#头条创作挑战赛#
关键词：初学者、零基础入门、人工智能、机器学习、数据分析、技能证书
众所周知，近年来人工智能行业发展迅速，已经渗透到各行各业，基于大数据的基础，从先进的技术研究到应用实践逐渐成熟，机器人，AR/VR、无人驾驶、深度学习、5G、智能制造，新零售等应运而生。由于人工智能技术是一项复合型技术，需要集多种专业知识才能一探究竟。
投身人工智能领域，对于初学者而言，如何快速得到认知，下面是我整理的一些学习思路，先从数据分析、机器学习算法入手，然后结合自身的学习和应用场景主攻其中一个方向。
1.ML-For-Beginners
Microsoft面向机器学习的初学者，总共12周、24节，完全免费。主要使用scikit-learn作为库来处理ML基本概念。课程介绍了回归、分类、聚类、自然语言处理、时间序列预测、强化学习，每节课程包括：课前热身测验、编程课程、以项目为基础的课程指导如何构建项目、检查所学知识、课程挑战、补充阅读、分配任务、课后测验等。
学习链接：https://github.com/microsoft/ML-For-Beginners?utm_source=wechat_session&utm_medium=social&utm_oi=1243683319872782336
2.Microsoft Certified: Azure AI Fundamentals
Azure AI Fundamentals认证的考生应具有机器学习(ML)和人工智能(AI)概念以及相关Microsoft Azure服务的基础知识。该认证是一个展示常见的ML和AI工作负荷以及如何在Azure上实施知识的机会。
考试费用：$69
证书有效期：2年
考试链接以及学习资料：
https://docs.microsoft.com/zh-cn/learn/certifications/exams/ai-900?tab=tab-learning-paths#certification-exams
3.斯坦福大学 machine learning 课程（吴恩达）
本课程广泛介绍了机器学习、数据挖掘和统计模式识别。
相关主题：
(i) 监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。
(ii) 无监督学习（集群、降维、推荐系统和深度学习）。
(iii) 机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。
课程结构：
- 单变量的线性回归
- 回顾线性代数
- 多变量的线性回归
- Octave/Matlab教程
- Logistic回归
- 正则化
- 神经网络：表示
- 神经网络：学习
- 应用机器学习的建议
- 机器学习系统设计
- 支持向量机
- 降维
- 异常检测
- 推荐系统
- 大规模机器学习
- 应用示例：Photo OCR
课程链接：https://www.coursera.org/learn/machine-learning
(课程结业可获得证书)
国内观看网址（网易云课堂）：
https://study.163.com/course/introduction.htm?courseId=1210076550
学习路线请参考：https://blog.csdn.net/Datawhale/article/details/104509347
4.AWS Certified Machine Learning–Specialty认证
备注:主要针对使用AWS做ML system的人员
AWS认证机器学习-专业 (MLS-C01)考试面向担任开发或数据科学角色的个人。此考试检验应试者使用AWS云构建、训练、调整和部署机器学习(ML)模型的能力。它检验应试者为给定业务问题设计、实施、部署和维护 ML 解决方案的能力。它将检验应试者的以下能力：
(1) 为给定业务问题选择适当的ML方法并证明其合理。 ·
(2) 确定适当的 AWS 服务来实施ML解决方案。 ·
(3) 设计并实施可扩展、成本优化、可靠且安全的ML解决方案。
考试费用：$300
证书有效期：3年
课程链接（免费）：https://www.aws.training/Details/eLearning?id=42183
Udemy:https://www.udemy.com/course/aws-machine-learning/
考试链接：https://aws.amazon.com/cn/certification/certified-machine-learning-specialty/
5.IBM 数据科学专业人员认证
（Databases and SQL for Data Science with Python）
时间——3个月(弹性)
级别——初级
平台——Coursera
课程大纲：
- 什么是数据科学？
- 数据科学的开源工具
- 数据科学方法论
- 适用于数据科学和AI的Python
- 数据库和数据科学SQL
- 使用Python进行数据分析
- 使用Python进行数据可视化
- 使用Python进行机器学习
- 应用数据科学的巅峰
课程链接：https://www.coursera.org/learn/sql-data-science
6.业务分析专业认证
时间——6个月(每周3小时)
平台——Coursera
级别——初级
课程大纲：
- 客户分析
- 人群分析
- 会计分析
- 业务分析
- 业务分析巅峰
课程链接：https://www.coursera.org/specializations/business-analytics#courses
7.Advanced Business Analytics 专项课程
时间——5个月(3小时/周)
平台——Coursera
级别——中级
课程大纲：
- 高级商业分析的巅峰
- 用于决策的业务分析
- 沟通业务分析结果
- 商业数据分析入门
- 预测建模和分析
课程链接：https://www.coursera.org/specializations/data-analytics-business#courses
以上为我整理的所有内容，供大家参考，希望对大家的学习有所帮助，在帮助大家学习同时，还能助力大家取得相关技能证书，欢迎大家点赞收藏，如有不妥之处，欢迎大家留言探讨，共同学习~ | 
