筆者公衆號：技術雜學鋪
筆者網站：mwhitelab.com
最近筆者身邊越來越多，無論是不是計算機專業的人，都開始接觸人工智能了。
筆者有一年多的AI自學經驗，學過幾門課程、看過幾本書、參加過一些比賽和項目，在這裏做一個AI入門大全，希望可以解決萌新不知從何入門的難題。
1. 學什麼？機器學習還是深度學習
筆者曾在何爲AI中，介紹了人工智能，機器學習和深度學習的區別。
人工智能、機器學習、深度學習的邏輯關係圖
總的來說，機器學習是人工智能的一種實現方法，深度學習是機器學習的一個分支。
不過當我們平時談及機器學習和深度學習的時候，我們常常用機器學習指傳統的統計學習方法，而深度學習指使用神經網絡的方法。
1.1 機器學習
機器學習是用統計學的方法，來實現數據預測、分類等問題。
常見的使用場景有：商品推薦，個人信用評估，量化金融，醫療、交通領域大數據等等。
常用的算法有：線性迴歸，SVM，樸素貝葉斯，決策樹，模型集成等等。
經典機器學習算法表
機器學習很數學，很統計學。當你學習樸素貝葉斯、SVM這樣的機器學習經典算法的時候就會理解數學的重要性。
除此之外，機器學習還需要有對數據有很強的敏感度。尤其是當你參加和機器學習有關的比賽和項目的時候，在做清洗數據、特徵工程的時候，對數據的分析尤爲重要。
有一句流傳很廣的話：數據和特徵決定了機器學習的上限，而模型和算法只是逼近這個上限而已。可見對數據敏感是很重要的能力。
1.2 深度學習
深度學習是用神經網絡的方法，來解決計算機視覺，自然語言處理等問題。
常見的使用場景有：人臉識別，文本識別，文本翻譯，語音轉文本，客服機器人等等。
最基本的模型分類有：CNN，RNN等。
目前大部分萌新都是從深度學習開始入門。讀者若是不知從機器學習還是深度學習學起的話，筆者建議先學深度學習。
在Coursera上可以找到大量AI課程
深度學習需要數據量遠遠大於傳統的機器學習，常常是用來解決視覺或語言方面的問題。
除此了用統計學和神經網絡這兩個主流的人工智能實現方法，還有強化學習。不過這對新人來說直接入門過難，還是不要考慮了。
至於要從機器學習還是深度學習開始入門，就要看個人的需求了。
2. 機器學習入門指南
機器學習主流語言爲python/R/matlab。常用的python庫有pandas，sklearn和matplotlib。
2.1 機器學習算法入門
筆者當時是看書籍入門的。推薦《統計學習方法》、《機器學習實戰》、《機器學習》（俗稱西瓜書）。
耐心看完《統計學習方法》和《機器學習實戰》前80%的部分就可以開始比賽了。
2.2 機器學習實戰建議
記住，學會算法和應用算法是兩回事！
在學習算法時我們會學習線性迴歸，SVM，決策樹等等。但真正做項目的時候，我們面對的問題會複雜很多。
也許數據有殘缺，有錯誤，我們需要清洗數據（使用pandas）
獲得了合格的數據後，我們需要查看數據的分佈（使用matplotlib等繪圖工具），做特徵工程，提取特徵。
獲得了特徵後，我們可以應用機器學習算法了（使用sklearn機器學習算法庫）
sklearn機器學習庫
應用算法後，我們還需要評估我們的算法效果如何，要用到準確率、召回率、F1等等指標。同時還要考慮模型有沒有過擬合。
在獲得了模型的各類指標後，我們需要不斷調整模型，提高模型的效果。可能會需要模型集成、重新篩選特徵……
這一系列步驟需要大量的實戰練習，僅僅知道幾個經典的機器學習算法是遠遠不夠的。推薦去kaggle或阿里天池上做些和數據挖掘的比賽。
3. 深度學習入門指南
深度學習目前主流爲python，主流框架爲tensorflow和pytorch。
視頻課程推薦吳恩達的DeepLearning課程，課程內容十分詳細。五門大課，從基礎知識、卷積網絡、RNN網絡、項目實現等多個角度，循序漸進講解深度學習入門的方方面面，同時有配套的練習代碼。
網易和其有合作，在網易雲課堂上有中文字幕的視頻。英語不好的同學可以直接在這裏上學習就行了。
吳恩達的Deeplearning課程
DeepLearning課程資料
- 視頻：Coursera（付費內容，內含作業） | 網易雲課堂（官方授權，無作業）
- 代碼：課件+作業（盜版資源） 作業運行環境見環境安裝
深度學習進階內容
《深度學習》和其作者之一 Ian Goodfellow
學習完後可根據個人的需求，選擇指定領域深入學習。
- 圖像領域 CS231N
- 自然語言處理 CS224N
- 強化學習 CS294-122
書目建議購買《深度學習》，俗稱花書。（電子版：
英文原版 | 中文版 ）
同時，建議讀者逛一逛kaggle或阿里天池，做些與深度學習相關的比賽。
4. 學習建議
4.1 網上兩千塊的人工智能專業課值得學嗎？
曾有朋友向我吐槽，目前人工智能最大的賺錢項目就是開付費課程教其他人人工智能。
的確，網絡上以某雲課堂和某學城爲代表的平臺提供的人工智能專業課，宣稱爲專業從業人士指導，往屆學員多數入職大公司。至於課程價格，則在2000+。
某平臺的高額付費課程
筆者認爲，買這類課程完全沒必要！
網絡上免費的優質課程質量並不差。筆者自學數月後，看其付費課程所提供的教學大綱，感覺自己可以講授絕大部分內容。
至於付費課程宣傳的一起做實戰項目，讀者平時逛逛kaggle和阿里天池，實戰項目不愁做。
還有那宣傳的“便捷的在線項目實戰平臺”，完全就是在線的jupyter，讀者按着筆者以前寫過的python環境安裝教程，就可以在自己電腦上配置一個運行環境。
4.2 作爲學生，AI入門差不多了該做什麼
可去 kaggle或阿里天池上做一下新手比賽，如kaggle上的Titanic（機器學習）或者Digit Recognizer（深度學習）。在暑假的時候歡迎報名Deecamp。
kaggle比賽網站
若參加了一些比賽且實力不錯，可以直接向今日頭條等公司投遞實習簡歷。在假期的時候在AI公司實習兩個月，無論是對實力還是以後的出路，都是很有幫助的。
4.3 學會了可以做什麼？
機器學習可以在金融公司、保險公司等充滿數據且數據信息很複雜的領域做數據挖掘，即找出數據之間潛在的有價值的關係。
而深度學習則可進入相關領域的大公司或創業公司，從事圖像識別、自然語言處理等領域的問題。
各大公司都開始推出自己的AI服務
4.4 學習資料大全
更多學習資料可見：人工智能學習清單