1.前言
在上周六,看了掘金的课堂。这次的课堂和之前的不一样,因为这次涉及的领域是人工智能,讲的内容也是如何自学人工智能(AI)。这个主题,领域对于我自己而言,是一个关注但是陌生的主题,不同所从事的前端。
2.关于人工智能
在描述课堂之前,先大概介绍下人工智能的各方面。
2-1.什么是人工智能
引用百科的说法:人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
2-2.为什么要学人工智能
为什么要学人工智能,这个可能很多人都想着,人工智能人才短缺,待遇高。这样想是对的,因为现在的情况就是如此。但每一个行业的总会有一个风口期,红利期,这个不会一直存在。而且如果自己没兴趣,不愿接受挑战,就奔着高薪而学,注定走不远。所以,我不从这个角度解释这个为什么。
我关注人工智能的理由就是因为人工智能就是一个趋势,前景也广阔,在以后也会逐渐的渗透到各行各业里面,影响我们生活的各个方面。所以就觉得人工智能值得学习。
也顺便扩展一下:我了解的人工智能现在有哪些应用领域了
领域 | 具体应用 |
---|---|
在计算机视觉 | 车牌识别,图像识别,人脸识别,人脸美颜,无人车 |
情景智能 | 导航最佳路线,用户行为推荐 |
语音技术 | 语音识别,精确翻译,智能助手(说一段话,计算机完成一个任务) |
生产,制造业 | 自动化车间,智能农业 |
3.关于课堂
3-1.主题
一堂课掌握 AI 自学路径图
3-2.了解目标
AI 如何改变我们的生活?
AI 在七牛云的应用?
学习 AI 需要哪些基础知识?
参与 AI 相关的工作需要哪些知识?
AI 相关岗位的日常工作是什么?
如何自学 AI
相关资源
4.AI技术革新
首先,第一个课时是彭垚老师带来的《AI技术革新》讲述的内容分为以下三大块吧。
4-1.AI如果改变我们的生活
关于人工智能改变生活,主要有三大块,计算机视觉,语言识别,语音识别,具体的产品这里就不列举了。
计算机视觉方面的应用,比如导航的车辆识别,人脸识别,行为分析。
语音识别方面,比如智能机器人,智能音响。
语言处理方面,在线客服,个人助理,只能问答。
这一些领域都有很多出色的产品出现,在这里就不列举了。但是不可否认的就是,因为这些领域的产品出现,给我们生活的衣食住行都有很大方面的改善。
4-2.AI在七牛云的应用
老师介绍到,七牛云围绕海量数据提供创新,灵活的组合场景,把AI融合进七牛运的产品线里面去。同时加力发展视频智能和数据智能的探索和应用。其中视频智能里面,包括内容审核(对色情,暴恐等视频进行处理,保证视频内容健康),人脸识别(身份核验,智能安防等),视频分析等,在数据智能里面,包括数据分析决策,理解机器语言和情绪,洞察未来等。
除此之外,也介绍了七牛云的人工智能实验室的核心创新体系。介绍了运用AI实现内容审核(对色情,暴恐等视频图像进行处理,保证内容健康),城市之眼(对人,物,场景进行检测,实现身份核验,智能安防等需求),媒资智能(对视频图像等实现人脸识别,实现人工检索等需求),创新计划。也介绍了当中的技术架构,运作原理,以及一些成功案例(陌陌,步步高,美图秀秀等)。
4-3.七牛云的AI工程师的日常
首先,AI工程师有7种,计算机视觉算法工程师,机器学习平台研发工程师,大数据平台研发工程,搜索引擎研发工程师,系统架构工程师,业务架构工程师。这几个职位字面上知道是负责什么,虽然我都不会。老师在课上简单介绍了他们的工作内容,成果方面包括AVA弹性深度学习平台,LEGO大数据富媒体知识库,AI Video OS等。
4-4.问题回顾
因为打字速度跟不上说话速度,内容也过多,用我自己的意思表达又担心表达错误(其实就是因为懒),所以答案就不写了,需要知道答案的,请点击下面的链接,观看视频。
1.七牛云AI的核心技术能力是什么?
2.将机器学习与社会可与研究相结合,有哪些可能的基于和挑战?
3.很多关于人工智能的文章说,中国在人中只能领域处于领先位置,可为什么在学习过程中找到额度资料都是国外的?
4.系统架构和业务架构有什么不同?
5.可以简介一下AI开发的流程吗?
6.这个AI Video OS是用在什么应用场景的呢?是对外提供服务能力,还是对内使用?
最后,因为这个只是我一个简单的笔记介绍,如果大家想了解更多,还是得点击下面链接进行观看:
5.AI初学者入门
然后,第二个课时是邵杰老师带来的《AI初学者入门》。关于这个课时,并不是讲了AI的所有应用领域,挑了两个应用很广的两个领域:机器学习和计算机视觉。
5-1.课程内容
开始之前,提了三个建议:
1.不要等到掌握所有的相关数学知识再开始 2.不要收集过多的学习资料 3.动手,动手,动手
关于第一个建议,老师目的就是想说,因为知识太多,难以全部掌握,会影响信心,而且很多知识不一定要求特别熟悉,想大家尽快的进入学习人工智能里面去。这也的确,不止AI,前端也有这样的情况,就是有人评估做前端还是后台的时候,就是评估前端要学什么,后端要学什么,这样就感觉有点想太多了。
关于第二个建议,老师觉得网上资料繁杂,质量难以保证,也不系统,收集过多的资料,时间成本太大。
关于第三个建议,这个应用是通用的,即使是我自己写文章,我也非常建议,也多次提到大家除了看,更要写,这样才能印象深刻。如果只看不写,学的过程很容易懵。
机器学习:利用学习算法,从数据中产生模型。简单的说就是根据写的程序(机器算法),根据大量的数据,产生一个模型。讲师也讲了一个实例:比如经常会收到垃圾邮件,下次在收到的时候,根据已收到的垃圾邮件进行分析,判断是不是垃圾邮件。
机器学习:泛化性(根据已有的数据,分析新数据),算法偏好(不同的模型,问题,应用匹配不同的算法)
关于机器学起,也用了K近邻的方式实现一个图像识别。但是学习之前,大家要学习下相关的数学知识。
5-2.问题回顾
还是一样,只有问题,答案看视频。
1.建不建议从深度学习开始入手学习?
2.phtroch和TensorFlow两个机器学库,选择哪个学习比较好?
3.动手很重要,具体应该怎么实践?
4.AI开发选用什么变成语言比较合适?
5.请问老师,对于传统软件开发行业(c语言),行行人工智能行业(机器学习方向)有什么建议?
6.老师对于在线的机器学习的课程怎么看,例如coursera等等麻烦说说
视频链接:
5-3.学习资料
附视频提及的学习资料:
书籍
尼克《人工智能简史》(这本书要认清作者,因为老师提到,《人工智能简史》有两本同名书籍,推荐的是尼克这本)
Miroslav Kubat《机器学习导论》
周志华《机器学习》(西瓜书)
Aurelien Geron《 Hands-on Machine Learning with Scikit-learn & Tensorflow 》
Ian Goodfellow等《Deep Learning》(花书)
ML 101
Getting Started With MachineLearning (all in one) by 梁劲 sina.lt/f3W8
Machine learning 101 by Jason Mayes sina.lt/f3W3
在线课程
机器学习速成课程 developers.google.com/machine-lea…
台湾大学李宏毅教授 speech.ee.ntu.edu.tw/~tlkagk/cou…
吴恩达教授 mooc.study.163.com/smartSpec/d…
斯坦福大学 cs231n cs231n.stanford.edu/
斯坦福大学 cs224n web.stanford.edu/class/cs224…
其他
scikit-learn Tutorials scikit-learn.org/stable/tuto…
机器学习术语表 developers.google.com/machine-lea…
4.小结
这次课堂的个人理解就差不多就到这里了。但这个课堂可以让大家对AI开发有一个大概的了解,知道AI可以做什么,怎么做。以及AI自学的一个指导,至于是否受用,这个就见仁见智了。
最后感谢掘金和两个讲师给大家带来课程。