欧美国产高清污视频在线观看-欧美久久综合九色综合-国产黄色自拍网站在线-国产三级精品三级在专区精-97中文字幕一区二区-大吊操白虎学生妹逼-精品久久久久亚洲综合网-青青草原国产av一区欧美-国产在线一区二区三区在线

  1. 首頁 > 生活百科 > >

超星學習通大學生創(chuàng)業(yè)導論答案,超星大學生創(chuàng)業(yè)導論答案

生活百科

這篇文章是想進入人工智能領域但不知道從哪里開始的初學者的最佳學習資源列表 。
第一、數(shù)學 。數(shù)學基礎一定要扎實 。以下是你開始學習人工智能需要知道的非常基本的數(shù)學概念：
結石
線性代數(shù)
概率統(tǒng)計：它是數(shù)值順序在機器學習領域應用的最重要的分支 。條件概率、相關系數(shù)、最大似然、大數(shù)定律、馬爾可夫鏈等應用 。
矩陣理論：數(shù)字圖像本身是以矩陣的形式呈現(xiàn)的，由多個向量組成的樣本也是矩陣 。這種形式很常見 。在大多數(shù)機器學習算法中，每個樣本都是以向量的形式存在的，多個矩陣的疊加就是google深度學習庫中tensorflow以張量形式存在的字面意思之一 。具體應用，如：世界坐標系 ， 相機坐標系，圖像坐標系之間的轉換，特征值，特征向量 ， 范數(shù)等 。
凸優(yōu)化:這需要單獨進行 。因為太多的問題(尤其是機器學習領域)都是優(yōu)化問題(求最優(yōu))，而凸優(yōu)化是其中最簡單的形式 ， 所以大家都在想辦法把一般的優(yōu)化問題變成凸優(yōu)化問題 。至于純凸優(yōu)化理論，似乎已經(jīng)相當成熟了 。在機器學習中，我們經(jīng)常會看到一些對偶問題，KKT條件等 。并花兩天時間學習 。
建議在高校編制一個關于凸優(yōu)化的教學課件 。畢竟大家對這一塊都比較陌生，缺乏系統(tǒng)感 。比如北大的《凸優(yōu)化》課程 。
第二、計算機基礎知識 。要掌握AI，你要熟悉計算機科學和編程 。
語言：python（python基礎教程、廖雪峰python教程、python核心編程）
分析：sql，python中numpy、pandas等（利用python進行數(shù)據(jù)分析）
數(shù)據(jù)結構和算法：算法第4版，算法介紹
想要更深入的了解計算機編程的本質——觀看 （)這門經(jīng)典的麻省理工課程 。這是一門關于lisp和計算機科學的基礎課程，也是基于CS-structure和計算機程序解釋的最有影響力的書籍之一 。
Python一定要有扎實的基礎，C會更好
00-1010機器學習領域的最佳介紹 ， 請觀看Coursera的吳恩達機器學習課程 。它解釋了基本概念，并讓您很好地理解最重要的算法 。建議多看幾遍 。
關于ML算法的簡要概述，請參見本TutsPlus課程《機器學習精粹》 。
《機器學習在行動》這本書是學習用Python實際實現(xiàn)ML算法的很好資源 。它需要你通過很多實際的項目 ， 涵蓋所有必要的基礎 。
你可能也會對這些好的資源感興趣 。
統(tǒng)計機器學習，李航（必看）
機器學習，周志華（必看）
模式識別和機器學習(推薦)
00-1010關于深度學習最好的介紹，我遇到的最好的一個是用Python做深度學習 。不深入難懂的數(shù)學，也沒有一長串的前提條件 。相反 ， 它描述了一種啟動DL的簡單方法，解釋了如何快速開始構建并在實踐中學習一切 。它解釋了最先進的工具(Keras、TensorFlow),并通過幾個實際項目向您介紹了如何在所有最佳DL應用中實現(xiàn)最先進的結果 。谷歌上也有很棒的DL入門課程 ， 還有SephenWelch對神經(jīng)網(wǎng)絡的很棒的解釋 。之后，為了有更深入的了解，這里有一些有趣的資源：
1.GeoffreyHinton的coursera課程《機器學習的神經(jīng)網(wǎng)絡》 。本課程將向你介紹安的經(jīng)典問題—— 。
g>MNIST 字符識別的過程 ， 并將深入解釋一切 。2.Tensorflow實戰(zhàn)和Tensorflow:實戰(zhàn)Google深度學習框架兩本書（選一本必看）
3.MIT Deep Learning（深度學習）一書 。
4.Michael Nielsen 的 Neural Networks and Deep Learning（神經(jīng)網(wǎng)絡和深度學習）一書
5.Simon O. Haykin 的Neural Networks and Learning Machines （神經(jīng)網(wǎng)絡和機器學習）一書
第五、人工智能“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：現(xiàn)代方法） 是關于“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，并解釋了你需要了解的所有基本概念 。如果你對人工智能感興趣，你可能很想知道人的大腦是怎么工作的，下面的幾本書會通過直觀有趣的方式來解釋最好的現(xiàn)代理論 。

  1. Jeff Hawkins 的 On Intelligence（有聲讀物）
  2. Gdel, Escher, Bach
其他資源：
  1. Ray Kurzweil的 How to Create a Mind （如何創(chuàng)建一個頭腦Ray Kurzweil） (有聲讀物).
  2. Principles of Neural Science （神經(jīng)科學原理）是我能找到的最好的書，深入NS 。
第六、其他資源
  1. github 。尋找適合你的開源項目 。

  2. kaggle、天池等大數(shù)據(jù)比賽
  3. hadoop、scala等大數(shù)據(jù)工具（官方文檔）
  4. 結構之法、算法之道系列博客
最后-------------------選好方向
大數(shù)據(jù)AI方向有很多，選擇感興趣的方向深入研究即可，列舉一些學習資源如下：
自然語言處理：(1) 統(tǒng)計自然語言處理（第2版）宗成慶 著
(2) 語音與語言處理（英文版 第2版）Daniel Jurafsky, James H. Martin 著
(3) 計算語言學（修訂 版）劉穎 著
(4) 自然語言處理簡明教程 馮志偉 著
【超星學習通大學生創(chuàng)業(yè)導論答案,超星大學生創(chuàng)業(yè)導論答案】(5) 自然語言處理的形式模型 馮志偉 著
(6) Natural Language processing with Python 很實用
(7) 本體方法及其應用 甘健侯 等 著
(8) 本體與詞匯庫（英文影印版）典居仁（Chu-Ren Huang）等 編
另外超星學術視頻 (網(wǎng)絡上可以找到資源)：
(9)自然語言理解 宗成慶(中科院)
(10) Stanford 的 NLP 課程（Youtube）
Dan Jurafsky & Chris Manning: Natural Language Processing
(11) Michael Collins 的Coursera課程 和 主頁
Michael Collins：Natural Language Processing
計算機視覺： (1) 數(shù)字圖像處理，岡薩雷斯，阮秋琦（譯）
(2) opencv基礎篇，于仕琦，劉瑞禎
(3) Learning OpenCV computer vision with the opencv library, Gary Bradski, Adrian Kaebler, O'REILLY
(4) 模式識別，邊肇琪
(5) 模式分類，Richard O. Duda, 機械工業(yè)出版社
(6) Computer Vision: Algorithms and Applications ， Richard szeliski
等等 。。。

    猜你喜歡