近來一段時間能明顯感到，想入行AI的人越來越多，而且增幅越來越大。
為什麼這麼多人想入行AI呢？真的是對計算機科學研究或者擴展人類智能抱著無限的熱忱嗎？
說白了，大多數人是為了高薪。
那如何才能入門AI 呢？
入門 AI，先吃透「機器學習」
首先，我們來看一下當前機器學習領域招聘市場的行情。
當前所有帶有“算法”、“人工智能”、“數據挖掘”、“視覺”字樣的職位，都需要懂機器學習。
在產品和服務中應用機器學習模型，已經逐步成為了互聯網行業的通行方法。甚至很多傳統軟件企業，也開始嘗試應用機器學習。
說得更直接一點，人工智能正處在炙手可熱的風口浪尖上，作為程序員不會機器學習都不好意思去找工作了。
很多技術開發者迫切希望快速進入人工智能領域，從事工程或者算法等相關工作。
從「模型」入手
針對機器學習初學者，我們可以從機器學習、深度學習最基本的原理及學習意義入手，以模型為驅動，吃透幾大最經典的機器學習模型——學習其原理、數學推導、訓練過程和優化方法。
以【機器學習極簡入門】為例的設置：
- 有監督學習：詳細講解有監督學習中經典的線性迴歸、樸素貝葉斯、邏輯迴歸、決策樹、支持向量機、支持向量迴歸、隱馬爾科夫和條件隨機場模型。
- 無監督學習：重在詳細講解無監督學習中的聚類、高斯混合及主成分分析等模型。
從機器學習到深度學習：講解深度學習基本原理、深度學習與機器學習的關聯與銜接、以及深度學習目前的應用領域，為「深度學習」的進階奠定基礎。
配合精心設計的極小數據量的「極簡版」實例，方便讀者從直觀上了解模型的運行原理，利用實例大家還可將自己變身為「人肉計算機」，通過口算/筆算每一步的推導，模擬算法全過程，進而徹底理解每個模型的運作方式。
從【機器學習極簡入門】可以收穫什麼？
1、AI 技術崗位求職知識儲備
如果大家真的有意投身到人工智能領域做技術性工作，那麼經過技術筆試、面試是必要條件。
在面試中被要求從頭解釋某一個機器學習模型的運行原理、推導過程和優化方法，是目前非常常見的一種測試方法。
機器學習模型雖然很多，但是經典、常用的很有限。如果能把這個課程中講解的經典模型都學會，用來挑戰面試題相信是足夠了。
2、觸類旁通各大模型與算法
各種機器學習模型的具體形式和推導過程雖然有很大差別，但卻在更基礎的層面有許多共性。
掌握共性之後，再去學新的模型、算法，就會高效得多。雖然本課的第二部分集中描述了部分一般性共同點，但真要理解箇中含義，卻還要以若干具體模型為載體，經由學習其從問題發源，到解決方案，再到解決方案的數學抽象，以及後續數學模型求解的全過程，來了解體味。這也就是本課以模型為驅動的出發點。
3、極簡版實例體驗實際應用
運用到實踐中去，是我們學習一切知識的目的。機器學習本身更是一種實操性很強的技術，學習它，原本就是為了應用。反之，應用也能夠促進知識的深化理解和吸收。
本課雖然以原理為核心，但也同樣介紹了：劃分數據集；從源數據中提取特徵；模型訓練過程；模型的測試和評估等方法和工具。
4、配套數據+代碼快速實操上手
本課程中各個實例的 Python 代碼及相應數據，大家可以下載、運行、改寫、參考。
除了上述幾點，我希望本課的讀者在知識和技巧的掌握之外，能夠將學習到的基本規律運用到日常生活中，更加理性地看待世界。
再遇到“人工智能產品”，能夠根據自己的知識，去推導：How it works——
它背後有沒有用到機器學習模型？ 如果有的話是有監督的還是無監督的模型？ 是分類模型還是迴歸模型？ 選取的特徵會是哪些？ 如果由你來解決這個問題，有沒有更好的方法？ ……
閱讀更多 江蘇IT小達人 的文章
