从 0 开始学大数据
李智慧
同程艺龙交通首席架构师,前 Intel 大数据架构师,《大型网站技术架构》作者
71151 人已学习
新⼈⾸单¥68
登录后,你可以任选4讲全文学习
课程目录
已完结/共 47 讲
智慧写给你的寄语 (1讲)
从 0 开始学大数据
15
15
1.0x
00:00/00:00
登录|注册

42 | 模块答疑:软件工程师如何进入人工智能领域?

冷静期
顶部
上升阶段
人工智能技术发展状况
结合业务知识
机器学习框架与算法库
大数据技术产品
专业书籍和论文
算法编程练习
书籍参考
斯坦福大学课程
高等数学
向量空间和线性代数
统计学和概率论
人工智能应用
大数据技术与机器学习框架
机器学习算法
数学基础
学习路线图
软件工程师如何进入人工智能领域?
参考文章

该思维导图由 AI 生成,仅供参考

你好,我是李智慧。在大数据算法模块,我们一起学习了几种最常用的大数据算法,包括 KNN 分类算法、贝叶斯分类算法、PageRank 网页排名算法、关联分析 Apriori 算法、聚类分析 K-means 算法、神经网络算法以及几种常见的推荐算法,算是对大数据算法有了初步了解。
作为软件工程师,如果想掌握一些大数据算法的背景知识,以便更好地和算法相关团队合作,那么以这个模块讨论的算法为基础,触类旁通,针对公司使用的算法再进一步了解和学习,基本上也就够用了。但是,如果想从软件工程师深入进人工智能领域,那么就还需要系统地学习和掌握机器学习各方面的知识。
下面根据我的经验,给你呈现一个软件工程师进入人工智能领域的“学习路线图”,希望可以帮助到想转型进入人工智能领域的同学。

数学基础

机器学习有时候也被称为统计学习,其实就是统计大量历史数据中的规律,构建算法模型,再利用模型对现在的数据进行分类和预测。所以学习机器学习算法,先要复习一下统计学和概率论方面的知识。
很多算法的特征与函数都用向量空间表示,很多大数据算法计算也可以转化为矩阵与向量计算。比如 PageRank 算法就可以将网页间的链接关系表示为一个稀疏矩阵,所有页面的 PageRank 值构成一个向量,然后将矩阵与向量不断迭代相乘就可以了。因此,你还需要再复习一下线性代数的知识。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

软件工程师想要进入人工智能领域,需要系统地学习和掌握机器学习各方面的知识。首先,需要复习统计学和概率论、线性代数以及高等数学等数学基础知识。接着,系统学习机器学习算法,可以参考斯坦福大学的公开课程和经典书籍如《机器学习》和《统计学习方法》,并进行算法的编程练习。此外,还需要自行寻找更专业的书籍和论文进行深入学习,具备良好的英语基础也很重要。在大数据技术与机器学习框架方面,需要了解各种大数据产品的机器学习框架与算法库,如Mahout、MLlib、TensorFlow、Caffe等,以及掌握各种大数据技术产品的应用。这些知识将帮助软件工程师更好地进入人工智能领域,应对日益复杂的技术挑战。 此外,人工智能技术的发展状况也值得关注。处于上升阶段的技术包括人工智能管理、通用人工智能、知识图谱、神经形态硬件和自然语言生成。而一些被众人期待但可能有些过热的技术包括人工智能平台即服务、深度神经网络专用芯片、智能机器人、语音交互、智能应用、图形分析、目标分析、深度学习、自然语言处理和虚拟助理。另外,一些经过泡沫洗礼,关注度下滑,进入冷静期的人工智能技术包括计算机视觉、预测分析、自动驾驶和增强现实AR。 总的来说,人工智能领域的发展前景广阔,但也需要技术人员不断学习和掌握新知识,同时结合具体领域知识,才能真正将人工智能技术应用到实际中,产生实际价值。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《从 0 开始学大数据》
新⼈⾸单¥68
立即购买
登录 后留言

全部留言(9)

  • 最新
  • 精选
  • 杰之7
    最后一节课老师聊了关于AI的变现的话题,给了学习AI的知识储备,主要在数学,机器学习算法,大数据技术产品和懂些英文。 精通算法的人很多,但能将算法和业务结合的人并不多。大数据技术和机器学习技术能为整个生产环境提供平台,至于变现,更多的是我们有些有好奇的心去发现和实践。 整个专栏的结束,对于我自己而言,在课程学习的过程中,问了老师金融科技的问题,老师给予的回答是金融科技是加速器,发展前景不亚于今天的互联网技术。我要做的是就是用大数据产品和数据挖掘算法,懂金融产品的时候,在风控模型和量化上得到我个人价值的提升。 这条路上的人很多,但能做好两者的人绝对不多,对于我普通的个人而言,做到了就是荣耀,没做到也就随大流在时间里刷走的自身吧。未来可期。

    作者回复: 加油

    2019-02-03
    10
  • 跟着老师学习了 Hadoop 大数据系统的原理与架构;Hive、Spark、HBase 等大数据生态下主要产品的原理和应用;学习了自己开发一个大数据 SQL 引擎的思路与方法,以及 Spark 源代码性能测试与优化等大数据开发实践;以及大数据技术背后的应用,大数据算法等许多内容。谢谢老师 我有一个问题想得到老师的指导,就是大数据平台怎么监控?怎么保持其持久稳定性得运行呢?用什么来源的工具获取数据呢?再次谢谢老师。

    作者回复: Hadoop等大数据系统自身就被设计为高可用系统,部分服务器宕机不会引起系统的不可用。

    2019-02-27
    1
  • Hyun
    各大平台对人工智能的跟进,可能都会有所偏重。 百度是搜索起家的,对于全文搜索比较有优势,他的兴趣着落点会非常的广泛,包括政经,文体,宣教等;阿里是消费者数据更齐全,对于推荐和消费趋势更有说服力;美团更有优势在日常全品类覆盖;携程则更多看好在旅游周边。微信更接近人的真实社交需求,快速画像;还有一类特别想不到的,我认为适合做云AI的是搜狗等输入法公司。目前语音、图像识别等输入,远远达不到文字在互联网留下的痕迹,掌握了第一入口的输入法,应当是最大的赢家。
    2019-02-03
    7
  • 之渊
    先尽量进入大数据开发领域,然后继续学习,然后看机会就可以进入人工智能领域了。
    2020-08-19
    4
  • 张苗
    推荐下 机器学习实战 这本书,偏实践,对理解机器学习很有帮助 老师的大数据课程让我对大数据技术有了整体的了解,同时对于如何学习大数据技术有了明确的方向,真的是授人以渔,收获颇丰~感谢!
    2019-02-07
    4
  • 阅过留痕 最后一课,这不是结束而是新的开始,学完对大数据有了一些更多一点的理解,我没打算换岗位,就是兴趣使然,同时发现其实大数据的思考方式自己也是有一些的,农村里干活面对的常常是海量的东西,比如十亩麦田数不尽的麦苗更有数不尽的麦粒,老法子把所有麦子集中一起脱粒效率低,如果来十台大型收割机,移动计算比移动数据更划算。 感谢老师的分享,让我在视野和认知上有所精进。
    2020-02-11
    2
  • Apa琦
    4年了,ai已经飞步发展,作者的一些预测已成现实
    2023-12-25归属地:上海
  • piboye
    老师,可以讲一下google的ai first战略怎么样吗?
    2022-01-14
  • 纯洁的憎恶
    感谢李老师的大数据第一课。相比课程知识点,收获更大的是重新认识到了大数据的位置、意义和作用,初步了解到进一步系统学习大数据的方法和途径。期待进阶课程。 PS:今年1月份新出版的《深度学习 智能时代的核心驱动力量》——特伦斯·谢诺夫斯基,如何? 具备人工智能功能的ERP软件有哪些成熟产品?
    2019-02-02
    1
收起评论
显示
设置
留言
9
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部