我们已经毕业多期人工智能学员，报酬普遍在30万年薪以上，得到了非常好的社会反响。
为了让更多人受益，我们会陆续公布大部分的学习***，这些***来自于我们线下培训佳构课程，大多数直接录制于教室，欢迎大家免费***或者在线不雅观看。

我们每个月都会更新相应的***，大家可以关注***地址（人工智能***的拼音）：http://www.bjsxt.com/rengongzhinengshipin.html

1、机器学习

首先要学习机器学习算法，这是人工智能的核心，也是重中之重。

在学习机器学习算法理论同时，建议大家利用scikit-learn这个python机器学习的库，试着完成一些小项目。
同时关注一下能否各种算法结合利用来提高预测结果准确率。
在学习的过程中不必强求自己能够完备节制各种算法推导，捉住重点理解算法，然后把算法用起来才是王道。

节制一种编程工具，比如说PyCharm或者Jupyter Notebook，当然工具节制不难，大约只须要30分钟。

建议大家不要盲目的去看各种市情上的书本和博客，有的对付大家来说过于理论，推导太多还有些跳步显得过于深奥，有的又太浮于表面了不涉及算法事理细节，还是以北京尚学堂的***作为学习材料，这里有算法的理解，算法的推导，算法的运用，非常适宜大学生和入门学习的人利用，从一开始就即有算法的逐步深入，又有算法的实战，给自己成为一个数据挖掘工程师，算法工程师打好根本。

上面提到的机器学习算法譬如有监督学习回归算法中多元线性回归，Lasso回归，岭回归。
分类算法中逻辑回归，支持向量机，决策树，随机森林，GBDT，Adaboost，XGBOOST。
无监督学习聚类算法中K均值聚类，密度聚类，谱聚类。
降维算法中PCA降维，FM因式分解，SVD奇异值分解。
推举算法中折衷过滤，ALS交替最小二乘。
还有机器学习里面的大招多层感知机，神经网络。
关联剖析的算法Apriori，FP-Growth。
末了研究朴素贝叶斯，贝叶斯网络，隐含马尔科夫模型，条件随机场。

对付人工智能专业不理解的同学，建议大家学习一下预科阶段，对付全体行业，技能体系，就业方向，未来职业发展都会有个基本的认识和理解。

2、深度学习

深度学习是当今非常热门的一个领域，是机器学习算法神经网络的延申，是把机器学习的拟人更加发扬光大的领域。
深度学习工程师也是各大公司须要的人才。

学习深度学习可以从Google开源的tensorflow框架开始学习如何完成DNN（深度神经网络）的构建以及运用。
然后还是利用tensorflow框架来学习如何完成CNN（卷积神经网络）的构建以及运用。
末了来利用tensorflow框架来学习如何完成RNN（循环神经网络）的构建以及运用。

学习建议：大家在学习过程中可以试着利用构建的DNN来完成机器学习算法做的分类和回归的案例，比拟看当作果是否有提升，从而体会深度学习的奥妙。
也可以利用CNN来完成一些图像识别任务，和利用RNN来完成一些NLP（自然措辞处理）任务。
CNN和RNN不仅限于这两个领域，但是目前来看它们在这两个领域各有上风。

Tensorflow框架是深度学习框架之一，但不是唯一，Keras框架也是一个非常精良的框架，大家有兴趣也可连续学习Keras框架。
代码量会比TensorFlow更少一些，更适宜去做一些实验。

3、Python数据剖析模块

Python当今作为数据科学的第一措辞，闇练节制numpy、scipy、pandas、matplotlib等数据剖析的模块不只是作为数据剖析师必须的，也是作为人工智能工程师所必须的，如果大家认为自己的python措辞节制的不足闇练，可以从学习这些根本的模块开始，来磨炼自己。
由于scikit-learn机器学习算法库是基于numpy、scipy、matplotlib开拓的，以是大家节制好了这些根本库，对付剖析别人封装的算法源代码，乃至日后自己开拓一些算法也有了可能性。

学习建议：在学习这些数据剖析模块的同时，可以补补python措辞的根本语法，重复一遍根本语法即可，不要跑偏到python其他比如什么web开拓，爬虫等领域里面去。

4、Spark MLlib机器学习库

如果说当今有什么是算法工程师的加分项，那么分布式打算框架Spark中算法库MLlib便是一个，如果想节制Spark MLlib

首先须要会利用spark打算框架，建议大家还是利用python措辞通过pyspark来学习，在节制了前面的机器学习部分后，这里再来学习里面的算法利用将变得非常随意马虎。

学习建议：大家要捉住重点，千万不要钻到集群搭建里面，乃至是大数据各种框架里面，由于对付我们来说，spark打算框架只是一个工具，帮助我们来更好的做数据预处理，和帮助我们将算法利用分布式集群来完成海量数据场景下结果的打算。
在公司里面，有运维的职员管理集群，在一些大公司，有专门给算法工程师配备数据预处理的工程师。

5、做一个人工智能项目

学了这么多，也做了一些小项目，末了一定要做一些个大项目整合一下自己的知识。
做一些个人工智能领域的譬如医疗图像识别、人脸识别、自动谈天机器人、推举系统、用户画像等的大项目才是企业很须要的履历。
可以将理论结合实际的利用也是成为高手的必经之路，也是在企业事情所须要的能力。

6、数学

数学是一个误区，很多人说自己的数学不足好，是不是做不了算法工程师？面对这样的问题，公司里面的算法工程师谁又敢说自己的数学真的好？数学是在学习机器学习阶段算法推导用的到的，但是这里的推导你又不须要非要一步步扣数学打算过程，举个例子，2+2=4，那么数据根本是1+1=2，但是咱们须要证明1+1=2吗？不须要，对吧，以是在机器学习阶段算法推导这里更主要的还是理解算法证明的思想，能够把讲的算法推导理清楚足够了，而这在讲的过程中如何有好的勾引，又何须非自己没头绪的补数学然后走那个弯路呢？

学习建议：很多数学符号只是一种表达而已，在学习过程中轻微补一下即可，不须要花大量韶光前期准备数学知识，最主要的是，企业中人工智能工程师没人每天抱着数学公式推导。
以是同学们在大学期间数学学的不错的同学恭喜你，你在机器学习算法学习时会轻微轻松一些，相反，在大学期间数学学的弗成的同学也恭喜你，由于数学不是决定能否成为一个企业所需算法工程师的鸿沟！

关注微信公众年夜众号IT百战程序员（baizhanchengxuyuan），知识尽在分享。

​