【學習筆記】貪心科技AI體驗課

第一課

1. AI相關分類
   • 計算機視覺
   • 自然語言處理
   • 語音
2. AI知識體系
   
3. 會大數據時加分項
4. 機器學習項目流程
   數據源 -> 數據預處理 -> 特徵工程 -> 數據建模 -> 數據驗證
5. 一般不需要學爬蟲，會有大量的大數據

第二課 CV

1. AI學習路線
   編程語言 - 數據處理 - 人工智能
2. python學習
   • 基礎語法
   • 函數及函數式編程
   • 面向對象
   • 文件操作
   • 設計模塊
3. 人工智能學習
   • 先學機器學習算法，是基礎
4. 最佳的學習方法
   • 知識的獲取：書、視頻
   • 知識的練習：應用
5. KNN算法解析
   K近鄰算法
   • 應用：區分菠蘿和鳳梨
   • K值選取方法：窮舉圖示法，K值是奇數（K個鄰居投票，偶數個鄰居容易投出平票）
   • KNN和K-means區別：前者是監督學習，後者是無監督學習

第三課 NLP

1. AI 崗位劃分
   • 機器學習工程師
   • 深度學習工程師
   • 數據分析工程師
     • 業務型
     • 技術型：Python SQL 機器學習
   • 數據挖掘工程師
     數據科學家、高級數據分析師
   • CV工程師
   • NLP工程師
   • 推薦算法工程師
   • 知識圖譜工程師
   • 搜索
2. 大數據
   spark 分佈式 秒級
   storm fliniv 流式 毫秒級
   編程語言：scala java
3. 數據科學家
   • 商業：業務能力強
   • 工程：代碼能力強
   • 人工智能：算法能力強
     綜合上述三個方面
4. 小項目：垃圾郵件識別
   • 原理：貝葉斯原理