|
重磅干貨,，第一時間送達 今天和大家分享一份Stanford學長的人工智能本科 4 年課程清單,。相信每個入行人工智能的老手,，對自己過往的幾年學習生涯都或多或少會有一些遺憾：如果我當年先從基本概念入手就好了，如果我當年把核心算法吃的更透一點就好了……最近,，一位在行業(yè)內工作了幾年的斯坦福人工智能”師兄“就根據(jù)自己的工作和學習經(jīng)驗,，為入學的師弟師妹們送出了一份大禮：人工智能的本科4年課程清單，希望想要了解人工智能的新生能夠靠著這份指路圖,，少走彎路,。這位大方的學長名叫Mihail Eric，本人也是一位妥妥的“學霸”。在斯坦福大學的NLP研究組里,，與Christopher Manning, Percy Liang, Christopher Potts（三位巨佬）一起做研究,，度過了3年非常充實的研究時光，收獲頗多,。同時Eric向ACL\EMNLP\NLP for AI work投稿論文,，均已發(fā)表，目前正在擔任ACL的審稿人,，也是業(yè)內人工智能公司Alexa AI的工程師。作為已經(jīng)畢業(yè)的學長,，Eric離開學校已經(jīng)有一段時間了,，總結了一下自己的學習和工作經(jīng)歷，Eric為自己的人工智能和機器學習的職業(yè)生涯,，設計一個完整的4年制人工智能本科學位基礎課程,。這些課程是為AI和CS領域的萌新提供的，雖然是萌新定位,，但Eric覺得這些課程直到今天都還在用,，是基礎必會的技能。
假設你沒有CS的經(jīng)驗,，這一年的大部分時間應該用在CS和機器學習的核心概念和算法上，推薦的課程有：
1.編程基礎,，這是AI從業(yè)人員必需具備的軟件工程學的基本技能,。課程為CS106B：http://web./class/cs106b/2.計算機系統(tǒng)，這門課的重點在于計算機的基礎設計和構建,，尤其是學習軟件編譯的時候,，運行一個程序會發(fā)生什么，以及程序是如何在內存中運行的,。課程為CS107：3.算法概論,，這門課包含了計算機算法背后的數(shù)學和理論基礎，比如最優(yōu)搜索算法和動態(tài)編程,，以及如何分析這些算法的內存和優(yōu)缺點,。課程為CS161：4.概率論，概率論和統(tǒng)計學是機器學習算法中的核心,，尤其是分析數(shù)據(jù)在實戰(zhàn)里很重要,。課程為CS109：5.線性代數(shù)，如何計算矩陣和向量,，線性方程組,，最小二乘法，這些都是機器學習需要用到的數(shù)學基礎。課程為EE103：6.多維微積分,，調試函數(shù)的梯度,，反向傳播以及機器學習，這些都是經(jīng)常用到的,。課程為向量微積分（工程師）：https://www./learn/vector-calculus-engineers第2年,，從系統(tǒng)的基礎知識中開始慢慢探索AI本科的第二年，至少要明白人工智能的一些原理,，應該用什么樣的理論去解決問題,，還需要加強對計算機系統(tǒng)運行的理解。
1.人工智能概論,，這門課包括了人工智能領域所運用的研究,，比如搜索，游戲,，邏輯以及圖像還有機器學習算法的應用,。課程CS221：https://stanford-cs221./spring2020/2.編譯器，主要是講編譯器背后的設計和理論,，你學了之后,，至少應該了解一個編譯器是如何構建的，還有編譯器的模塊化組件,，也需要了解,。如果你對語義識別感興趣，可以好好琢磨一下編譯器的設計和傳統(tǒng)的自然語言處理堆棧之間的相似之處,，非常有趣,。課程CS143：3.數(shù)據(jù)庫原理，主要講數(shù)據(jù)庫管理系統(tǒng)背后的原則,，比如關系數(shù)據(jù)模型,、索引、模式等主題,，但凡你想成為數(shù)據(jù)專家或者機器學習工程師,，就必須要懂得數(shù)據(jù)庫的原理。課程CS145：4.并行計算,，并行計算這門課會講Apache Spark到GPU這些系統(tǒng)背后的原理,，課程CS149：5.操作系統(tǒng)，你如果想要擅長系統(tǒng)編程,，就一定要上這門課,，這門課是講如何從頭開始搭建一個操作系統(tǒng)，不僅需要設計系統(tǒng),，還需要明白如何調試和代碼管理,。如果你不明白,，你手下的人敲完：sudo rm -rf /*就撤了，你該如何拯救你的代碼,？課程CS140：http://web./~ouster/cgi-bin/cs140
這個時候應該開始學高級課程，開始NLP,，BA,，CV這些方向的研究，1.機器學習,，監(jiān)督學習和模型訓練的概念,，比如偏差、方差,，正則化以及模型選擇,，這些內容看上去簡單，實際上每個AI從業(yè)者天天都在用的,。課程CS229：2.凸優(yōu)化，這門課運用很廣,，比如統(tǒng)計學,，機器學習，信號處理和其它使用凸優(yōu)化的領域,，雖然現(xiàn)在有不少問題都是非凸化的,，但是你最好還是要懂背后的邏輯。課程EE364A：http://web./class/ee364a/3.概率圖模型,，像CV和NLP就會經(jīng)常用到,，所以還是需要了解。課程CS228：https://cs./~ermon/cs228/index.html4.數(shù)據(jù)挖掘,，大數(shù)據(jù)與數(shù)據(jù)挖掘,，這門課涵蓋了處理大型數(shù)據(jù)集的技術方法，會運用到推薦算法,、聚類以及大規(guī)模的數(shù)據(jù)集計算與分析,，要知道每天產(chǎn)生的數(shù)量還是比較大的。課程CS246：5.NLP,，自然語言處理,，讓機器懂得文本數(shù)據(jù)的理論和時間，而且還會在這門課里學到傳統(tǒng)自然語言處理,，老師會教如何用深度學習技術來處理這些,。課程CS224N：http://web./class/cs224n/6.基于CV的卷積神經(jīng)網(wǎng)絡，基本包含了深度學習背后的理論,，比如CV模型就經(jīng)常運用,，只要學過人工智能課程的人,，沒錯，是來自李飛飛教授的CS231N吧,。課程CS231N：
經(jīng)過前面3年課程的訓練，你應該對計算機系統(tǒng)和人工智能概念,、應用有了清楚的理解,，找到你比較感興趣的方向，拿起數(shù)據(jù)集,，就要開始自己跑模型,，做數(shù)據(jù)分析，調參還有解決Bug,。想要成為一個真正的人工智能專家,，不僅得學，還得上手練,。1.做研究項目,，有的學校會提供這類課程，在這門課里,，你需要深入研究整個項目的情況,。課程CS341：2.參加課題研究，主動去找研究生學長學姐,，做他們的助理,，將基礎知識再過一遍，也可以選擇自己開一個課題項目,，進行研究,，主要是讓你有一個項目經(jīng)驗。3.大廠實習,，如果你要是時間管理的好,，可以考慮在課余時間去AI公司實習，一般大廠都有這種3-6個月的實習機會,，在實習里,，不僅讓你了解書本上的基礎知識，還能使用基礎知識進行落地的運用,，這種應該算比較好的實戰(zhàn)機會了,。以上就是作為一個人工智能從業(yè)者的斯坦福畢業(yè)生Eric，送給AI萌新的4年規(guī)劃安排,，如果你覺得上面的課程比較難,，可以適當調整，當然也歡迎分享你的學習之路,。就像歌詞所說“一代人終將老去,，但總有人正年輕,。“AI之路任重且道遠,，不管是不是萌新,，只要你還愿意學習，就一直在路上,，加油?。?！https://www./posts/complete-artificial-intelligence-undergraduate-course-plan/
|
