人生多變貴在求實

人工智能是我的研究方向之一，我目前也在從事關於智能診療方面的落地研究，所以我來回答一下這個問題。

人工智能的概念涉及到的內容太廣泛了，至今為止也沒有一個比較確切的定義，但是人工智能研究的內容主要集中在六個領域，分別是自然語言處理、知識表示、推理、機器學習、計算機視覺和機器人學。

我是從研究大數據開始的，然後進入人工智能領域，所以我進入人工智能領域的切入點是機器學習。伴隨著大數據的發展，大量的有效數據被採集，這為機器學習提供了重要的基礎，從而讓機器學習的發展進入到了一個前所未有的階段。機器學習的關鍵點就在於數據的收集、整理，然後才是算法的設計與訓練，只有大量的數據樣本不斷的訓練才能讓系統更加的智能化、合理化。所以大數據是機器學習的一個重要基礎。

以我的經驗來看，從大數據切入到機器學習進而打開人工智能的大門是比較優雅的方式，目前是大數據時代，所以從大數據開始進入人工智能是比較方便的方式。

我的研究方向是大數據和人工智能，我在頭條上也陸續寫了一些這方面的科普文章，感興趣的朋友可以關注我的頭條號，相信一定會有所收穫。

如果你有大數據、人工智能方面的問題，也可以諮詢我。

謝謝！

IT人劉俊明

我是萌新程序猿，科技圈的事情歡迎邀請我來回答！

一個人學會寫字算是作家嗎？會python的人多了去了，但是從事人工智能的方向只是其中一部分，學好python編程不算是人工智能，學習好python後使用的場景有很多。

python的使用場景

1. 可以進行自動化運維。
2. 可以做日常任務，比如自動備份你的音樂；
3. 可以做網站，很多著名的網站像知乎、YouTube就是Python寫的；
4. 可以做網絡遊戲的後臺，很多在線遊戲的後臺都是Python開發的。
5. 可以寫安卓的後臺。
6. 可以寫爬蟲爬數據。
7. 多媒體：利用PIL、Piddle、ReportLab等模塊,你可以處理圖象、聲音、視頻、動畫等，從而為你的程序添加亮麗的光彩。動態圖表的生成、統計分析圖表都可以通過Python來完成。

人工智能專家

關於這個的界定最好的辦法去到招聘平臺查看相關的招聘信息，我查了一下狗東的人工智能專家要求如下：

1、深度學習、神經網絡、機器學習、數據挖掘等計算機專業碩士及以上學歷

2、具備優秀的架構設計能力，具備紮實的Python/Java編程功底，優秀的開發、調試能力和數據建模基礎。

3、熟悉TensorFlow/MXNet/Caffe的使用，熟悉CNN/DNN/RNN/CTC等深度學習建模技術，對深度學習調參細節有清晰的把握。

4、具有良好的溝通和團隊協作能力，對業務有較好的理解能力和敏銳度、有實際業務落地的經驗，注重理論與實際相結合。

5、在某個子領域有過較深入的建模經驗積累，比如OCR識別、人臉識別、序列標註、命名實體識別等。

6、有過領域頂會論文(NIPS/ICLR/ICML/KDD/CVPR等)發表經驗者優先。

如何學習人工智能？

最基礎的點是數學，學習人工智能需要你有良好的數學基礎，高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析

然後，需要掌握至少一門編程語言，畢竟算法的實現還是要編程的，一般來說python比較多，Python有非常多優秀的深度學習庫可用，現在大部分深度學習框架都支持Python，不用Python用誰？人生苦短，就用Python。

最後需要算法的積累：人工神經網絡，支持向量機，遺傳算法等等算法；你可以學習一些框架，比如caffe卷積神經網絡框架，可以用於處理視頻圖像等。動手實踐是最好的學習方法，學習人工智能更應該理論與實踐相結合。

碼了這麼多字，點個贊關注下再走吧！！！

關注萌新程序猿（本人咯），瞭解更多IT以及程序猿的知識！！！

一零言

什麼是人工智能

引用了下百科的話為你解釋了一下什麼是人工智能。

學習人工智能該從哪開始？

這個從三方面入手方可入手人工智能。

第一方面

這是一門和數學有著息息相關的學問，想搞人工智能最基礎的就是數學一定要好，高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析都要學。數學是我們從小就在學習的一門學科，也是人工智能最基礎的一項知識，學好數學是非常有必要於開發的。

第二方面

數學學好了要進行算法堆積，將神經網絡學好，

神經網絡：是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為“神經網絡”或類神經網絡，全程人工神經網絡。

人工神經網絡（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經網絡（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經網絡行為特徵，進行分佈式並行信息處理的算法數學模型。這種網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的。

第三方面

就是一門基礎開發語言，你可以使Java，也可以使python，又或者其他語言。目前來看python應用的更多一些，但是Java也有他自己的優勢，有強大的後盾全球最大的學習交流平臺。未來AI的發展開發人工智能的主要趨勢是需耐心考證。

相關知識信息從動力節點老師處及百度百科獲取。

學好Python算是做人工智能嗎？

這個當然不算。Python只是一門開發語言，而人工智能的核心則是高等數學與神經網絡，學好Python只是做好了準備要去深入學習人工智能的前提之一。就像學習Java一樣，你學會了Java你可以做很多事情，你可以搞JavaWeb開發，也可以搞互聯網架構，可以搞軟件開發，還可以搞人工智能。並不是說學會了一門語言就算是做人工智能，可能還分其他許許多多的方向。

怎樣才算智能專家？

神經網絡，機器學習，深度學習方面學的非常的好，掌握了一門基礎開發語言，並熟練的應用該開發語言，有非常紮實的編程功底，熟悉TensorFlow/MXNet/Caffe的使用，熟悉CNN/DNN/RNN/CTC等深度學習建模技術，對深度學習調參細節有清晰的把握。在某些領域有過深入的學習探究，如：語音識別、人臉識別等。

動力節點Java學院

真不知道從哪裡學習，我可以推薦一個八斗小程序，裡面有大咖一對一的講解

我們有什麼：

八斗問答是一個內嵌於微信小程序的問答平臺，同時也有官網。與知乎相似之處在於，我們開放註冊，人人可以提出、回答相關問題。與知乎不同的是，八斗專注於人工智能、大數據、物聯網ＩＯＴ領域，是國內第一個也是唯一一個垂直於ＡＩ行業的問答平臺。

從運營角度說，八斗的工作分為線上與線下部分。通過線上提供有質量，有乾貨的經驗視頻、講堂、問答、資訊內容，線下微沙龍、報告會、學術講座，開放實驗室渠道等，助推智造領域整體發展。

我們在做的：

1）提問與回答 ：邀請行業人才，領域專家入駐八斗問答線上平臺，提出或回答相應問答，實實在在參與到線上平臺內容共建中來。

2）八斗課堂 ：和網易雲課堂類似的，八斗也有自己的講堂板塊，面向行業初學者、初級工程師等等免費為主，低廉收費為輔。

3）行業資訊 ：互聯網行業信息更新速度快，學習壓力大，平臺設有諮詢版塊，專注於行業前沿信息、國際學術風向、各類優質線下活動的分享。

4）線下活動：邀請知名學者、教授、高級工程師參與線下沙龍、報告會、學術講座等，通過分享行業見聞、從業經歷、實踐經驗等，助力行業未來人才培養。

在這裡，您可以得到：

1）免費參與八斗問答定期組織的線下人工智能沙龍分享活動，與行業大咖面對面交流的機會。

2）線上有乾貨的問答、視頻講堂資源，所有您想了解的乾貨資源在這裡統統都有。

3）技術交流免費提問，人工智能相關問題，我們保證行業大咖在5小時之內給您滿意的答案。

4）申請成為八斗問答的大咖，宣傳自己的學術、論文研究成果等，有效推廣給人工智能從業者。

★★★前10000名用戶申請成為八斗問答平臺VIP身份，免費享受與大咖線上一對一交流的機會，免費學習八斗問答的收費課程。

哎呦658

鋪天蓋地的新聞消息已經證實當下的人工智能到底有多火，不可否認人工智能發展的春天已經來臨。當下出現的智能機器人，無人駕駛的汽車等等黑科技，正從方方面面改變著我們的日常生活、推動著社會和時代的進步，這也讓越來越多的小夥伴們對人工智能感興趣。那麼，什麼是人工智能？學習人工智能需要學些什麼？

什麼是人工智能？

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。

人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。

學習人工智能該從哪裡開始？

一、機器學習

有關機器學習領域的最佳介紹，請觀看Coursera的Andrew Ng機器學習課程。 它解釋了基本概念，並讓你很好地理解最重要的算法。

• 有關ML算法的簡要概述，查看這個TutsPlus課程“Machine Learning Distilled”。
  

• “Programming Collective Intelligence”這本書是一個很好的資源，可以學習ML 算法在Python中的實際實現。 它需要你通過許多實踐項目，涵蓋所有必要的基礎。
  

這些不錯的資源你可能也感興趣:

1、Perer Norvig 的Udacity Course on ML（ML Udacity 課程）

2、Tom Mitchell 在卡梅隆大學教授的 Another course on ML（另一門ML課程）

3、YouTube上的機器學習教程 mathematicalmonk

二、深度學習

關於深度學習的最佳介紹，我遇到最好的是 Deep Learning With Python。它不會深入到困難的數學，也沒有一個超長列表的先決條件，而是描述了一個簡單的方法開始DL，解釋如何快速開始構建並學習實踐上的一切。它解釋了最先進的工具（Keras，TensorFlow），並帶你通過幾個實際項目，解釋如何在所有最好的DL應用程序中實現最先進的結果。

在Google上也有一個great introductory DL course，還有Sephen Welch的great explanation of neural networks。

之後，為了更深入地瞭解，這裡還有一些有趣的資源：

1、Geoffrey Hinton 的coursera 課程“Neural Networks for Machine Learning”。這門課程會帶你瞭解 ANN 的經典問題——MNIST 字符識別的過程，並將深入解釋一切。

2、MIT Deep Learning（深度學習）一書。

3、UFLDL tutorial by Stanford （斯坦福的 UFLDL 教程）

4、deeplearning.net教程

5、Michael Nielsen 的 Neural Networks and Deep Learning（神經網絡和深度學習）一書

6、Simon O. Haykin 的Neural Networks and Learning Machines （神經網絡和機器學習）一書

三、人工智能

“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：現代方法） 是關於“守舊派” AI最好的一本書籍。這本書總體概述了人工智能領域，並解釋了你需要了解的所有基本概念。

來自加州大學伯克利分校的 Artificial Intelligence course（人工智能課程）是一系列優秀的視頻講座，通過一種非常有趣的實踐項目（訓練AI玩Pacman遊戲 ）來解釋基本知識。我推薦在視頻的同時可以一起閱讀AIMA，因為它是基於這本書，並從不同的角度解釋了很多類似的概念，使他們更容易理解。它的講解相對較深，對初學者來說是非常不錯的資源。

大腦如何工作

如果你對人工智能感興趣，你可能很想知道人的大腦是怎麼工作的，下面的幾本書會通過直觀有趣的方式來解釋最好的現代理論。

1、Jeff Hawkins 的 On Intelligence（有聲讀物）

2、Gödel, Escher, Bach

我建議通過這兩本書入門，它們能很好地向你解釋大腦工作的一般理論。

其他資源：

Ray Kurzweil的 How to Create a Mind （如何創建一個頭腦Ray Kurzweil） (有聲讀物).

Principles of Neural Science （神經科學原理）是我能找到的最好的書，深入NS。 它談論的是核心科學，神經解剖等。 非常有趣，但也很長 – 我還在讀它。

四、數學

以下是你開始學習AI需要了解的非常基本的數學概念：

微積分學

1、Khan Academy Calculus videos（可汗學院微積分視頻）

2、MIT lectures on Multivariable Calculus（MIT關於多變量微積分的講座）

線性代數

1、Khan Academy Linear Algebra videos（可汗學院線性代數視頻）

2、MIT linear algebra videos by Gilbert Strang（Gilbert Strang的MIT線性代數視頻）

3、Coding the Matrix （編碼矩陣） – 布朗大學線程代數CS課程

概率和統計

1、可汗學院 Probability（概率）與 Statistics（統計）視頻

2、edx probability course （edx概率課程）

五、計算機科學

要掌握AI，你要熟悉計算機科學和編程。

如果你剛剛開始，我建議閱讀 Dive Into Python 3 （深入Python 3）這本書，你在Python編程中所需要的大部分知識都會提到。

要更深入地瞭解計算機編程的本質 – 看這個經典的 MIT course （MIT課程）。這是一門關於lisp和計算機科學的基礎的課程，基於 CS -結構和計算機程序的解釋中最有影響力的書之一。

六、其他資源

• Metacademy  – 是你知識的“包管理器”。 你可以使用這個偉大的工具來了解你需要學習不同的ML主題的所有先決條件。
  

• kaggle  – 機器學習平臺
  

以上的回答希望能幫到大家！當然如果想快速學好人工智能，可以來千鋒。

千鋒Python+人工智能培訓課程堅持全程面授、項目驅動教學模式，推出“兩週免費試聽，不滿意不繳費”政策，給你時間和機會評價教學實力。據悉千鋒Python+人工智能培訓採用講師+項目指導老師+班主任全方位的課程指導體系，課程覆蓋所有類型數據庫，結合爬蟲新技術、全面增強數據抓取和搜索技能;推出貼近企業實戰的機器學習案例，例如人臉識別、手寫數字識別、汽車車牌號識別等，畢業學員可從事Web開發、爬蟲、人工智能等方向，滿足多口徑企業需求。

千鋒武漢

注意參考以下這八個方向，我覺得人工智能涉及到的技術，不同方向的要求還是有差別的。先掌握方向，然後再根據方向決定自己學哪種技術。

熱點一：自動駕駛

百度 Apollo、谷歌 Waymo、特斯拉、深圳無人駕駛公交車等，都是2017年討論熱點。

百度Apollo計劃開放自動駕駛平臺，提供一套完整的自動駕駛軟硬件和服務的解決方案，有可能對全球自動駕駛產業發展產生影響。

不過，無人駕駛上頭條之後，人類也開始關注安全性與監管政策是否到位，一些地方正在建無人駕駛示範區。

熱點二：人工智能芯片

難度比較大的一個方向，國內很多項目還在起步階段。

比較有影響力的包括寒武紀、深鑑科技、地平線等，融資也相當可觀，基本上在數千萬美元。深鑑科技拿到了螞蟻金服的大筆投資。

寒武紀科技公司除了拿到1億美元的A輪融，還發布人工智能芯片和系列產品，芯片在華為Mate10手機得到應用，AI芯片開始大規模進入消費級市場。

除上述三大頭牌外，還有耐能 Kneron、啟英泰倫、WestWellLab 西井科技、深思創芯等。

熱點三：人工智能+醫療

AI+醫療可能是一場持久戰，雖然現在被風吹得很高，但普遍商業化應用並不容易。最火熱的AI+醫學影像領域也遇到了一些瓶頸。

其實在2015年的時候，IBM以10億美元收購醫療影像公司Merge Healthcare，併到Watson Health care，後者利用Merge公司擁有的海量圖像數據進行深度學習，成為AI+醫學影像的標誌性事件。

到2017年的時候，大量影像類AI公司拿到融資，而在公司數量方面，應該也有100多家，還有有數據顯示，全球總共有1800多家人工智能企業。

其中，包括BAT在內，國內共有8家新三板及上市公司殺入。分步在輔助診斷、醫學影像診斷、藥物研發、智能醫療機器人、健康管理、可穿戴設備、風險預測等。

熱點四：人工智能硬件

2016年的時候，圖形處理器 (GPU)生產巨頭英偉達向人工智能服務器供應商轉型時，股價一度創造歷史新高。

其實，英特爾、Nervana、Movidius、Bitmain、Cambricon、Cerebras、DeePhi、谷歌、Graphcore、Groq、華為、ARM以及Wave Computing等大牌，都在該領域裡發力。

經過數年的孵化，人工智能硬件大量出現，比如智能音箱、智能手錶、車載設備、無線耳機、AR眼鏡、烹飪機器人、清潔機器人、同傳翻譯機等等。

熱點五：AI+

人民日報海外版一篇報道里提到，從2012年至今，中國在人工智能領域有1354家企業，2017年投資總額超過622億元，相比2012年的6億元翻了上百倍

AI+成為行業共識，新技術成為各行業的標配，廣泛引入金融、安防、醫療等數據基礎較好的行業領域，支持平安城市、智慧交通的建設。

另一方面，相對成熟的技術在消費級市場得到應用，刷臉支付、AI翻譯、無人店、智能語音音箱等AI應用顯著增多。

過去講互聯網+，未來一定是AI+，用人工智能提振產業與企業，因為不是每個企業都可以互聯網+，但AI+可以在更多行業落地。

熱點六：智能語音識別

智能音箱藉助語音識別及自然語言處理技術的成熟，開啟了一波風口。

比如搜狐在紐交所上市的時候，號稱人工智能第一股，招股書裡提及人工智能多次。這家公司確實在語音識別、對話、翻譯、問答等方向努力。

老牌的智能語音識別公司：科大訊飛，繼續在這個領域裡發力，向教育、醫療、智能硬件、機器人等戰略縱深挺進，比如教育應用領域，已有教學、考試、學習等成熟的方案落地。

在該領域裡，還浮現了出門問問、雲知聲、獵戶星空、作業盒子、助理來也、乂學教育、中譯語通、追一科技等角色。

熱點七：計算機視覺與圖像

大概有100多家公司殺入該戰場，將深度學習技術應用到視覺與圖像領域，具體涉及的細分領域包括：

三維圖像視覺、圖片識別分析、人臉識別、文字識別、視頻監控分析、圖像及視頻編輯、工業視覺檢測、醫療影像檢測、駕駛輔助與智能駕駛等。

其中，相比2016年，人臉識別概念的熱度雖然有所降低，但依然是核心業務，《麻省理工科技評論》發佈「2017 全球十大突破性技術」榜單，來自中國的技術「刷臉支付」位列其中。

拿到的投資也極其可觀，比如商湯科技融資大概在2億美元左右，曠視科技也有1個多億美元，深醒科技的融資大概在3億元，依圖科技數千萬美元。

熱點八：人工智能秩序

《Nature》開始關注人工智能社會倫理問題，808名科研人員簽署23條“阿西洛馬人工智能原則”，推動人工智能健康發展。

在這撥人工智能的浪潮中，中國表現出了很相當明顯的優勢，比如學術水平領先，優質論文裡，華人比例高達42.8%。還有就是積累極其巨大的數據量，國家政策旗幟鮮明地支持。

NM知本產融服務區，愛和華旗下，商業財富深度分析，產融發展謀略，賦能所有在奮鬥路上的企業家與創業者！

知本圈

入門機器學習，也許以下視頻可以給你提供一些思路

\n

{!-- PGC_VIDEO:{"thumb_height": 360, "file_sign": "900e606d590aef86e1c7920e6c9ddef4\

關鍵字: 科技 教育 人工智能