自学人工智能指南发表时间:2024-03-15 18:12 初探人工智能(AI)领域,往往会让人感到迷茫,因为需要学习的领域广泛,且新概念和技术不断涌现。 本指南旨在利用现有的丰富资源,为您的AI学习之旅提供指导和支持。 我们的目标不仅仅是提供一个资源汇编,而是确保所有推荐的网站都经过深入实践和认可,这样才能确保推荐内容的质量和可靠性,这也是我们对读者的承诺。 接下来,我们将分享如何高效地搜集AI相关知识,以及介绍那些在日常学习中不可或缺的工具。 适用人群:自学人工智能(机器学习、深度学习)群体 省流: 1、国内AI学习讨论氛围最好的网站:【知乎】知乎 - 有问题,就会有答案 2、寻找人工智能领域大牛:【AMiner】https://www.aminer.cn/ 3、找代码: •【Papers with Code】https://paperswithcode.com/ •【Github】https://www.semanticscholar.org/ 4、找论文: •【谷歌学术】https://so.hiqq.com.cn/(镜像站) •【Web of Science】https://clarivate.com/products/scientific-and-academic-research/research-discovery-and-workflow-solutions/webofscience-platform/ •【semantic scholar】https://www.semanticscholar.org/ 5、课程: •吴恩达机器学习 •面向所有人的生成式 AI 入门课程 •实战书籍推荐:李沫:动手学机器学习 国内AI学习讨论氛围最好的网站:【知乎】 知乎目前是中文互联网质量最高的社区了,虽然备受诟病。 那么如果我们想在知乎上自学人工智能,首先要学会怎么去收集高质量资源: 1、关注该领域相关的优质回答者 知乎有一个激励奖励,一般该领域的优质回答者,都是可以戴上小黄花,这样基本就是该领域高质量的回答者了,他们的文章一般都是有一定学习参考价值的。 2、关注高水平文章和专栏 优秀的创作者都会创建自己的知乎专栏,专栏里面的优质文章也推荐阅读 二、寻找AI领域大牛 收集资源的底层逻辑都是一样的,如果我们学习的是人工智能中的一个细分领域,除了去阅读大量该领域的文章外,还可以去寻找该细分领域的大佬,然后根据大佬的名字去检索他的论文、代码、关注他们的推特等等。 推荐工具:AMiner 打开AMiner,在搜索框内输入自己想学习的领域就可以找到对应的学者、论文。右侧的monarch组件也是未来知识网站的标配了,可以任意查看文章总结、重点知识点,以及相关问题讨论。 点进作者主页还可以查看详细的相关信息。 或者你可以使用AMiner AI来帮助你阅读论文,更好地发现新情报。 三、模型代码 学习AI不仅要了解理论知识,最重要的是动手实践模型。 我们可以根据大牛的论文去检索到作者的开源代码,因为开源代码是一项亮点,如果做了的话肯定是会宣传的。 有什么工具可以直接搜索模型代码呢?推荐网站:Papers with Code 该网站不仅提供了有代码的论文,而且根据细分领域的指标对论文进行了整理和排序。 其次就是Github了 四、AI领域论文 最推荐的当然是“谷歌学术”以及“Web of Science”,如果没有条件的话,可以去搜索谷歌的镜像网站。 替代网站,搜索结果也是非常的精准的,【semantic scholar】 面向所有人的生成式 AI 入门课程-吴恩达 课程亮点: 深入了解LLM的工作机制和能力边界。 探讨LLM的知识截止问题和其"幻觉"现象。 研究LLM在处理结构化数据和非结构化数据的不同表现。 你将学到: 如何有效利用LLM的能力来完成任务。 识别并规避LLM在实际应用中的潜在风险。 提升与LLM互动的技巧,优化问题解决方案。 课程内容: LLM的能力与一个应届大学生的能力类比。 知识截止和"幻觉":LLM的认知局限与错误信息生成。 结构化数据vs非结构化数据:LLM的处理能力对比。 学习建议: 当使用LLM时,保持批判性思维,意识到其回答可能的偏差。 在处理有实质性后果的任务时,要仔细核实LLM提供的信息。 为了优化LLM的使用效果,学会如何提供精准的上下文信息。 相关链接: 课程地址:t.co 油管播放列表:youtube.com B站播放列表: b23.tv https://space.bilibili.com/589397373/channel/collectiondetail?sid=1844068 很多人对于当前的AI能做什么,边界在哪里其实并不清晰,这就如同盲人摸象,吴恩达的这个教程能帮你梳理清楚逻辑关系。 如果你没有时间看完,可以只看第一集,这对你很重要。 一般将Generative AI分为三类: 1️⃣生成 2️⃣转化 3️⃣分析 掌握了AI的边界,就知道了从问题到解决方向,一共有多少条策略,对于工程实现路径非常有帮助。 六、人工智能书籍推荐 因为人工智能相关技术进步迭代速度很快,所以纯技术书籍这里不做太多推荐,实操才是学习的最好方法。 这里给推荐的是李沫老师的《动手学深度学习》,有非常好的介绍相关知识点,然后用实际案例和程序代码来引人入门,搭配网课使用更佳。 更多书籍 每个领域选几本经典书,分析阅读(达到精通层次),其他的作为主题阅读/研究的参考资料 机器学习领域主题:数字图像分析(模式识别、生物识别、图像增强等)、语音分析(语音识别、语音翻译、语音合成)、自然语言处理\推荐系统、机器学习、大数据分析、人工智能 |