1樓:和日安
你這屬於小白了,大致看了下,他們的那些回答不是針對你現有的水平說的
你現有的水平,最適合你的就是培訓機構的那些東西
因為培訓機構是為了賺錢
他們的課程最適合小白,能最快速度的讓小白入門
但是我這麼說並不是讓你去培訓機構報名,其實培訓機構是特別坑人的,我特別不建議你去培訓機構報名
培訓機構學到的東西,你自己自學也可以
不過你得掌握合適的方法,如果沒有合適的方法,可能效率就會慢一點了
比較簡單直接的乙個方法就是找一些這方面的學習資料,然後自己先學習一段時間
了解的差不多了之後再去gitub上面找合適的例子,模仿一些,練練手
慢慢的,你水平就起來了
如果還想要找這類工作的話,盯著在這個領域裡面的企業的招聘需求整就可以了
就這麼簡單
我這裡也積累了一些資料,需要的話找我來拿
參考下圖找我交流
sessiona = requests.Session()
headers =
k3_confidence = 0.71
'''# 視覺化資料會被儲存在雲端供瀏覽
# 純屬學習,並未看出"角度"範圍擴大對影象識別的影響,大部分時候60s內能搞定,說明優圖還是很強悍的,識別速度也非常快
'''runtime_list_x =
runtime_list_y =
nn = range(1,11) # 願意的話搞多執行緒,1百萬次更有意思
# 成功嘗試100次,形成2維資料以熱力圖的方式展示
for y in nn :
for x in nn :
print( "y: " + str(runtime_list_y) )
print( "x: " + str(runtime_list_x) )
runtime_list_x =
print ("-"*30)
print( runtime_list_y )
print ("-"*30)
# pip install plotly 資料視覺化
import plotly
import plotly.graph_objs as go
plotly.tools.set_credentials_file(username='username', api_key='username') # 設定賬號,去官網註冊
trace = go.Heatmap(z = runtime_list_y , x = [n for n in nn ] ,y =[n for n in nn ])
data=[trace]
plotly.plotly.plot(data, filename='weldon-time2-heatmap')
# 嘗試後發現乙個特點,基本都是1~2個倒置中文,這樣我們可以藉此提速
# 角度範圍放大,僅當識別出倒置中文為1~2個時才提交驗證否則放棄繼續尋找
### chcp 65001 (win下改變cmd字符集)
### python c:\python34\image_recognition_zhihu.py
2樓:永無止境
只要有一定的數學基礎,就可以很快學會一些簡單的人工智慧演算法。
建議從卷積神經網路開始學起,畢竟卷積神經網路是現在應用最廣的人工智慧方法。
卷積神經網路
當然,卷積神經網路有各種新的網路結構,包括殘差網路、深度殘差收縮網路等。
殘差網路
深度殘差收縮網路
3樓:唯一
我想這要看你現在的狀況了。
如果你還是學生:
在你的大學裡學習相關的課程。即使您不在CS/EE/ECE的相關課程組,其教員可能會提供這些課程,您也可以選修這些課程。
這可能是:
線性代數
機器學習
深度學習
深度學習的高階課題(計算機視覺、自然語言處理、強化學習等)
我認為你可以完全跳過機器學習,直接進入深度學習,因為就人工智慧和機械人而言,這是所有樂趣所在。
重要的是,你要利用這些課程中的所有思想,利用目前行業中使用的最先進的工具來完成乙個專案,解決乙個具有實際意義的問題(也許你的母語會被機器翻譯成英語,反之亦然)。這讓你在就業市場上很有價值。
如果你打算在這個領域獲得深厚的專業知識,讀碩士和博士學位或者加入一家初創企業是個不錯的選擇。你也可以考慮與你所在國家的頂尖學術專家一起實習。
網上提供了很多好的課程/資源。但我建議你去你的城市參加乙個人工智慧/機械人相關的會議,並組成乙個學習小組。最好是在小組中學習(用機器學習的說法:
整合學習),而不是自己學習。學習的速度和準確性肯定會更快更好。
很多學校或組織會舉行學習講座,但如果組織者明目張膽地想從中學賺不合理的錢,就不要去。該領域的專家們很容易在網上提供他們的講座和幻燈片。他們提倡開放的研究文化和無障礙的學習。
如果他們能提供乙份有效的證書,讓你在人工智慧行業找到乙份工作,那麼投入資金是可以的。而且,即使沒有提供證書,也可以為演講者和組織者的努力支付合理的費用。
當然,最好的學習方法就是試著和你的學習小組夥伴一起做乙個好的專案,不要只講理論,不動手。
4樓:sunny
學習人工智慧的背後就是學習數學,強大的理論決定了學習的深度。
我也是個非科班自學的筒子,興趣是最好的老師,一點都不覺得枯燥,反而覺得很有意思。可以關注WX公ZH:crazyAI。乙個零基礎自學成功的例子,現在學不晚的。
5樓:
零基礎估計自學有點難度,
建議報班,有人引導會比較快,不會走彎路,關鍵要分辨清楚報的班的能不能學到東西
尤其像人工智慧,普通培訓機構根本學不到的
那種在企業裡面學的還差不多
我所知道的有這些:
科大訊飛、深蘭科技(這個和交大合作有定向培訓,好像叫交大人工智慧中心)、華為(這個貌似也有和大學合作企業定向培養的)、還有阿里,寒武紀,地平線等等
具體自己可以搜一下
6樓:Nikocai
數學基礎知識蘊含著處理智慧型問題的基本思想與方法,也是理解複雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上,要了解人工智慧,首先要掌握必備的數學基礎知識。如果將認知過程定義為對符號的邏輯運算,人工智慧的基礎就是形式邏輯;謂詞邏輯是知識表示的主要方法;基於謂詞邏輯系統可以實現具有自動推理能力的人工智慧;不完備性定理向「認知的本質是計算」這一人工智慧的基本理念提出挑戰。
對於乙個 SAP 初學者,有什麼好書推薦?
roger 1.先看SAP 100小時。2.再看PA專題教材,看的時候直接按solution做練習就好。不管1還是2,都要先找個能自己練習配置的IDES環境。 Kevin Che 首推SCN。SCN就是SAP生態圈內的知識寶庫,經過10年的發展已經有了很多人們在上面分享自己的知識,並且有一些road...
對於c語言的初學者來說,具體需要專精數學裡面的哪幾部分才能學好c語言?
不會游泳的大表弟 入門來說的話,小學畢業的數學水平就完全足夠了,書的話 head first c,明解 語言這兩本很適合初學者,而且網路有掃瞄版pdf可以搜到,試讀一下哪本有興趣就讀哪本。讀完入門的可以嘗試著繼續看 c primer plus這本,網路也有資源可以試讀下.基礎入門就可以看看資料結構 ...
對於滑雪初學者來說,有沒有更好的指導或者建議,能快速的上手?
拜拜了您內 1 克服緊張感 心裡不緊張了才有多餘的心思去考慮滑雪的方式方法,不然很容易大腦一片空白。2 帶好護具 帶好護具不光可以保護自己,而且也會讓你的心裡安穩一點。如果你滑雪服都沒有,頭盔都沒帶,而且你還是乙個新手肯定更緊張。其中頭盔是非常重要的護具,有些小雪場的護具不全,連頭盔都沒有,那麼你可...