英国bet36体育在线,GitHub,来自人工智能专家的超详细路线图,在短短几天内被授予2.1,000星

作者?|?AMAI?GmbH?来源?|?机器心脏
自从我们很棒的github共享会话回来以来已经很长时间了。这是一个GitHub项目,最近由德国软件公司AMAIGmbH-AI-Expert-Roadmap发布。
该路线图涵盖了AI领域中几乎所有的知识点,并且每个知识点都有详细的文档。借助此路线图,您可以快速入门,甚至可以成为AI领域的领导者。该项目在几天内开始,已经获得了2.1k颗星。
项目地址:https://github.com/AMAI-GmbH/AI-Expert-Roadmap
针对AI专家的路线图有很多亮点
对学习者非常友好的是,此AI专业人员路线图是交互式版本。每个子模块中列出的内容都可以链接到特定的网站,并且学习者可以了解termon Wikipedia或其他来源的定义和扩展内容。随着新研究的出现,路线图也会随时更新。
该路线图旨在为学习者提供人工智能的整体概念,并在学习时感到困惑时指导他们,但不鼓励学习者盲目选择最先进和最热门的技术。在科学研究中,每个人都需要了解哪种工具最适合他们。换句话说,最先进,最热的技术不一定是最合适的。
关于AI专家的路线图,开发人员列出了学习路径的一些基本要素,例如:但是,在做出某些决定时,开发人员认为在学习AI时,他们不应该直接采用当前流行的技术-深度学习,但应逐步提供三种替代学习路径:数据科学家的机器学习…;数据科学家数据工程师…;大数据工程师…
逐步地,这就是“王国”。
AI专家路线图概述
内容的这一部分简要总结了AI专家路线图,并从以下角度对其进行了解释:数据科学家,机器学习,深度学习,数据工程师和大数据工程师,这5个部分都有详细的学习计划。在表中的模块上创建指向其内容的链接。
数据科学家路线图
在《数据科学家路线图》中,我们可以了解AI研究所需的基础知识:矩阵和线性代数,数据库,表格数据,数据格式(JSON,XML,CSV),正则表达式等。
在统计中,路线图包括概率论,概率分布,估计,假设检验,置信区间,大数定律,蒙特卡洛方法等。
在Python编程方面,该路线图展示了Python的基础知识,更重要的Python库以及所需的操作环境。
关于数据源,学习者可以单击“ AwesomePublicDatasets”图标链接到有组织的公共记录等。然后继续进行可视化和探索性数据分析/转换/相关内容的组织,最后在两个不同的方向上进行:机器学习和数据工程师。
机器学习路线图
机器学习路线图分为四个部分:基本概念,算法,用例和使用的工具。基本概念部分主要包括常见的机器学习概念,梯度下降,训练集,测试集,验证集等基本概念;算法部分列出了四种算法:监督学习,无监督学习,集成学习和增强学习;其中一部分列出了情绪分析,协作过滤,注释和预测。所用工具的一部分介绍了Scikit-Learn和Spacy等工具。内容的每个部分都包含相应的详细文档。
深度学习路线图机器学习进入深度学习后,这是第一个可选学习路径的最后一部分。深度学习路线图包括4个部分:论文,神经网络,网络架构和使用的工具。纸质部分提供了阅读深度学习论文和SOTA论文的路线图,神经网络上的部分包含有关对神经网络的详细了解的博客文章,网络体系结构上的部分包含感知器,自动编码器,CNN和RNN。所使用的工具主要是TensorFlow,PyTorch等的介绍。最后,给出一条建议:不断探索并紧跟时代。
数据工程师路线图
在数据科学家路线图之后,您可以直接输入数据工程师路线图。这是第二种可选的学习路径。该路线图主要包含有关数据格式,数据识别,数据集成,数据融合,数据研究,数据湖和数据仓库以及ETL使用的信息。
大数据工程师路线图《大数据工程师路线图》是第三种替代学习途径,主要分为三个部分:大数据架构,遵循的原则和使用的工具。大数据架构部分主要介绍大数据分析的架构模式和最佳实践,主要包括数据库管理系统中的数据复制以及Hadoop中NameNode和DataNode的区别,所使用的工具介绍了Hadoop,Spark等。
-结束-
欢迎来到老湖