|
此刻没论是计算机专业还是其他的实体行业（机械、制造等等）针对人工智能的需求都还是蛮大的。
因此此刻亦有非常多人想入门人工智能，或转行人工智能。其实人工智能是一个很大的方向，此刻说到的人工智能基本上都默认以深度学习为主导的办法，但其实人工智能和深度学习的关系是：深度学习是设备学习的一个子集，设备学习是人工智能的一个子集。
那样此刻深度学习这么火，我就简单的从深度学习的方向来回答一下这个问题。
其实针对深度学习这个日新月异，每年爆发式更新模型的方向来讲，学习路线的最尽头肯定是阅读你这个方向最新的论文，没论是研究人员还是已然走上工作岗位打算转行的打工人。阅读论文的源自通常是各样顶会（CVPR、ECCV、ICCV）、顶刊（TPAMI）。倘若你嫌麻烦能够直接去谷歌学术或arXiv上搜索你关注的内容，在搜索的时候最好把时间设定在近期几年。
说完学习路线的尽头，咱们来瞧瞧入门的有些需求。
针对入门深学习而言，你是必要把握Python这门语言的，重点的原由是非常多模型开源的代码都是基于Python实现的，况且日前针对深度学习的两个主流框架pytorch和TensorFlow都是支持Python研发的，亦便是说深度学习的生态很大一部分是依赖Python的。
因此说学习和把握Python是入门深度学习必要的过程，倘若你不会亦不消担心，入门Python还是非常简单的，日前知乎知学堂推出了一个基于Python的数据开发课程，倘若你感兴趣的话能够购买学习一下，此刻亦不是很贵才一毛钱，以后可能就欠好说了，因此直接买就完事了，亦算是薅羊毛了。
前 IBM 数据分析大咖 3 天实战训练营打工人升职加薪必须
立即解锁
好，当你把握了Python，那样下一步便是去学习有些基本的数学知识了，由于倘若一点数学知识都不晓得的话后面论文中的公式你可能都看不懂，更不消提推导复现模型了。但你亦不必害怕，重点的便是基本的线性代数知识，亦便是本科大一下学期学的，以及有些高等数学中的微积分知识。由于深度学习说的通俗一点便是海量的线代中矩阵运算和微积分中偏微分用于梯度下降。
人类之光当你把握Python编程和基本的线代知识以及微积分以后，你现在就能够去瞧瞧最基本的深度学习网络模型了。虽然说此刻深度学习日新月异，然则日前的非常多新模型都是基于这些基本模型上进一步创新和跨行业应用的。这些基本的模型不仅能带你理解深度学习，亦能帮你打下坚实的基本，这针对你后面去理解新模型和创新是非常要紧的。
下面我就从计算机视觉（二维照片处理、三维点云数据处理）、自然语言处理列举几个最基本的模型。
深度学习网络基本知识：正向传播、梯度下降、反向传播、平常的几个LOSS函数（损失函数）
开山鼻祖：FCN网络（全连接神经网络）
一个简单的神经网络示意图计算机视觉（2D照片任务）：
1.CNN（这个就不太多介绍了，已然是如雷贯耳了）
2.FCN（膨胀卷积，是分割任务中祖师爷般的存在）
3.RCNN系列（目的检测任务霸主，此刻非常多下游任务还是会把faster rcnn当做骨干网络）
计算机视觉（3D视觉点云或体素任务）：
1.PointNet/PointNet++（在三维视觉中基于点数据流派的开山之作）
2.VoteNet（何凯明在三维目的检测的力作）
自然语言处理方向：
1.RNN（这个模型年纪虽然可能比你都大（1982年）但这并不影响他在NLP行业的影响力）
2.LSTM（1997年，是对RNN的一个改进版本）
3.transform（这个不多说，此刻真的是transform及其子孙模型大行其道的时代，光在自然语言行业卷还不足，此刻都跑到计算机视觉行业来卷了）
当你读完上面论文，你就能够去专门的看你自己方向的论文了，期盼我的回答对你有所帮忙。
本文作者：数学建模钉子户
| 
发表于 2024-7-1 06:19:00
