解析|【人工智能入门指南】_长春新东方前途出国的博客-新东方前途出国

而今天为大家介绍的领航吴学长，就是在领航导师团队中众多研究人工智能领域工作的一位。他在 全球AI领域排名前四的院校——加州大学伯克利分校取得硕士学位后，于美国初创公司从事深度学习的工作，工作一年后，毅然加入领航导师团队，开始以学长的身份来为学弟学妹们分享关于人工智能领域的经验和心得。

如何学习人工智能

① 大学课程中的人工智能或数据科学课程是入门人工智能领域的不二选择。人工智能与数据科学是紧密相连的，人工智能通常需要大数据的支持。而在大学中，很多数据科学的课程已经在教人工智能的内容，所以，我们可以在大学中选修人工智能，或者数据科学的课程，这些课程都可以学习到人工智能的核心内容。

② 学习人工智能必须学好Python。在美国进行AI的日常工作中，我的大部分代码是用Python完成的。虽然我知道国内很多学校还在使用Java作为编程入门，但Python是人工智能领域的编程语言，所以，学好Python非常重要。并且，在美国Python是很热门的编程语言，无论是未来去找前端或后台的工作，Python都能通过美国面试的要求。

③ 如果想学好人工智能，需要把数学学好。现阶段的人工智能，是把无法通过人力计算的复杂数学模型，使用计算机编码后进行计算的。所以，较强的数学基础，可以帮助你更快速的确定最适合的数学模型，节约算力和时间，更快产出结果。

人工智能的分支

分支一: 机器学习--传统的数据统计

Machine Learning：Traditional Statistics

通常是转专业进入AI领域工作的同学会做此类工作，比如统计，或者数学背景的同学。因为这个岗位要求数学能力更强，编码能力相对较弱，不太要求学历，所以这个分支的工作相对竞争较大，但待遇回报远超一般程序员的收入。并且,因为大多数公司均存在大量数据,所以使用机器学习进行传统的数据统计的工作机会非常多，是未来不错的就业机会。这个分支常见的工作内容是：用线性回归（linear regression）分析数据，聚类分析（cluster），或者更高端的一些的工作会用到支持向量机（Support Vector Machine）等内容。

分支二：深度学习--神经网络

Deep Learning Neural Networks

目前深度学习有两个热门领域是：计算机视觉（Computer Vision）和自然语言处理（Natural language processing）。计算机视觉和自然语言处理已经是非常成熟的领域，计算机视觉负责用电脑识别计算机上的图片，而自然语言处理则是用计算机去理解人类的语言和语义。在实际的工作中的应用：用计算机去识别肿瘤的良性或恶性。抖音、小红书的推荐算法等都是深度学习的应用场景。

分支三：强化学习

Reinforcement Learning

强化学习是我们普通人通常理解的人工智能，即电脑能智能学习新的内容。比如AlphaGo，就是强化学习技术的一种体现。在AlphaGo的模型中，可以简单的理解为，如果每次AlphaGo输掉的围棋模型被标记为“0”，赢的围棋模型会标记为“1”，AlphaGo可以不断自我反馈练习，并会模拟出最佳的围棋模型，以此来对抗并打败人类棋手。另一个例子是机器人学走路的这一过程中，除了机械方面的改良，机器人需要不断自我调整，学习走路的姿势，并淘汰掉可能会摔跤的姿势，最终做到可以像人一样平稳的走路，不会摔跤。