最近chatgpt爆红，百度近日也官宣了大模型新项目“文心一言”（英文名ERNIE Bot），即将在今年3月面向公众开放，我先期待一波，到时候给同学们说说感受。
这也不是第一次人工智能引起广泛关注了，随着科技的发展，人工智能产品已经与我们的生活息息相关，比如手机语音助手、自动驾驶系统等等。可以预见的是，数字化、智能化将会是未来发展的主流，企业对AI人才的需求量只会有增不减，对AI感兴趣的同学也会越来越多。
今天就给大家分享一下我自己整理的人工智能学习路径，帮助想要入门人工智能的同学少走弯路，别忘了三连支持我！
先放上学习路径：
「基础知识→编程语言→数学知识→机器学习/深度学习→计算机视觉/自然语言处理→面试准备」
基础知识
可以分为计算机基础知识和AI基础知识
计算机基础知识
要想学人工智能，了解计算机知识是必要的前提。在这个阶段，我们需要学习计算机组成原理、计算机操作系统、计算机网络这三个部分。
当然，并不是要求一定精通，计算机是存储和处理数据的设备，了解它是为了让我们在以后的工作中可以更改好的解决问题。
AI基础知识
这一阶段我们需要了解AI的概念和应用
什么是AI？
百度百科给出的解释：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
比较容易理解的说法：一种人为制造出来的机器，可以模仿人的思想和行为，体现出一种智能的反应。
AI的应用：
目前AI普遍应用于金融、安防、智能家居、医疗、机器人、智能驾驶、新零售等领域，几乎涵盖了我们生活的各方面。
编程语言
想要学好人工智能，首先至少得掌握一门编程语言。在编程语言的选择上，目前比较常用的是Python、C/C++、Java等等。
得益于Python强大的数据科学和机器学习能力，我们可以用它来分析复杂的数据集，而不用担心速度。
来看看Python的优点：
-
效率高
-
易于学习，对小白非常友好
-
程序写起来非常方便
-
Python源代码非常便于维护
-
跨平台兼容性好
-
有很多有用的库可以用
-
易于阅读，方便初学者理解
目前Python可以说是十分全能，不仅仅用于人工智能，系统运维、web编程、多媒体应用、机器学习等等都可以做到，所以对小白来说，目前最适合的选择就是Python。
至于C/C++和Java，前者速度非常快，常用于搜索引擎和游戏开发，后者作为通用编程语言，具有对人工智能的库支持，常用于构建强大的AI应用程序。但二者的学习门槛都较高，建议同学先掌握一门编程语言再考虑学习。
我的小建议：这个阶段的同学一定多敲代码！多敲代码！多敲代码！
数学知识
学AI就像过关打怪，这个阶段同学们需要面对的就是数学的挑战。其实数学真没想象中的那么困难，只要学习掌握微积分、线性代数、概率论、统计学这四个课程的知识就足够了。
机器学习/深度学习
这两部分可以放在一起说说，因为深度学习是机器学习的一个子分支，二者大体的内容是相同的，可以同时学习（不过还是建议先学机器学习再学深度学习）。
神经网络
神经网络是深度学习的基石，想要入门深度学习，需要掌握三大神经网络知识：CNN卷积神经网络、RNN循环神经网络和GAN对抗神经网络。
框架
在开始深度学习之前，选择一个合适的框架十分重要，可以大大提高你的工作效率。
目前比较流行的框架有：TensorFlow、pytorch、Caffe等等，我在这里同样只说说两个比较常见框架：pytorch、tensorflow。
学术界大多用的都是pytorch，便于理解，简单易上手，对小白非常友好。TensorFlow多用于工业，但pytorch现在在工业界的使用率也上升了，所以建议同学选择pytorch学习。
计算机视觉/自然语言处理
到了这个阶段，就是选择主攻方向的时候了，其实人工智能不止CV/NLP，不过我今天就只讲讲比较热门的方向。
计算机视觉
重点学习CV的三大基础任务：图像分类、图像分割、目标检测。
了解CV在各行各业的应用场景，可以看看学姐之前的盘点。
自然语言处理
需要掌握的基础知识：
-
信息抽取
-
预训练模型
-
图神经网络
-
文本匹配
-
机器翻译
相比起CV来说，NLP的门槛较高，上手会比较困难，但竞争压力会相对小一些。在发展前景上，二者并没有高下之分，而且目前已有融合的趋势，所以同学们可以根据自己的需求选择。
小建议：
无论是CV还是NLP方向，学习的过程中都离不开阅读论文，经典论文的作用不仅仅是帮助理解知识点，更有助于开拓研究思路，从前人的经验中获得提出问题-分析问题-解决问题的能力。
面试准备
如果觉得自己学的差不多了，可以尝试找一份人工智能相关的工作积攒一些经验，毕竟知识是学不完的，纸上谈兵永远不会得到成长。
先讲讲面试的主要流程。
一般会有笔试和面试两个部分，笔试主要考的是基础知识，分为选择题、编程题两个部分（不同公司可能会有变化）。
面试的重点在项目经验上，如果觉得这方面有欠缺，可以通过打比赛来弥补缺口（kaggle、天池……）。
为什么要打比赛？
如我上面所说，比赛的目的是为了让自己获得更多的项目实战经验，丰富简历，提高自己的含金量，如果能在比赛中获得优秀的排名，就更有机会获得更好的工作，甚至有的公司会直接在比赛中提供顶尖的工作机会。
另外，通过组队打比赛，可以扩大自己的交友圈，拓宽人脉网，与同样优秀的人打交道，获得的好处只多不少。
怎么打比赛？
以kaggle为例，新手建议选择Getting Started类练手，虽然没有奖金，但可以学到非常多的知识与经验，推荐两个：
Titanic：Machine Learning from Disaster（泰坦尼克数据集）
Iris Species（鸢尾花数据集）
逐渐上手后就可以进入下一个阶段了，可以选择找人组队，也可以solo，不过我还是建议同学们组队参赛，取长补短。
总结
看到最后，有没有即将面对挑战的感觉？学习 AI 是一个漫长的过程，会很容易感到枯燥乏味，如果想要学有所成，那就一定要坚持！工作之后也要保持学习，AI技术更新换代的速度只会越来越快，如果不想被淘汰，就学起来吧！
关注下方《学姐带你玩AI》🚀🚀🚀
1000多篇顶会论文资料包回复“CVPR”或者“ACL”免费领取
码字不易，欢迎大家点赞评论收藏！
原文链接：https://blog.csdn.net/weixin_42645636/article/details/129205930?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851494916800197055102%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851494916800197055102&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-26-129205930-null-null.nonecase&utm_term=AI%E7%AE%80%E5%8E%86
