唐宇迪-人工智能学习路线（下篇）

标签：简历   网络架构   配置   自然语言处理   自动补全   必须   命名   图像拼接   https   

唐宇迪：51CTO微职位讲师，计算机博士，人工智能专家

内容梗概：介绍人工智能学习步骤和知识框架。人工智能的学习可以拆分为7步，此为4-7步：下篇。

第4步：深度学习

1）深度学习概述

• 终于说到深度学习了，都需要学什么呢？
  深度学习可以说是当下最好用的算法了，各个领域都能吃得开。其实最核心的还是在计算机视觉和自然语言处理中，因为神经网络算法更适用于图像和文本数据。

主要需要掌握的就是算法和框架了，算法就是CNN,RNN这些经典网络模型，框架就是实战的工具了例如tenorflow,Pytorch等，后面还会详细说。

• 深度学习听起来比较高大上，是不是比机器学习难很多？
  好像现在好多小伙伴一拿到任务，第一个想法都是直接用深度学习做。如果深度学习难度大，做起来麻烦，那还能有这么高的热度吗？

其实恰恰相反，我觉得深度学习真的比机器学习简单很多，在机器学习中需要我们对不同的数据选择不同的预处理方法和特征工程构建方法。
深度学习中的套路相对来说更固定一些，而且有这些开源框架和各大经典网络架构，我们通常需要做的就是套用就可以了。整体难度要比机器学习任务更容易一些（只是相对来说！）。

2）深度学习必备算法

• 深度学习都需要学哪些算法呢？

3）深度学习必备工具

• 什么是框架？能帮我们做什么呢？
  框架好比说你设计了一个网络模型，但是如果把其中具体的计算过程全部自己完成就太麻烦了。

框架提供了高效的计算方法并且不需要咱们来完成，一套全自动的计算。相当于我们只需要设计好结构，具体的施工就交给它了。要玩深度学习必备的就是框架了。

• 深度学习框架哪家强？
  tensorflow,Pytorch,keras,caffe等，有这么多框架，我该选哪一个呢？是不是不同框架差异很大呢？

现在最主流的就是tensorflow和PyTorch了，相当于肯德基和麦当劳吧。都很强，至于具体选择哪一个还是参考大家各自的项目组和任务需求吧。如果非要我推荐一个我会给大家推荐PyTorch，因为更简洁通俗。

这些框架我全都用过，最主要的原因就是工作中经常需要参考论文和开源项目，一般别人论文中源码用什么框架我也就接着进行二次开发了，所以这些框架早晚大家都会用一遍的！

• 框架该怎么学呢？
  框架没有什么理论可谈，也不用看各种长篇大论，直接用就得了！其实就是一个工具包，便用边学，案例当模板来总结就可以了！

• 针对不同框架，分别给大家准备了丰富的实战项目和学习内容。

第5步：深度学习框架

针对各大深度学习框架均给大家提供了丰富的实战哪里，用哪个就看大家的喜好了！

1）深度学习框架-Tensorflow2

• 请给我一个学tensorflow2的理由!
  Google出品我就不用多解释了，人家Google那么多开源项目肯定都是基于TF框架的，要学习或者参考人家开源项目和论文肯定要学TF的，工业界应用也非常广泛。这波肯定不亏！

• 给大家准备的案例内容，借用程咬金的配音：一个字，干!

2）深度学习框架-Pytorch

• 听说它很火，为啥呢？
  19年底Pytorch框架使用人数已经超越tensorflow成为当下最火的框架，原因其实很简单，大家都喜欢用更简单易懂的框架。整体的感觉确实比tensorflow好上手而且调试起来十分方便，也是建议初学的同学们优先选择Pytorch框架。

3）深度学习框架-Keras

• Keras都说简单，有多简单呢？
  整体感觉就是啥都不用学，从案例开始直接用就好了，TF2版本其实跟keras很像。适合做实验写论文，简单快速！

4）深度学习框架-Caffe

• Caffe框架现阶段还有必要学习吗？
  我觉得现阶段已经有tensorflow和pytorch了，暂时轮不到caffe登场了，初学的同学们就不推荐了。可能有些论文和任务还是需要caffe框架，需要的同学们自取就好啦！

第6步：计算机视觉

1）计算机视觉概述

• 计算机视觉发展这么火，就业面试都需要哪些核心技能呢？
  计算机视觉这个行业我就不用多说啦，当下最吃香的了。那都需要学什么呢？最核心的其实就量部分了，一个是图像处理，另一个是图像建模。

所谓的图像处理就是Opencv那一套啦，这个工具包简直无敌了，但凡你要用的这里全能找到。图像建模主要就是用深度学习来完成检测，识别等任务。

现阶段的学习我觉得关于传统图像处理算法可以都不用去看啦，简单熟悉一下就好，主流的方向还是用深度学习来做，这就需要大家多多最新的阅读论文了。

2）Opencv图像处理实战

• 关于opencv我该怎么学呢？
  建议大家选择Python版本来进行学习和使用，跟其他工具包一样，调就完事了！遇到不熟悉的多查API，边用边学是最快的途径。

Opencv中基本所有函数都涉及非常多的数学公式，这些大家都可以先放一放，如果把每个算法每个公式都学一遍那得猴年马月了，以后用到了再说完全来得及。

• 这些案例我需要自己动手写一遍吗？
  给大家准备了非常多的学习资源和案例，前期只需要熟悉即可，工具包就是用的，面向复制粘贴编程也是一项技能！

3）计算机视觉实战项目（基于深度学习）

• 这些项目我都需要掌握吗？
  对于准备面试就业的同学们建议都过一遍，里面的思想都是蛮好的，大部分都是基于论文来进行复现。

有时间的同学最好先阅读一遍论文再开始研究代码，里面的代码量都会相对较大，建议从debug模式入手，一行代码一行代码来看，我在讲解过程中也会进入debug模式给大家逐行进行讲解。

• 有没有哪个是需要重点学习的？最好能写在简历里面呢？
  重点推荐Mask-rcnn实战项目，可以说是计算机视觉中的通用项目，检测，识别，分割一步全到位了！

应用场景非常广，也适合进行二次开发和改进，如果要写在简历里肯定非它莫属了，算法原理和源码都需要大家熟悉，在课程中我会重点讲解该项目，并应用到自己的数据任务中！

第7步：自然语言处理

• NLP学习难度大不大？就业方向怎么样呢？
  难度可以说还是蛮大的，对于图像来说，数据都是固定的，拍了什么就是什么！但是文本数据就没那么固定了，人类有时候理解起来都不容易，更何况计算机了。

高挑战也是高收益，NLP发展前景还是非常不错的，至于具体选择哪个方向其实还是看大家的喜好了！

• 这么多项目，有没有哪个是需要重点学习的？最好能写在简历里面呢？
  18年的时候Google一篇论文横空出世，BERT！相当于自然语言处理通用解决框架了，基本所有任务都能做！

这个需要大家重点来学习，并且可以当作项目写在简历里，可以说是当下NLP必备技能之一啦！

唐宇迪-人工智能学习路线（上篇）

点击图片查看唐宇迪讲师亲自授课的微职位

人工智能微职位 唐宇迪授课

唐宇迪-人工智能学习路线（下篇）

标签：简历   网络架构   配置   自然语言处理   自动补全   必须   命名   图像拼接   https   

原文地址：https://blog.51cto.com/14557442/2483972