建议收藏|一篇文让你学AI算法快速入门！（基础+机器/深度学习）

如今，人工智能是一个非常火的领域，从业技术人员的收入也非常可观。有多高？大家看下表，直观感受一下人类的参差↓

从上方表格中，我们不难看出，根据年薪就呈现了AI行业的人才梯队，由高到低分为：

科研人才、行业创新人才、技术技能型人才。前两类人才，对毕业院校、论文、项目经验和竞赛经验有要求。但第三类人才——技术技能型人才，对普通人就非常友好了。

就算你不是名校毕业，没有在顶级期刊上发表过论文，亦或是没有竞赛经验和排名，但，只要有扎实的理论基础和过硬的实操技术！搏一搏单车变摩托，拿到年薪30W的白菜价也是指日可待的！

本篇文章，小A搜罗整理了一波【快速学AI算法的干货资料】

写在前面：

AI算法是一项理论+实践很强的学科。尤其是需要实操。因此，大家快速学习AI算法的核心策略是：第一步：快速粗略理解知识点、构建整个学科的知识体系，在理论学习中可以浅尝辄止、不求甚解。第二步：结合项目进行实训，在实战中补充并完善，知识体系中的空缺。

以上 理论+实训 的策略，也是AIOC整个培训的核心。为此，AIOC认证不仅提供了在线学习课程，还开设了云实训平台，该平台提供一站式的开发环境，工业、交通、教育等多场景实训环境，帮助提高学生的项目实战能力。同时在线下，设立实训中心，搭配完整且配套的实训资源体系，包括实训环境、实训平台、实训课程和实训套件，强化线上学习的成果。

第1步，学数学，打基础！

数学是每个想学AI算法的人，绕不去的坎儿。不过，也不用头疼，仅学本科要求的高数内容：微积分、线性代数、概率论、矩阵论、统计学，这几门就足够了。如果你没有任何高数基础，学完这5门的时间，大约需要耗费6个月的时间。

第2步，Python基础

没有计算机编程语言基础，就像打仗没有武器一样。推荐书目：

学习Python请依次来掌握下图的知识点：Python开发环境、Python对象类型、Python语法语句、函数、模块与包、文件操作、面向对象编程、异常处理、正则表达式。

第3步，Python基础包

Python基础包由两部分构成，分别是NumPy和Pandas

NumPy基础 知识点：NdArray、数据类型、数组属性、创建数组、切片索引、广播、位运算、数组的迭代。字符串函数、数学函数、算数函数。统计函数、排序函数、条件筛选函数。字节交换、副本和视图、矩阵库、io

 推荐一个很棒的学习网站：

Pandas基础：数据结构、Series、DataFrame 、Panels、基本功能、描述性统计、函数应用、索引、迭代、排序、字符串与文本、选项和自定义、统计函数、窗口函数、聚合、缺失函数、分组、合并/连接、对象组合、日期功能、时间差、分类数据、可视化、稀疏数据、与sql比较

第4步，Python可视化

当具备了以上这些编程基础之后，我们就可以正式开始AI领域的理论知识了。

第5步，传统机器学习的理论基础

《统计学习方法》，李航老师

搭配周志华老师的，西瓜书《机器学习》食用更佳~

以及“南瓜书”《机器学习公式详解》，这本书可以理解为西瓜书的“辅导书”，它对西瓜书出现的公式都进行了详细的展开和推导。

如果看书不过瘾，小A推荐大家去小破站看一下公式推导视频：一个是《机器学习，白板推导系列》

另一个是，香港浸会大学数学系徐亦达教授机器学习课程。

第6步，深度学习

推荐课程1：吴恩达老师的深度学习

推荐课程2：李沐老师的《动手学深度学习》

学完以上理论基础之后，就可以进入到重要的【实训阶段】，在实践之中，才能更详细的了解而一个模型的搭建合训练过程。 在实践中你会遇到困难，会带着问题和困难主动的查阅论文、代码去解决困难。这是一个正向激励的循环过程。

最后，祝大家学有所成！如果觉得这篇手记，有用的话，就把它分享更多的人吧。