1
northisland 2018-01-12 11:19:31 +08:00 1
* 文件系统、数据库清楚底层实现了么?
* 单机并行知道几种,认识清楚,玩熟了么? * MQ 通信模式会几种,认识清楚,玩熟了么? * 分布式框架认识清楚,玩熟了么? * 让你搞个编译器,把代码转成中间语言,你有想法么? 反正我是正儿八经本科读控制-->研究生读模式识别出来的。一直也在从事相关工作。 真心觉得 AI 非常非常吃数学底子,然后吧,还得有配套的程序基础,以及你对相应库的掌握。这仨缺一不可。 然后吧,还得有舍得投入数据、计算资源的老板,还得有知道合适产品方向的上级。 你才可能做出点儿比 AI 玩具高明一点点的产品~还不知道市场怎么样(自动车撞伤人不知道程序员分多少责任)~ 所以经常好奇为什么会有人推荐小白往 AI 圈里跳。。。。。。AI 理论很不错,很多框架写的也很赏心悦目,玩玩是可以的。但我的建议是跳坑需谨慎,谨防爬不出来 |
2
66beta 2018-01-12 11:22:13 +08:00
研究如 1 楼所说,还是比较高大上的
但是拿来开发产品的话,各大佬都有成熟 API 供你调用啊,国外有 aws,国内有出门问问、讯飞、百度 |
3
YRodT 2018-01-12 11:40:50 +08:00 via Android
@northisland
半个从业者,真心请教一个问题。网上总说搞 ai 对数学要求高,那么到底怎样才算可以呢? 假如编译器都能理解比较透彻的话,推 svm 数学公式,或者看 cnn 相关论文应该不是难事吧… 一直不明白数学到什么程度 |
4
zwh2698 2018-01-12 12:18:54 +08:00 via Android
除非你要做编译相关的工作,否则编译原理,知道基本就够用了,ai 如果在智能代码生产,这个体系是一个整体,可能你也绕不过去,其他情况,了解一下就够用了。ai 很多都是靠数学模型建立的,不是和编译器相关,其实别人研究的算法应用一般比较简单,但是要用到恰当好处,需要了解原理,那么数学功底就成了门槛。
|
5
liukrystal 2018-01-12 12:26:07 +08:00 via iPhone
@YRodT 我觉得应该更多的是对数学的洞察力和悟性,当然底子也很重要。
|
6
northisland 2018-01-12 12:34:49 +08:00
@YRodT
只说说我的理解。 我也感觉我的数学不够用。。。反正我见过数学最牛的人,换个领域也觉得困难,看到统计学的论文简直像在看火星文。 研究生找工作,SVM 能写出支撑向量的总间隔目标函数,写出加入核函数的推论结果,就差不多了。 但深层的二次规划问题求解,拉格朗日对偶,以及转换为 KKT 问题求解,这我觉得弄明白就很不易,弄明白了,在类似的场合上能玩出来,这就是很牛的人做的事情了。 你想玩一下理论可以逐步入手,看看搞得定不。 不过,基本上会写代码的人,看说明书,都能玩的转 libsvm 软件。 工业领界,我知道的,一些数据集(肯定是特征不容易分的,菜鸟能分对 40%左右),选不同的核函数(新手默认在老四样 linear, poly, rbf, sigmoid 里选),懂理论的老司机能把新手吊打 30%不成问题。 |
7
chenqh 2018-01-12 12:38:21 +08:00
感觉现在人工智能就是大公司的游戏
|
8
northisland 2018-01-12 12:38:22 +08:00
新手觉得我靠这是黑盒模型;其实老司机能觉得这里面原理很清楚。
新手觉得既然黑盒了,错误率就是个无法改动的数字;老司机能通过修改相应部分,试着校正某些错误。 懂数学,大概就是能把黑盒看穿的关键了。 |
9
northisland 2018-01-12 12:50:50 +08:00 via iPhone
浑身都是参数的神经网络,又是另一个世界了。
|
10
YRodT 2018-01-12 13:26:19 +08:00 via Android
@northisland
感谢,很受启发。 详细说一点吧,我数学一直不是很好,比如 svm,基础原理不是问题,但上升到二次规划问题求解等本质原理,确实很难,但付出一些时间还是能弄明白的。至于掌握原理之后的应用,基本不敢去想了。 至于核函数啊,cnn 之类的,理解论文应该是可以的,当然更深的恐怕不行了。 主要我有疑问的是,无论是知乎还是其他论坛,总是很强调数学的重要性,似乎不把数学掌握到一个很高的水平就没法做 ai。可是以我自己的经验不是这样的啊,所以一直有点怀疑这种说法。 |
11
Morriaty 2018-01-12 13:31:52 +08:00 1
楼主只是说要研究而已,又不是要跳坑。
我觉得可以先去看看《机器学习实战》、《 Python 自然语言处理》,调调包玩玩,如果真的有兴趣,让后再去看看《 LDA 数学八卦》《 word2vec 数学原理》之类的,看看这种从头讲原理的自己能不能看的进去。 再之后,需要从业了,你可能考虑的更多是业务(特征)问题了,算法基础要深究就去看教科书了。 |
12
dartabe 2018-01-12 13:35:37 +08:00
我也是刚入门 因为自然环境大部分都是模拟信号 所以需要一些数字信号处理的知识
神经网络又是个矩阵 所以要一些矩阵运算的知识 对于程序员来说 看得懂别人的算法我觉得就够了吧 |
13
sadscv 2018-01-12 13:51:11 +08:00 1
楼上 @Morriaty 推荐的几本书 /文章都是 ML/NLP 领域非常经典的学习资料,值得一看。除此之外两本精彩的中文教材《统计学习方法》和《机器学习》也不容错过。
另外如想学习 DL 相关的话,入门看看[这本]( https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details) DL/NLP 视频教程有斯坦福的 CS224 非常不错,作业设计得也非常好。 |
14
YRodT 2018-01-12 13:59:37 +08:00 via Android 1
把楼主忘了,我也来推荐一个吧,如果对深度学习感兴趣可以学着用一下 darknet 这个轻量级的框架。
https://github.com/pjreddie/darknet 纯 c 写的,代码质量挺高,还有很多训练好的模型,rnn,cnn,lstm,甚至围棋都有,可以玩玩看。 |
15
northisland 2018-01-12 14:07:19 +08:00 1
一楼最初的那个清单,
是我计算机领域,很想掌握的东东。=_=我已经放弃前端学习了 觉得除了 AI 方向,其他计算机方向的发展空间大的很。花些硬功夫把手上业务钻研精了,升职加薪岂不快哉! AI 方向,泡沫真心大。我真怕很快 AI 泡沫破裂,大部分公司把烧钱混吃的 AI 部门(技术最好的公司,就是做 Alphago 的那个公司,去年狂烧 10 多亿,营收来源多是谷歌爸爸内部),当作不良资产剥离,很多 AI 狗饭碗不保。 尤其是看到推荐教材不推荐《 PRML 》的,再次强化了我的担心。 |
16
afpro 2018-01-13 09:42:47 +08:00
不要听楼上那些劝退党的 入门算法非常简单 自己尝试一下再说
|
17
Michael1990 2018-01-13 23:57:47 +08:00 via Android
还是没我家猫聪明
|