算机视觉、自然语言处理和语音识别等领域构建应用程序所需的知识。你将从医疗保健、自动驾驶、手语阅读、音乐生成和自然语言处理等方面开展案例研究，以便于在掌握理论知识的基础上了解深度学习在各行业中的实际应用。当你对机器学习和深度学习都有了较为深入的学习后，下一步行动将取决于你心中想要成为的角色，例如成为数据科学家、机器学习工程师或机器学习研究员等，亦或是将所学的AI技能与你目前从事的工作相结合，将人工智能更好地应用于现实世界问题。确定角色之后就要迈入真正的实践环节了，必须在你的职业生涯中反复实践。（2）科普/基础类书籍：在被各种公式和代码折磨前，先听听故事，有了这些宏观视角后你可以建立自己机器学习和深度学习的历史观。被认为是人工智能起点的1956年的达特茅斯会议有多少大神参加了？1972年明斯基是如何通过《感知机：计算几何简介》一书让机器学习进入漫长寒冬的？辛顿是如何把深度学习从沉睡中唤醒的？黄仁勋教主如何用GPU的暴力计算给人工智能加速的？而未来人工智能和人又将共同走向何方哪？
序号

书名

作者

备注

1

机器之心

雷·库兹韦尔

中信出版社

2

人工智能全传

伍尔德里奇

浙江科学技术出版社·读客文化

3

人工智能简史

约翰·马尔科夫

浙江人民出版社·湛庐文化

4

人工智能简史

尼克

人民邮电出版社

5

深度学习：智能时代的核心驱动力量

特伦斯·谢洛夫斯基

中信出版社

原作名：The Deep Learning Revolution

6

你一定爱读的人工智能简史

山本一成

北京日报·阳光博客

7

AI 新生：破解人机共存密码

斯图尔特·罗素

中信出版集团

8

人工智能

腾讯研究院

中国人民大学出版社

9

硅谷简史：通往人工智能之路

钱纲

机械工业出版社

10

芯片改变世界

钱纲

机械工业出版社

11

AI芯片：前沿技术与创新未来

张臣雄

人民邮电出版社

12

详解FPGA：人工智能时代的驱动引擎

石侃

清华大学出版社

下图是2006年，1956年会议五十年后摩尔，麦卡锡，明斯基等人重聚达特茅斯。
[attach]794073[/attach]

（3）理论/实操类书籍：书籍是系统性学习知识的好帮手，大家看到下面这些大部头都莫要恐慌，推荐一个方法，就是可以买电子书，把这些书籍都down下来，然后全部或部分打开，以2∽3本书为主线，先“速读”再“精读”，其他书籍做知识补充，遇到难以理解的部分找其它书籍内的描述做参考。

我们在学习机器学习和深度学习中面临“要点、难点、问题点”时必须死磕，比如不同的激活函数有啥妙用？BP算法中的数学原理是什么？卷积神经网络的设计原理是什么?CNN、RNN、GAN分别用在哪里？等等，死磕这些问题时“态度要坚定，手段要灵活”，如果采用“2∽3本书为主线，先速读再精读，其他书籍做知识补充”的方法，可以帮你在有自己知识逻辑的基础上，快速甄别出“要点、难点、问题点”，通过博取众家之长、兼容并收的方法，高质量理解问题，悟到“突破点”。

序号

书名

作者

备注

13

数学通识讲义

吴军

中信出版社

14

概率论通识讲义

刘嘉

新星出版社

15

统计学习方法（第2版）李航
清华大学出版社
16

机器学习

周志华

清华大学出版社

17

从零开始：机器学习的数学原理和算法实践作者

大威

人民邮电出版社

18

Python机器学习（原书第3版）

塞巴斯蒂安·拉施卡

瓦希德·米尔贾利利

机械工业出版社

19

用Python学透线性代数和微积分

保罗·奥兰德

人民邮电出版社

20

深度学习

古德费洛&库维尔

人民邮电出版社

21

深度学习

刘鹏

电子工业出版社

22

Python深度学习（原书第2版）

弗朗索瓦·肖莱

人民邮电出版社

23

深度学习的数学

涌井良幸

涌井贞美

人民邮电出版社

25

深度学习之美：AI时代的数据处理与最佳实践

张玉宏

电子工业出版社

26

深度学习：主流框架和编程实战

赵涓涓；强彦

机械工业出版社

27

深度学习之TensorFlow：入门、原理与进阶实战

李金洪

机械工业出版社

28

MXNet深度学习实战

魏凯峰

机械工业出版社

29

深度学习实践：基于Caffe的解析

薛云峰

机械工业出版社

30

PyTorch深度学习实战

伊莱·史蒂文斯

卢卡·安蒂加

托马斯·菲曼

人民邮电出版社

31

PaddlePaddle Fluid深度学习入门与实战

潘志宏

人民邮电出版社



(4)推荐一门好用的实战课程
当然我们光有理论是不够的，我们硬十在参与的多个边缘AI项目中（比如无人机、机器人）等，深刻体会到AI技术从课本里走到行业中比想象的要复杂的多。客户要的是solution，而不是model，model是实验室的产物，而solution才是直面市场的"结果"。想有好的“结果”除了具备理论知识外，还要有产品化的设计思维，工程化的落地方案，实操性的问题解决手段。这些也是当前的很多课程和教材里缺乏的。
硬十的一款新课也即将上线（课程名：快速玩转算能AI微服务器SE5），我们基于SOPHON AI微服务器推出了一款"接地气"的课程，SE5是一款高性能、低功耗边缘计算产品，搭载算能自主研发的第三代TPU芯片BM1684，INT8算力高达17.6TOPS，支持32路全高清视频硬件解码与2路编码，我们希望通过此课程帮你了解了AI基本知识，又掌握了AI基本应用。这个课程是对“实操性”的知识总结，也是“工程化”的思维体现。
课程链接：https://www.hw100k.com/coursedetail?id=158

[attach]794074[/attach]


（2）课程特点

[attach]794075[/attach]

[attach]794076[/attach]



欢迎光临 智客公社 (http://bbs.cnaiplus.com/) Powered by Discuz! X3.4