Andrew Ng 的」机器学习「在线课程是一个很好的开始~

当前人工智慧正受到越来越多的关注，随著「新基建计划」把人工智慧作为一个重点发展内容，人工智慧领域也将获得更多的资源支撑，所以当前不论是学生还是职场人，学习人工智慧都是不错的选择。当前人工智慧正处在发展的初期，当前积极拥抱人工智慧也会有更多的机会来获取人工智慧前期的发展红利。

长期以来，人工智慧领域的人才培养一直以研究生教育为主，一方面原因是人工智慧是一个典型的交叉学科，涉及到数学、控制学、计算机、神经学、语言学等诸多学科，另一方面原因是人工智慧技术体系尚不成熟，有大量的研究课题需要攻克。目前随著人工智慧领域的技术体系逐渐被建立起来，不少高校在本科阶段也连续开设了人工智慧专业，相信未来会有更多的高校，包括普通本科高校也会开设人工智慧专业。

随著人工智慧平台开始逐渐落地应用，人工智慧领域对于人才的需要也将逐渐多元化，将逐渐从研发型（创新型）人才向应用型和技能型人才覆盖，这就会在很大程度上促使更多人开始学习人工智慧技术。未来学习人工智慧技术的渠道也会越来越多，普通人也完全可以通过自学的方式来学习基本的人工智慧技术。

对于普通人来说，学习人工智慧技术可以先从编程语言开始学起，比如从Python开始学起就是不错的选择。Python语言目前在人工智慧领域有非常广泛的应用，不论是计算机视觉领域，还是自然语言处理领域和机器人领域，Python语言都是非常重要的工具之一。

学习Python语言完全可以自学，即使没有任何编程基础的人，也可以通过自学来掌握，但是在学习资料的选择上，普通人要尽量选择知识量适中的书籍，尽量不要在学习的初期就选择那种知识量非常大（非常厚）的书籍，这些书籍并不适合基础比较薄弱的初学者，普通人在没有专业人士的指导下，也很难理解其中的一些专业讲解。对于基础比较薄弱的初学者来说，可以重点关注一下这本书：

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智慧领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智慧等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

人工智慧」一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智慧的概念也随之扩展。人工智慧（Artificial Intelligence），英文缩写为AI。它是研究、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。人工智慧是计算机科学的一个分支，它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。人工智慧从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智慧带来的科技产品，将会是人类智慧的「容器」。

人工智慧不像其他编程一样，需要一种特定的计算机语言去开发它。人工智慧这块领域包含了很多计算机这方面的技术。且听我一一道来。

很多人知道，不管学习哪种编程，你的数学知识一定要好，而搞演算法的那一群工程师数学水平则更是要犹有过之。

阶段一-高等数学

人工智慧的基础，其中高等数学是必需必会的。而高等数学则包括数据分析、概率论、线性代数及矩阵、凸优化等。良好的数学基础，也是有利于以后同学们在后续的课程中更好的理解机器学习和深度学习的内容。同时对于AI研究尤为重要，例如人工智慧中的智能很大一部分依托「概率论」实现的。

阶段二-python的高级应用

需要对python的高级应用。python语言在人工智慧上有著不可或缺的地位。机器学习则是非常的复杂庞大，通常会涉及组装工作流和管道、设置数据源及内部和云部署之间的分流。而python则能更好地对其中的数据管道进行处理。使得我们能在学习机器学习的时候更加的轻松。

阶段三-机器学习

开始进行机器学习。而机器学习中则涉及到很多复杂的演算法，通过演算法对数据进行分析和进行学习。然后对现实的情况作出判断并对其进行回应。比如说语音识别，从外部用户身上获取语音数据，然后进行演算法分析，最后识别为文字显示在你的设备上。

阶段四-数据挖掘

进行数据挖掘对数据进行收集分析。顾名思义，数据挖掘就是对数据进行挖掘，通过演算法对数据进行收集然后分析，模拟人的原始学习形态。而数据挖掘涉及到了很多的知识，比如资料库技术、机器学习、统计学、数据仓库技术等。

阶段五-深度学习

深度学习。深度学习则是机器学习的一个分支，是实现机器学习的技术，同时深度学习也给机器学习带来了很多实际的应用。从TensorFlow、BP神经网路、深度学习概述、CNN卷积神经网路、递归神经网、自动编码机，序列到序列网路、生成对抗网路，孪生网路，小样本学习技术等方面讲解深度学习相关演算法。

阶段六-自然语言

自然语言的处理。自然语言的处理一直是计算机科学和人工智慧领域一个重要的方向。自然语言就是如汉语、英语这样的语言。这类语言一直是我们人类的独有的特权。而这阶段的自然语言处理就是让机器能听懂并能处理自然语言。

阶段七-图像处理

图片处理就是计算机通过获取图像并对图像进行去除杂讯、增强、复原、分割、提取特征等处理的方法和技术。已经广泛地应用到各个领域。

收尾

而学习人工智慧或者任何其他的东西，不是一朝一夕能学成的。只是帮你们梳理梳理思路，不至于让你们走岔路。而真正想要学精通，推荐千锋好程序员线下学习大数据人工智慧，也需要你们自身的不懈努力和坚持。

去找一些课程啦，但是千万别去报班，报班的那些贼坑人，垃圾点的会坑你好几万

想要进入人工智慧领域方向是好的，现在ai都写进教科书了，还不搞ai，你什么时候再搞！

反正这种东西，林林总总就是那么回事儿，一个风口出现，总是会把一大堆猪吹起来，然后跟著走的吃瓜群众也能尝点甜头，但是基本上你能够了解到的都是营销号吹给你看的，更深层次的东西，就需要你自己去研究了

多看书，多动手，多实践，多上github，要想提高自己的水平，一定要学会沉下心来慢慢学习，不要被那些高工资什么的带偏了

报什么班啊，报班没用的，他们那些培训机构也都是为了赚你的钱

想学的话，我这里有一些资料，我也学了一段时间人工智慧，积累了一些资料，应该能对你有一些帮助

---

不要报班，自己学就ok，那些东西本来就不是一两天能学会的，还不如自己多打一些基础，基础打牢了，之后慢慢自己写一些demo，慢慢的找一些这些公司，看看他们的招聘要求，仅仅靠你自己往那里学，进步很慢的，进步最快的方式就是动手，没有之一

我也在学这方面的东西，现在在一线互联网公司当代码狗，一直在打基础，平时也研究一些大佬写的演算法，慢慢积累吧，学习本来就是个缓慢的过程

我也积累了不少资料，有需要的参考下图找我来拿

from PIL import Image, ImageDraw, ImageFont

class Image_unread_message:

def open(self,path):

self.im=Image.open(path)

return True

def __init__(self):

self.fnt=None

self.im=None

def setFont(self,font_path,size):

self.fnt=ImageFont.truetype(font_path,size)

return True

def draw_text(self,position,str,colour,fnt):

draw=ImageDraw.Draw(http://self.im)

draw.text(position,str,fill=colour,font=fnt)

self.im.show()

self.im.save(str+num+.jpg)

return True

test=Image_unread_message()

test.open(1.png)

test.setFont(ahronbd.ttf,80)

test.draw_text((200,-20),4,(255,0,0),test.fnt)

---

人工智慧学习，零基础的话还是要下功夫的，

如今市面上有很多人工智慧培训班，都是纸上谈兵，学不到真正人工智慧技术

建议你到企业中去实习学习

我就知道几家比较大的人工智慧企业有人才培养：

百度和东软合作的人才培养，还有交大和深兰科技合作的人才培养（好像叫交大人工智慧中心，具体可以搜一下）、寒武纪、汉王都有相关的人才培养，请参考

如果是教室里培训的那种就不建议你去了

---

推荐阅读：