如何从零开始学习AI软件，如何自学ai软件（让小白3个月从零养成Machine）

关于【如何从零开始学习AI软件】，如何自学ai软件，今天小编给您分享一下，如果对您有所帮助别忘了关注本站哦。

• 内容导航：
• 1、如何从零开始学习AI软件
• 2、让小白3个月从零养成Machine Learning / AI 达人

1、如何从零开始学习AI软件

很多朋友不知道如何从零开始学习AI，下面来教你。

操作方法

在准备学习AI之前，可以先在网上学习一些基本的基础理论知识，了解一下AI的界面以及工具栏等功能。

简单熟悉之后安装好软件，就是进入AI进行基本操作学习了，多练多看慢慢就能够熟悉起来。

熟悉软件之后可以在网上找一些简单的素材进行临摹学习，也可以看一些网课进行学习巩固。

此外，要想真正学好AI的话，就要给自己制定好一个目标，并且坚持耐心下来进行学习，不要半途而废。

2、让小白3个月从零养成Machine Learning / AI 达人

1.b Coursera 的Deep Learning Specialization （Course 1 ~ 5）

Course.1Neural Networks and Deep Learning（大约可以4天左右完成）

• ? 内容都是跟cs229a基本一样， 相当于用jupyter python复习一次
  Course.2Improving Deep Neural Networks（大约可以7天左右完成）
• ? 主要介绍各种提高准确度或提高效率的求解优化技巧
  Course.3Structuring Machine Learning Projects（大约可以1–2天左右完成）
  Course.4Convolutional Neural Networks（大约可以6-7天左右完成）
  Course.5Recurrent Neural Network （大约可以6– 7天左右完成）
  以上课程在Coursera上都只有7天免费， 但是网络上还是其他地方可以找到完整视频， 所以建议先到这些地方看完再决定要不要花钱买证书啰， 如Andrew说明， 虽然有些内容是重叠的， 但是说明的方式不太一样， 另外CS3230主要是走jupyter ipython的， 个人觉得这个考量不错， 根据课程设计及需求， 并搭配业界主流工具来选择课程上的coding环境.
  的作法是在免费平台看完， 然后登入Coursera全力做quiz & assignment，这样你可以在7天内完成课程喔， 已经把空白的assignment整理好， 只要下载（下载链接 ）后放到jupyter文件夹即可， 所以完全可以依课程进度在单机作业， 完成每个课程后再去coursera冲assignment/quize提交， 这样可以确保每一门课的完成时间（jupyter安装看这边）.
  完成这个阶段算是对Deep Learning有一定了解了， 可以说出ML/DL差异的个人看法、熟悉jupyter能写点python、知道tensor flow/keras等等frameworks.

1.c Stanford的CS229

Youtube可以找到完整课程， 229 & 229a的差别在于CS229 比较着重数学推导说明， CS229a着重在实用知识， 就手应用技巧， 数学说明较少
Andrew Ng个人建议是， 因为229是挑战性较高的课程， 如果你担心你还没准备好， 可以先考虑229a， 个人建议是看229a就好， 因为Andrew会提醒你这部分的数学推导跳过啰， 如果你有兴趣的话你会尝试自己推导验证. 所以看完229a你会知道你对229有没有兴趣， 如果你对数学有特殊爱好当然也可以直接看229， 看完就真的不用看229a了.
个人认为最大的帮助是， 最短时间内你确实踏实的修了一门algorithm的概念课程， 这类帮助在平常几乎是看不出来（或者说需要有点能力，才能辨别出来）， 但是在很多小细节的思维逻辑及讨论过程就能看出水平的差异， 在很多领域都有类似的状况， 就像很多机构工程师连应力都不会算一样， 但还是可以混得下去的.

1.d Stanford的CS231n

一般来说是因为算法特性的关系，
CNN特别适合用在影像AI （2D/3D data）， RNN特别适合用在音频AI（1D sequence data）， 231n是专门讲CNN的课程， 尤其因为飞飞的关系， 在强国被奉为大陆影像AI第一人， 所以她的课程光是大陆人的流量就爆冲了.

上述课程的难易度一般来说是
coursera Machine Learning < cousera Deep Learning < CS231 < CS229
ps. 虽然很多课程是重复的， 不过有些东西还是可以花点时间看一下， 例如YouTube上的cs230 autumn 2018 L8， Andrew分享了一些他怎么读 paper的方式， 以及他个人看过这么多Stanford学生的求学/求职模式后， 他觉得各种模式的优缺比较. 听听看Standford名师课堂上对Stanford学生的建议与分享， 觉得也是不错的.
另外1.25x播放是非常不错的方式， 可以很大程度帮助各位提高效率并节省很多时间， 到第二个月才发现这个方式， 个人建议是如果能快的时候可以尽量快， 该慢的时候要步步踏实， 例如在做assignment的时候， 除了完成作业， 会把他们的code看懂（因为很久没有写程序啦）， 卡关的时候切忌不要上网找答案， 像在第一次assignment的时候， 卡在simutaneously update就卡了1个小时多才发现问题， 再回头对比程序及教材或数学式时， 会对数学式或Andrew再三强调的simutaneously update很有感觉.

2. 开发工具（工具/环境）

如果依上述菜单进行的话， 你会依以下流程习惯这些工作环境 ：
Octave/Matlab（cs229a） -> jupyter python（cs230 / cs231n） -> tensor flow（cs230） -> Google Colab
使用python时， 千万不要单独安装python以及各种package， 建议要务必利用Anaconda作为python版本及众多package的管理界面. 可以节省大量时间而且省心省力好上手.
另外建议要熟悉一下github界面， 因为cs230的assignment， 当时是在GitHub上东拼西凑整理出来， 未来要做项目免不了team work模式， 所以GitHub的界面使用还是有必要了解一下的， 只是为了协助各位最短时间吃完以上菜单， 所以直接把cs230 assignment的空白卷也一并整理出来让大家效率更高.
完成这个阶段， 原则上你已经是具备AI的一切技能了， 差的只是提升实战经验了.

3. 应用实战（Kaggle）

大概在完成1b. Course 2开始接触Kaggle， 觉得这个切入的时机点不错， 因为这个阶段已经算对ML/DL有一定认识， 只是coding技能尚未纯熟， 问题思考角度与经验尚待补强， 这时候进到Kaggle最大的好处是， 它有很多很多很多的题目， 所以绝对足够练习. 另外Kaggle也有一些免费课程， 这边的课程觉得就不用上了， 直接透过Competetion题目实作学习比较快. 一般来说Knowledge类的题目都是不错的练习题， Kaggle也会告诉你Titanic是它们建议的第一题， 再来House Prices、Digital Recognition等等， 第一次感受完后， 可以看看其他人的思考过程分享文（的结果Top 2.5%， code在GitHub这边）.
Titanic的分享文很多， 英文不错的话建议看这两篇
-Titanic Survive Prediction Tutorial for Beginners
-Titanic Data Science EDA with meme+Solution
中文建议这篇
-泰坦尼克号生存预测（Top 3%）

搞了3天 总算达成自定义目标 （rank TOP 3% up & score 0.8 up）， 非常适合新手练习的题目

Deep CNN Task ：上完Coursera Deep Learning专项课程后， 应该有能力作一些稍微复杂的模型， 个人练习了重现facenet模型（Facenet = MTCNN + ResNET embedding+ Triplet classifier）， 下图为在jupyter重现MTCNN的结果.

左边为MTCNN 3阶段产出， 右边为即时影像脸部侦测

Deep CNN Task ：重现Facenet 即时人脸辨识

Other Resources
Machine Learning Crash Course ：Google 提供的ML在线教育资源
https://leetcode.com/ ：写程序必须谨记“高效”， 彻底改变你对写程序的认知

本文关键词：怎么快速学会ai软件，ai软件教程基础入门我要自学网，怎么学ai软件，ai从0开始怎么学，如何学好ai软件。这就是关于《如何从零开始学习AI软件，如何自学ai软件（让小白3个月从零养成Machine）》的所有内容，希望对您能有所帮助！

本文链接：https://bk.89qw.com/a-711968