完整学习人工智能的路线图

这里为大家绘制了一份完全从零入门，学习人工智能的路线图，

不管你是本科生、研究生、还说转行人群，只要是0基础，都非常适用，涵盖基础知识、机器学习、深度学习、计算机视觉、自然语言处理、模型压缩与优化、深度学习框架、强化学习、补充知识，真的是非常的全面；

接下来给大家简单的介绍一下这份人工智能学习路线图，

一，基础部分

需要学习人工智能基本概念、python与数学基础，

人工智能基本概念需要知道：

1. AI常见流程

2. 什么是机器学习与深度学习

3. 有监督学习、无监督学习、强化学习的区别是什么

python需要学习：

1. python运行环境与开发环境的搭建

2. python基础知识

3. python函数

4. python面向对象编程

5. python科学计算

数据基础需要学习：

1. 高等数学

2. 线性代数

3. 概率论

4. 最优化求解

这部分推荐Python菜鸟教程文档，https://www.runoob.com/python/python-tutorial.html

与《白话机器学习中的数学》这本书

其中python菜鸟文档基础部分只需要学习到内置函数部分即可；

python科学计算部分推荐书籍

二，机器学习

掌握好了基础知识与工具的使用后，我们就可以开始学习机器学习

机器学习推荐吴恩达老师的机器学习手册

李航老师的统计学习方法

还有周志华老师的机器学习和图解机器学习

由于李航老师的统计学习方法涉及到一些公式推导，如果看不懂的同学可以优先学习另外几本书；

关于机器学习实战部分，推荐去看看Kaggle竞赛网站上面的各种已完成竞赛任务，多多学习各路大神的代码

如果觉得英文看起来吃力，也可以读读

三，深度学习

接下来开始学习深度学习，这里被誉为"圣经"的花书反而不推荐大家看，

深度学习也没有什么书可以把图像识别、自然语言处理、模型优化讲的很全面的，最好的方式还是读大量的论文，加上项目实战，以及读项目源码；

不过为了0基础同学，在这里还说推荐一本方便入门的，

具体关于图像识别，卷积神经网络部分必会以下这些网络模型：

具体到图像识别的目标检测必须搞懂，FasterRCNN、Yolo系列

之后再去研究其它的方面

关于自然语言处理，最终需要搞懂一些大模型，比如Transformer、Google Bert、OpenAI GPT，

这就需要一些基础知识的前期铺垫，

NLP大模型搞懂后，再去研究NLP其它方向应用

除此之外，深度学习也不要忘记学习 模型优化、深度学习框架

关于项目操作这块推荐一本，

四，强化学习

最近几年深度强化学习越来越火，很多知名的大模型就开始引入强化学习的方式来训练模型，所以对学习强化学习也是有必要的

五，补充知识

如果前面的都已研究明白，可以学习一下

最后，怎么看自己学的如何呢？这里推荐

免费领取人工智能学习资料  点赞+评论资料