最近，一位在行业内事情了几年的斯坦福人工智能”师兄“就根据自己的事情和学习履历，为入学的师弟师妹们送出了一份大礼：人工智能的本科4年课程清单，希望想要理解人工智能的新生能够靠着这份指路图，少走弯路。

这位大方的学长名叫Mihail Eric，本人也是一位妥妥的“学霸”。
在斯坦福大学的NLP研究组里，与Christopher Manning, Percy Liang, Christopher Potts（三位巨佬）一起做研究，度过了3年非常充足的研究光阴，收成颇多。
同时Eric向ACL\EMNLP\NLP for AI work投稿论文，均已揭橥，目前正在担当ACL的审稿人，也是业内人工智能公司Alexa AI的工程师。

作为已经毕业的学长Eric，总结了一下自己的学习和事情经历，Eric为自己的人工智能和机器学习的职业生涯，设计一个完全的4年制人工智能本科学位根本课程。
这些课程是为AI和CS领域的萌新供应的，虽然是萌新定位，但Eric以为这些课程直到本日都还在用，是根本必会的技能。

第1年，打根本

假设你没有CS的履历，这一年的大部分韶光该当用在CS和机器学习的核心观点和算法上，推举的课程有：

1.编程根本，这是AI从业职员必需具备的软件工程学的基本技能。
课程为CS106B：

http://web.stanford.edu/class/cs106b/

2.打算机系统，这门课的重点在于打算机的根本设计和构建，尤其是学习软件编译的时候，运行一个程序会发生什么，以及程序是如何在内存中运行的。
课程为CS107：

http://web.stanford.edu/class/cs107/

3.算法概论，这门课包含了打算机算法背后的数学和理论根本，比如最优搜索算法和动态编程，以及如何剖析这些算法的内存和优缺陷。
课程为CS161：

http://web.stanford.edu/class/cs161/

4.概率论，概率论和统计学是机器学习算法中的核心，尤其是剖析数据在实战里很主要。
课程为CS109：

http://web.stanford.edu/class/cs109/

5.线性代数，如何打算矩阵和向量，线性方程组，最小二乘法，这些都是机器学习须要用到的数学根本。
课程为EE103：

http://web.stanford.edu/class/ee103/

6.多维微积分，调试函数的梯度，反向传播以及机器学习，这些都是常常用到的。
课程为向量微积分（工程师）：

https://www.coursera.org/learn/vector-calculus-engineers

第2年，从系统的根本知识中开始逐步探索

AI本科的第二年，至少要明白人工智能的一些事理，该当用什么样的理论去办理问题，还须要加强对打算机系统运行的理解。

1.人工智能概论，这门课包括了人工智能领域所利用的研究，比如搜索，游戏，逻辑以及图像还有机器学习算法的运用。
课程CS221：

https://stanford-cs221.github.io/spring2020/

2.编译器，紧张是讲编译器背后的设计和理论，你学了之后，至少该当理解一个编译器是如何构建的，还有编译器的模块化组件，也须要理解。
如果你对语义识别感兴趣，可以好好琢磨一下编译器的设计和传统的自然措辞处理堆栈之间的相似之处，非常有趣。
课程CS143：

http://web.stanford.edu/class/cs143/

3.数据库事理，紧张讲数据库管理系统背后的原则，比如关系数据模型、索引、模式等主题，但凡你想成为数据专家或者机器学习工程师，就必须要懂得数据库的事理。
课程CS145：

https://cs145-fa19.github.io/

4.并行打算，并行打算这门课会讲Apache Spark到GPU这些系统背后的事理，课程CS149：

http://cs149.stanford.edu/fall19/

5.操作系统，你如果想要善于系统编程，就一定要上这门课，这门课是讲如何从头开始搭建一个操作系统，不仅须要设计系统，还须要明白如何调试和代码管理。
如果你不明白，你部下的人敲完：sudo rm -rf /就撤了，你该如何拯救你的代码？课程CS140：

http://web.stanford.edu/~ouster/cgi-bin/cs140

第3年，开启提升课程

这个时候该当开始学高等课程，开始NLP，BA，CV这些方向的研究，

1.机器学习，监督学习和模型演习的观点，比如偏差、方差，正则化以及模型选择，这些内容看上去大略，实际上每个AI从业者每天都在用的。
课程CS229：

http://cs229.stanford.edu/

2.凸优化，这门课利用很广，比如统计学，机器学习，旗子暗记处理和其它利用凸优化的领域，虽然现在有不少问题都是非凸化的，但是你最好还是要懂背后的逻辑。
课程EE364A：

http://web.stanford.edu/class/ee364a/

3.概率图模型，像CV和NLP就会常常用到，以是还是须要理解。
课程CS228：

https://cs.stanford.edu/~ermon/cs228/index.html

4.数据挖掘，大数据与数据挖掘，这门课涵盖了处理大型数据集的技能方法，会利用到推举算法、聚类以及大规模的数据集打算与剖析，要知道每天产生的数量还是比较大的。
课程CS246：

http://web.stanford.edu/class/cs246/

5.NLP，自然措辞处理，让机器懂得文本数据的理论和韶光，而且还会在这门课里学到传统自然措辞处理，老师会教如何用深度学习技能来处理这些。
课程CS224N：

http://web.stanford.edu/class/cs224n/

6.基于CV的卷积神经网络，基本包含了深度学习背后的理论，比如CV模型就常常利用，只要学过人工智能课程的人，没错，是来自李飞飞教授的CS231N吧。
课程CS231N：

http://cs231n.stanford.edu/

经由前面3年课程的演习，你该当对打算机系统和人工智能观点、运用有了清楚的理解，找到你比较感兴趣的方向，拿起数据集，就要开始自己跑模型，做数据剖析，调参还有办理Bug。
想要成为一个真正的人工智能专家，不仅得学，还得上手练。

1.做研究项目，有的学校会供应这类课程，在这门课里，你须要深入研究全体项目的情形。
课程CS341：

http://web.stanford.edu/class/cs341/

2.参加课题研究，主动去找研究生学长学姐，做他们的助理，将根本知识再过一遍，也可以选择自己开一个课题项目，进行研究，紧张是让你有一个项目履历。

3.大厂演习，如果你假如韶光管理的好，可以考虑在课余韶光去AI公司演习，一样平常大厂都有这种3-6个月的演习机会，在演习里，不仅让你理解书本上的根本知识，还能利用根本知识进行落地的利用，这种该当算比较好的实战机会了。

以上便是作为一个人工智能从业者的斯坦福毕业生Eric，送给AI萌新的4年方案安排，如果你以为上面的课程比较难，可以适当调度，当然也欢迎你与文摘菌分享你的学习之路。

该书是人工智能、智能科学与技能专业精良教材，也是“十三五”江苏省高档学校重点教材，该书从“基本智能”“范例运用”“打算智能”三方面对人工智能进行了先容，内容涉及人工智能的经典技能、范例运用领域和智能算法就像歌词所说“一代人终将老去，但总有人正年轻。

“十二五”普通高档教诲本科国家级方案教材北京高档教诲佳构教材

全书包括8章和附录，紧张内容包括：人工智能概述，确定性知识系统，不愿定性知识系统，智能搜索技能，机器学习，人工神经网络与连接学习，分布智能，智能运用简介。
附录A是新一代人工智能简介。
本书为任课西席免费供应电子课件。
本书可以作为高档院校打算机类各专业及干系专业的干系课程的教材。

“AI之路任重且道远，不管是不是萌新，只要你还乐意学习，就一贯在路上，加油！
！
！

参考素材：

https://www.mihaileric.com/posts/complete-artificial-intelligence-undergraduate-course-plan/