隨著軟件開發(fā)技術(shù)不斷迭代升級(jí)，AI開發(fā)逐漸成為開發(fā)者最為關(guān)注的發(fā)展方向。面對(duì)AI開發(fā)，建模、訓(xùn)練、優(yōu)化、應(yīng)用開發(fā)，處處都有難題，遷移成本，分分都要考慮，在轉(zhuǎn)型AI開發(fā)的過程中，作為開發(fā)者的你，都遇到了哪些問題？是如何實(shí)現(xiàn)轉(zhuǎn)型的？
不管個(gè)人是否向AI轉(zhuǎn)型，對(duì)于個(gè)人來說，了解AI也是必要的。
一、作為程序員可以在掌握了數(shù)學(xué)、python的基礎(chǔ)上多了解機(jī)器學(xué)習(xí)等，并通過項(xiàng)目實(shí)操多參與實(shí)踐。
知識(shí)體系
首先要做到應(yīng)用。這對(duì)于熟練python的程序員有一定優(yōu)勢， 同時(shí)需要對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有一定了解，能用tensorflow做一些模型訓(xùn)練。
其次，熟悉tensorflow，caffe，pyTorch等框架，擁有對(duì)Inception，Resnet等經(jīng)典模型的基礎(chǔ)。能看懂論文和代碼，并能夠結(jié)合數(shù)據(jù)進(jìn)行分析和實(shí)驗(yàn)，對(duì)模型結(jié)構(gòu)，參數(shù)等不斷進(jìn)行優(yōu)化，達(dá)到提高識(shí)別率等目的。這個(gè)優(yōu)化過程需要耗費(fèi)大量的時(shí)間。
二、對(duì)于一些僅僅想了解或初步嘗試的學(xué)習(xí)者，推薦一些通俗易懂的帖子和網(wǎng)站：
非技術(shù)背景入門人工智能，有哪些值得推薦的基礎(chǔ)學(xué)習(xí)資料？
機(jī)器學(xué)習(xí)第一部分：python庫相關(guān)
若有一定基礎(chǔ)，并且有實(shí)操的需求，機(jī)器學(xué)習(xí)了解一下~（附教學(xué)視頻）
三、對(duì)于想深入了解人工智能行業(yè)或希望從技術(shù)上有提升的學(xué)習(xí)者，推薦看一些經(jīng)典之作：
1．學(xué)習(xí) OpenCV
Learning OpenCV 的作者是 Gary Bradski 和 Adrian Kaehler，本書適合對(duì)計(jì)算機(jī)視覺和圖像處理有基本了解的人群，通過本書能更好地了解 OpenCV 如何讓編程任務(wù)更容易。
兩位作者將眾所周知的算法編碼成可調(diào)用的函數(shù)庫，可以用來完成更復(fù)雜的任務(wù)。當(dāng)然，這也作為一本用戶手冊，目錄結(jié)構(gòu)清晰，遇到問題時(shí)可進(jìn)行查閱。
2．人工智能：一種現(xiàn)代的方法
Artificial intelligence: A Modern Approach 是人工智能領(lǐng)域經(jīng)典教材，作者是 Stuart Jonathan Russell 和 Peter Norvig。本書提供了現(xiàn)代技術(shù)中關(guān)于人工智能理論與實(shí)踐最全面和前沿的介紹，通過智能決策、搜索算法、邏輯推理、神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等方面來介紹最先進(jìn)的人工智能技術(shù)，推薦給對(duì)人工智能感興趣的專業(yè)研究人員。中譯本封面大家可能更熟悉一些：
3．智能 Web 算法
作者是 Haralambos Marmanis 和 Dmitry Babenko，本書會(huì)讓你學(xué)會(huì)該如何捕獲、存儲(chǔ)和構(gòu)建網(wǎng)絡(luò)中的用戶數(shù)據(jù)，并通過數(shù)理統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等方法實(shí)現(xiàn)數(shù)據(jù)分類，進(jìn)而構(gòu)建推薦系統(tǒng)。本書還提供了如在線廣告的點(diǎn)擊預(yù)測等案例分析，附有相關(guān)代碼。
4．語音與語言處理
這本書的作者是 Dan Jurafsky 和 James H. Martin，本書涵蓋了經(jīng)典自然語言處理、統(tǒng)計(jì)自然語言處理、語音識(shí)別和計(jì)算語言學(xué)等方面。對(duì)于語音學(xué)領(lǐng)域?qū)I(yè)人員，是一本重要的參考書籍。
5．模式識(shí)別與機(jī)器學(xué)習(xí)
作者是 Christopher M. Bishop。本書提出了近似推理算法和用于描述概率分布的圖模型等多種最新分類方法。在閱讀本書之前，最好有多變量微積分和基本線性代數(shù)等數(shù)理基礎(chǔ)，面向人群為高年級(jí)本科生、研究生和相關(guān)研究人員。
6．游戲人工智能編程案例精粹
Programming Game AI by Example，作者 Mat Buckland。本書是游戲人工智能方面的經(jīng)典之作，暢銷多年，主要講述如何使游戲中的角色具有智能。適用于對(duì)游戲 AI 開發(fā)感興趣的愛好者和游戲 AI 開發(fā)人員。
7．統(tǒng)計(jì)自然語言處理基礎(chǔ)
Foundations of Statistical Natural Language Processing，作者是 Christopher D. Manning 和 Hinrich Sch ü tze。本書涵蓋的內(nèi)容十分廣泛，包括了構(gòu)建自然語言處理軟件工具將用到的幾乎所有理論和算法。全書的論述過程由淺入深，從數(shù)學(xué)基礎(chǔ)到精確的理論算法，從簡單的詞法分析到復(fù)雜的語法分析，適合不同水平的讀者群的需求。
8．模式分類
Pattern classification 的作者是 Richard O. Duda、Peter E. Hart 和 David G. Stork，是模式識(shí)別和場景分析領(lǐng)域的經(jīng)典著作。
9．模式識(shí)別中的神經(jīng)網(wǎng)絡(luò)
Neural Networks for Pattern Recognition 的作者是 Christopher Bishop，本書在介紹基本數(shù)學(xué)知識(shí)后，研究了概率密度函數(shù)的建模方法以及多層感知機(jī)和徑向基函數(shù)網(wǎng)絡(luò)模型的性質(zhì)和優(yōu)點(diǎn)，還提到了誤差函數(shù)的主要算法、神經(jīng)網(wǎng)絡(luò)調(diào)參技巧及貝葉斯技術(shù)的應(yīng)用。適合涉及神經(jīng)計(jì)算和模式識(shí)別領(lǐng)域的相關(guān)研究人員。
10．計(jì)算機(jī)視覺
Computer Vision: A Modern Approach 是計(jì)算機(jī)視覺領(lǐng)域的經(jīng)典教材，作者為 David Forsyth 和 Jean Ponce。
本書涉及線性濾波、局部圖像特征、聚類、圖像分類、對(duì)象檢測和識(shí)別、基于圖像的建模與渲染等。
與前一版相比，本書簡化了部分主題，增加了應(yīng)用示例，重寫了關(guān)于現(xiàn)代特性的內(nèi)容，詳述了現(xiàn)代圖像編輯技術(shù)與對(duì)象識(shí)別技術(shù)。
11. 人工智能游戲編程真言
AI Game Programming Wisdom 的作者是 Steve Rabin，本書匯集了與智能游戲開發(fā)有關(guān)的人工智能內(nèi)容，借助這些內(nèi)容，開發(fā)員能夠順利開發(fā)角色。
中譯本《人工智能游戲編程真言》
12．Python 自然語言處理
Natural Language Processing with Python 的作者是 Steven Bird、Ewan Klein 和 Edward Loper。本書基于自然語言工具包 NLTK 庫，內(nèi)容按照難易程度順序編排，不要求讀者有 Python 編程的經(jīng)驗(yàn)。是自然語言處理領(lǐng)域的一本實(shí)用入門指南，適合 Common Lisp 初學(xué)者及對(duì)其感興趣的相關(guān)人員。
最后想說，任何一次改變世界的技術(shù)革新都是在一定的社會(huì)需求積累到一定量的前提下。人工智能更重要的不是技術(shù)基礎(chǔ)，而是具備AI的思維方式。關(guān)注社會(huì)發(fā)展、關(guān)注社會(huì)需求的新方向，用技術(shù)去解決人們的生活難題才是AI的本質(zhì)。了解更多學(xué)習(xí)AI教學(xué)資料領(lǐng)取 了解更多學(xué)習(xí)AI教學(xué)資料領(lǐng)取
