Artificial-Intelligence-Roadmap
一、项目初衷
该repo旨在给 极创工作室 和 西电科创社 的学弟学妹提供一个大致的人工智能学习路径图,该路径图仅供参考,具体实施需要结合自己的实际情况就行选择。我们欢迎更多的同学对该repo有更多建议和优化方案,欢迎您使用Forking
工作流提交 Pull Request,具体参考atlassian文档,大致步骤如下:
- 在GitHub上Fork本仓库
- Clone Fork后的个人仓库
- 设置
upstream
仓库地址,并禁用push
- 我们建议使用分支开发
- PR之前保持与原始仓库的同步,之后发起PR请求
二、学习路线及必备技能
2.1 学习路线
学习路线的制定主要参考了以下资料及链接:
- 西安电子科技大学人工智能专业2020级本科生培养方案
- Datawhale人工智能培养方案
- https://tjxj.github.io/
2.2 必备技能
-
前置技能
-
Git
Git是目前世界上最先进的分布式版本控制系统(个人意见,不喜勿喷)。版本控制系统就是可以使我们的代码回溯到特定的阶段(避免疯狂ctrl z,没错说的就是屏幕前面不会有版本控制软件的你)。至于这些名词,我觉得大家去查一下就知道了。学习资料的话,推荐下面几个资料,希望能够帮助大家:
-
Github
Github我觉得是必须要掌握的技能之一,在Github上你不仅可以学习(
copy)代码的规范书写,还可以学习到一些奇奇怪怪的技能(比如:how to cook)。但是,希望对Github上的内容进行辨别,做一个爱党爱国的好青年,而不是散发奇怪言论。 -
搜索引擎
-
python
许多机器学习和深度学习框架都是基于Python开发,因此python的学习至关重要。(个人认为,学到面向对象就行了)python的学习我只推荐两个资料,一个是下方三中的01 Python编程:从入门到实践 - 第二版和廖雪峰老师写的python教程 -> url。除去基本的学习以外,深度学习和机器学习涉及到大量的张量操作和图片读取操作,我个人建议大家可以再学习下下方的三个库。
- Numpy
- Pandas
- 数据读取:Opencv和PIL
-
-
数学知识
不论是机器学习还是深度学习,其实质是一个数学优化问题。因此,人工智能与数学紧密相关(当然,你不懂数学但是也可以会用),我希望各位能从道的角度去学习人工智能,而不是从术的角度只是去调用现有成熟的API。我们在下面列出和人工智能关系比较密切的数学。
-
高等数学(上\下)
高等数学是最基础的一门学科,机器学习与深度学习与数学关系密切,因此建议大家好好学习高等数学(不要轻视)
-
线性代数
线性代数同样是基础的一门学科,因为机器学习和深度学习涉及大量的矩阵操作知识,说实话,没学懂也不影响你用。但是我希望大家能从道的角度去学习,而不是局限于术的层次学习使用。
-
概率论与数理统计
同样是一门极其重要的课程,在大三上的机器学习,模式识别中占据及其重要的地位。
-
最优化方法
深度学习和机器学习实际上都是根据数据去优化模型,因此优化方法十分重要。这门课在西安电子科技大学20级人工智能专业是在大二下开设,个人觉得学起来倒也不是很难,是挺有趣的一门学科。
-
-
框架运用
-
框架简介
为了优化大家的开发体验,Google,Meta,Amazon,百度等机构推出了许多深度学习和机器学习框架,下图来源于paper with code -> url。我们可以看见整体上Pytorch已经从老大哥Tensorflow上接过了接力棒,因此我们还是建议大家学习PyTorch。
-
PyTorch
允许我在这先打个广告:我们为了帮助大家更好的学习PyTorch,我们开设了thorough-pytorch课程,如果大家觉得有帮助的话,欢迎大家动一动小手点个star。
-
Tensorflow2.x
-
Keras
-
Paddlepaddle
-
JAX
-
MXNet
-
二、课程资料
课程序号 | 课程名字 | 总时长 | 链接地址 |
---|---|---|---|
01 | 计算机视觉(本科)北京邮电大学 - 鲁鹏 | 21:29:39 | [video url] |
02 | 计算机视觉与深度学习 北京邮电大学 - 鲁鹏 | 23:25:04 | [video url] |
03 | 【吃瓜教程】《机器学习公式详解》 - Datawhale | 15:14:29 | [video url] |
04 | Transformer模型 - ShusenWang | 约1h | [video url] |
05 | 2021版深度学习课程Deeplearning.ai - 吴恩达 | 28:35:55 | [video url] |
06 | DeepLearning.ai 四项基础课 | [docs] | |
07 | 适用于初学者的Pytorch编程教学 | 10:07:24 | [video url] |
08 | 2022最新版-机器学习深度学习课程 - 李宏毅 | 41:48:53 | [video url] |
09 | CS229(2018秋)机器学习 | 26:33:14 | [video url] |
10 | CS231n(2022 slides) 计算机视觉 - 李飞飞 | [slides url] | |
11 | CS224(2021)自然语言处理 | 25:15:27 | [video url] |
12 | 动手学深度学习 PyTorch版 - 李沐 | 约48h | [video url] |
13 | Practical Deep Learning for Coders | [docs] | |
14 | 精读论文系列 - 李沐 | [video url] | |
15 | CS329P - 李沐 | 11:16:00 | [video url] |
16 | 机器学习基石 - 林轩田 | 15:22:06 | [video url] |
17 | 机器学习技法 - 林轩田 | 16:03:43 | [video url] |
18 | 最优化理论与方法 | 约23h | [video url] |
19 | 机器学习白板推导 | 60:39:02 | [video url] |
20 | 机器学习2021 - 吴恩达 | 19:37:02 | [video url] |
21 | 深度学习2021 - NYU-LeCun | 41:37:48 | [video url] [docs] |
三、书籍资料
我学习的路子比较野,并看不下去太厚的书,但是我不排除学弟学妹之中有爱看书的孩子,我们在这也推荐几本不错的书。
编号 | 书籍名称 | 出版社 |
---|---|---|
01 | Python编程:从入门到实践 - 第二版 | 人邮&工信出版社 |
02 | 机器学习的数学 - 雷明 | 人邮&工信出版社 |
03 | 机器学习公式详解 - 谢文睿、秦州 | 异步图书 |
04 | 机器学习 - 周志华 | 异步图书 |
05 | 统计学习方法 - 李航 | 清华大学出版社 |
06 | 动手学深度学习 - 李沐 | 人民邮电出版社 |
07 | 深度学习 - (花书) | 人民邮电出版社 |
08 | 神经网络与深度学习 - 邱锡鹏 | 机械工业出版社 |
09 | 深度学习推荐系统 - 王喆 | 电子工业出版社 |
10 | 信息检索导论 - 王斌(译) | 人民邮电出版社 |
11 |
三、Paper推荐(经典之作)
教给大家一个搜索的方式:-> Github -> Awesome-想搜索的方向(eg: Awesome-object-detection
2016
[ResNet] Deep Residual Learning for Image Recognition.
Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun.
CVPR 2016.
[paper] [code]
2017
[Transformers] Attention is All you Need.
Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin.
[paper]
2020
[DETR] End-to-End Object Detection with Transformers.
Nicolas Carion, Francisco Massa, Gabriel Synnaeve, Nicolas Usunier, Alexander Kirillov, Sergey Zagoruyko.
ECCV 2020.
[paper] [code]
四、网站推荐
编号 | 网站 | 链接 |
---|---|---|
01 | R2ML - 玩机器学习的张北海 | [url] |
02 | 天池大数据竞赛 | [url] |
03 | kaggle 数据竞赛 | [url*] |
04 | 百度AI Studio | [url] |
05 | 微软AI-EDU | [url] |
06 | AIHub | [url] |
07 | 狐狸教程-互动学习IT技术 | [url] |
08 | 专知 | [url] |
09 | 神力AI | [url] |
10 | 月来客栈 | [url] |
11 | paper with code | [url] |
12 | 动手学深度学习 | [url] |
带*号的链接需要梯子才能访问
LICENSE
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。