orange-eng / IT_Book

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

IT_Book

我在入门计算机视觉的时候,找了很多资料,也参考了一些公众号的整理。主要是涉及到很多计算机基础课的教材,以及在找工作实习的一些面试经验。

个人建议的学习方式如下:

  • 接触一门新的课程,建议是下载一本PDF书,然后在B站上跟着一些精品课程学习(最经典的课程有很多很多,找一个合适自己的就行,最好教材也配套),效率会比较高,毕竟一个人看书还是很枯燥的。
  • 不同的学校用着不同的教材,所以选择教材时要有针对性,最好是选择有配套教程的,在B站上能找到
  • 学习编程还是要动手,最少要照着书上的代码自己敲一遍,要学会看一些python工具包手册。个人感觉如果想入门AI,代码就全是python了, 简单高效而且容易上手。基本90%的AI研究都是以python为主的,直接学就对了。
  • 学习编程时,以项目为导向。比如想学习一些计算机视觉里面的基础知识,像卷积层、池化层的操作等等,就可以去B站上找个入门级课程,学习搭建一个卷积神经网络框架,什么都知道了。这要比一直看书强多了。

学习路线

这里分享一下自己上手AI时的学习路线:

计算机基础课程

  • C++/python编程
  • 数据结构与算法
  • 离散数学
  • 算法设计
  • 计算机组成原理与汇编语言
  • 操作系统
  • 数据库及其应用
  • 计算机网络

从上到下,重要性依次递减,《数据结构》和编程时最重要的,不管在哪里都用得上。操作系统和计算机网络,我除了用于考试之外,基本没用过,到后面也就都忘记了,如果不是专门做这个方向的研究,基本可以不学习的。因为有的课程在申请时是明确需要修读的,所以建议根据自己的时间来选择合适的优先级比较好。

计算机视觉理论入门

视觉算是AI的一个下游领域,比较有趣,这里也推荐几本自己喜欢的书籍,适合茶余饭后看,不是学习主线中的内容,但是非常经典:

  • 机器学习 周志华
  • 统计学原理 李航
  • 深度学习 李沐

注意,这三本书都注重理论,是AI的必读书籍,B站上也有很多配套的解读。我不建议深究其中的一些公式,主要是因为浪费精力,毕竟大多数人也不是研究理论数学的,点到为止即可。有些知识点了解一下就行了,等到用的时候再去细查都来得及,所以不用钻牛角尖。

代码训练

对于计算机视觉的代码训练,我在学习的时候找了很多整套的学习视频,按部就班总是能学到东西的,包括代码框架的设计,python命令的使用等等,也正好培养一些工程经验,之后做研究的时候都用得上。这里介绍几个最喜欢的up主,有很多成套的教学视频,根据自己的需求来选择即可:

  • 唐宇迪带你学AI
  • Bubbliiiing
  • 真全栈程序员

直接在B站搜就行,这三个up主的视频够学习一年了,而且包含了CV中最经典的研究领域,很友好。

视频教程

这里有我当时上手CV时的一些经典教程,个人感觉还是跟着视频学习,效率更高,大家根据自己的情况选择即可:

注:一定要自己动手打一遍代码才行,光看是没用的

书籍链接

面试宝典

数据结构与算法相关书籍

计算机基础

计算机网络

计算机组成原理

汇编语言

操作系统

python系列

python基础

数据分析与爬虫

人工智能AI系列

计算机视觉

OpenCv

深度学习框架-tensorflow

深度学习框架-pytorch

深度学习框架-keras

深度学习

机器学习实战

理论-周志华(机器学习)李航(统计学原理)等

自然语言处理(NLP)

AI面试系列

大数据系列

Hadoop

Spark

Scala

其他

C语言

C++

Java

Java基础

Java进阶

JavaWeb

设计模式

数据库

前端

Linux

Go

Git

数字信号

提升能力

About