要學(xué)習(xí)概率論、數(shù)理統(tǒng)計(jì)、矩陣論、圖論、隨機(jī)過(guò)程、最優(yōu)化、神經(jīng)網(wǎng)絡(luò)、貝葉斯理論、支持向量機(jī)、粗糙集、經(jīng)典邏輯、非經(jīng)典邏輯、認(rèn)知心理學(xué)。

人工智能需要學(xué)習(xí)什么

①機(jī)?學(xué)習(xí)的基礎(chǔ)是數(shù)學(xué)，入門(mén)AI必須掌握一些必要的數(shù)學(xué)基礎(chǔ)，但是并不是全部的數(shù)學(xué)知識(shí)都要學(xué)，只學(xué)工作上實(shí)際有用到的，比如是微積分、概率論、線(xiàn)性代數(shù)、凸優(yōu)化等這些。

②數(shù)據(jù)分析里需要應(yīng)用到的內(nèi)容也需要掌握，但不是網(wǎng)上所說(shuō)的從0開(kāi)始幫你做數(shù)據(jù)分析的那種，而是數(shù)據(jù)挖掘或者說(shuō)是數(shù)據(jù)科學(xué)領(lǐng)域相關(guān)的東西，比如要知道計(jì)算機(jī)里面怎么挖掘數(shù)據(jù)、相關(guān)的數(shù)據(jù)挖掘工具等。補(bǔ)足了以上數(shù)學(xué)和數(shù)據(jù)挖掘基本知識(shí)，才可以正式進(jìn)行機(jī)器學(xué)習(xí)算法原理的學(xué)習(xí)。

③算法方面需要掌握一些基本的框架：python、spark、mllib、scikit-learning、pytorch、TensorFlow，數(shù)據(jù)方面需要懂得HQL、numpy、pandas，如果你本身是后臺(tái)開(kāi)發(fā)、app開(kāi)發(fā)、數(shù)據(jù)分析、項(xiàng)目管理，則是一個(gè)學(xué)習(xí)算法的一個(gè)加分項(xiàng)。

④最后需要對(duì)人工智能有全局的認(rèn)知，包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)兩大模塊，相關(guān)的算法原理、推導(dǎo)和應(yīng)用的掌握，以及最重要算法思想。

人工智能主要是深度學(xué)習(xí)

想要學(xué)習(xí)人工智能，先要知道什么是機(jī)器學(xué)習(xí)。簡(jiǎn)單來(lái)說(shuō)，機(jī)器學(xué)習(xí)就是教電腦怎樣從數(shù)據(jù)中學(xué)習(xí)，然后做出決策或預(yù)測(cè)。對(duì)于真正的機(jī)器學(xué)習(xí)來(lái)說(shuō)，電腦必須在沒(méi)有明確編程的情況下能夠?qū)W習(xí)識(shí)別模型。

你還需要知道什么叫做深度學(xué)習(xí)。深度學(xué)習(xí)簡(jiǎn)單來(lái)說(shuō)，就是機(jī)器在學(xué)習(xí)過(guò)程中不斷自主深化研究探索，達(dá)到能夠代替人類(lèi)的經(jīng)驗(yàn)性工作。比如AlphaGo的圍棋學(xué)習(xí)。

當(dāng)然了，人工智能的學(xué)習(xí)少不了編程語(yǔ)言的學(xué)習(xí)包括Python、Java以及人工智能基礎(chǔ)知識(shí)：ID3、C4.5、邏輯回歸、SVM、分類(lèi)器、等算法的特性、性質(zhì)、和其他算法對(duì)比的區(qū)別等內(nèi)容。另有工具基礎(chǔ)知識(shí)：opencv、matlab、caffe等。