如何提高人工智能的知识和技能

发布时间:2018-12-26 作者:jason

您可以通过多种方式和机会来提高您对人工智能的了解。

熟悉人工智能的高管们认为,为了精通人工智能项目,开发人员需要具备哪些技能?

数学

取决于你想要潜入多远.AI是语言无关的。您需要了解数据和其他技术。算法的数学,代数和微积分,但已经写了很多。您需要了解NLP的人类思维过程 - 上下文,意图以及如何链接实体。深入洞察人类思维过程。

有统计学基础。数学专业成为软件程序员更容易。通过拥有强大的统计基础,擅长AI / ML。软件开发人员不能只使用Python库并将其应用于问题。

计算机科学,数学,统计学,人工智能,深度学习,反复出现的神经网络。创建更高级别的抽象以将许多东西移动到机器上。

一种或多种编程语言的统计,数据建模,大数据和专业知识对于试图进入AI的开发人员来说将是一个良好的开端

我们发现需要以下技能:良好的数学技能和数据科学的学术背景。跟上这个快速发展的领域(通行费,会议,博客)的发展。操作大型数据集非常舒适。快速掌握机器学习工具集并将其集成到更大的项目中。

进入杂草并建立专业知识。理解数学和数据类型 - 数字和类别。学习ML,算法,决策树和神经网络。开源,Apache,Google,IBM,Microsoft,R,Python等。

数据科学

能够并且愿意查看数据,理解数据,怀疑它,对它有同情心,并能够绘制数据以达到理解水平。只需要适度的数学技能,而且这种技能急剧下降。了解过度拟合的缺陷。这不是拖放式机器学习。人类可以为计算机提供更多数据。将编程输入与人类洞察力相结合。问问自己,我真正知道什么?有什么数据告诉我?智能软件开发人员可以通过在他们的思维模式中添加数据同情和怀疑来获取机器学习。

精通Python和Java。了解TensorFlow,Café和Torch等主流AI库。能够从HDFS数据湖或数据库中提取正确的数据。知道如何使用过滤器。能够融合和关联不同的饲料。提高分辨率。知道神经网络。精通数学。图书馆不要求开发人员拥有和以前一样多的知识。

了解基本面。理论基础是Coursera。开始为一家从事AI工作或在工作中自己做事的公司工作。寻找用例。我们只是让开发人员使用神经网络构建应用程序,以了解何时完全正确地渲染图像。了解AI框架和Spark。

什么是数据科学家?计算机科学,分析部署,摄取,ETL,许多部分。了解价值之路。了解业务问题。

使用其他算法学习东西,查看其他客户或业务问题来解决。已经在那里利用算法。专注于可用数据,如何培训系统,如何提供最佳结果,提升培训课程和黑客马拉松。学习TensorFlow,Spark和R.

数据科学家需要亲身体验R,Scala和Python。如果使用ML算法,请依靠语言学团队的成员来确定如何为ML预处理数据。

开源社区工具。专注于解决业务问题。学习Scala,R和Python。数据科学和ML使用R和Python进行迭代建模,但它们无法扩展。必须使用Scala来扩展真正的分布式计算。

了解业务问题。理解认知系统。了解可用的服务,这样您就不会学到不需要的东西。学习算法和公民数据科学。了解如何使用Torch,Café,TensorFlow,回归,Python,R和JavaScript。更深入地收集培训数据。数据的质量至关重要。了解如何策划和准备数据。

其他

后端开发人员需要了解机器学习(ML)和许多围绕AI的开源技术。前端开发人员需要了解机器人和会话流程。

领域知识。AI不像Tableau。您需要了解正确问题的正确处方。了解统计数据。在人工智能的深层方面建立知识。

有一整套技术。1)开始尝试任何这些技术,开始获得不同的心态。这比任何工具都重要。潜入,参与教程。2)你作为AI开发人员的工作是教学。打破问题,思考如何有效地教学。观察并转学习基础。想一想您需要系统理解的核心概念。有很多途径可以做你想要的。获得不同的心态并解决手头的问题。

在顶部应用实际用例。采取具体的原始用例,了解该技术的应用方式。一旦你这样做,天空是极限。一个区域将在机器人领域内。我在AI的软件方面工作,所以我倾向于考虑以软件为中心的解决方案,如机器人和应用程序,但是AI的整个机器人应用程序。我很好奇软件和硬件如何以实际设备和物理对象变得智能化的方式融合。

如今,由于最先进的人工智能应用所需的高度专业化的理论和实践知识,博士学位。正在迅速成为最低要求的技能。


息息.AI生活.更简单 xixi生活

©2016-2018 成都轻雨科技有限公司 Made in chengdu

蜀ICP备 17039669号-1

更多ai生活 请关注息息公众号