本人只是普通程序员,但非这些领域从业者,想通过快速学习大数据和人工智能相关领域的知识,希望有个具备去大公司从事这些工作的机会,有什么好的途径推荐吗?
本人只是普通程序员,但非这些领域从业者,想通过快速学习大数据和人工智能相关领域的知识,希望有个具备去大公司从事这些工作的机会,有什么好的途径推荐吗?
|
fengheorgJul 1, 2017
1
快速的方式的确没有,数学还是关键,需要把大学数学课程补一下。最好了解统计学。
|
|
minvacaiJul 1, 2017 via Android
2
数学学好点,其它都是套路
|
|
1nakaELYBbsXbZxYJul 1, 2017
3
想太多
|
|
wuYinJul 1, 2017 via Android
4
可以读个研究生 233
|
|
anshengJul 1, 2017
5
挺难得,
|
|
WildCatJul 1, 2017
6
Udacity (非中国版)
有钱就可以。 |
|
txltyJul 1, 2017
7
个人觉得机器学习、人工智能有两个学习方向:
第一种,和学术界一样,需要读懂每个算法,学习算法背后的数学原理,能够自己把算法实现一遍,甚至加以改进。大学高等数学是基础。 第二种,从科普层面理解这些算法的概念。然后学会调用科学家封装好的类库、框架。并掌握什么时候 该用什么算法解决问题。不必把已经忘光的数学知识重新学习一遍。 比如,libsvm 就是个经典。使用 SVM 分类器,并不需要读懂 libsvm 源码,更不需要掌握了解其背后的数学公式。只需学会如何调用 libsvm 就可以了。 目前几乎所有学习资料、以及相关培训,都属于前者。开篇就见数学公式。很多人因此放弃了学习。更多人则是掉进坑里出不来了(因为大部分人根本不是那块料)。很多优秀的工程师在这上面白白浪费了大量时间。 如果想像后者那样学习,需要自己搜集代码,一个个运行尝试。了解这些代码怎么用,有什么用,什么时候用。并根据网上有限的资料,自己从科普层面加以理解。什么叫学习率、什么叫阀值阈值、什么叫核函数、什么叫浅层神经网络、什么是深度神经网络。。 找工作需要的是前者。大公司?那至少有个相关领域的硕士文凭。 |
|
estJul 1, 2017
9
贴线性代数、统计分析成绩单即可。
|
|
lk1ngaa7Jul 1, 2017
10
和人工智能、大数据无关。快速的方法都不可取
|
|
wangdu2012Jul 1, 2017 via iPhone
11
回去学校学习
|
|
wdlthJul 1, 2017
12
《 21 天精通卷积神经网络——从入门到入院》
|
|
blanuJul 1, 2017 via iPhone
13
微博上七月在线宣传的特别厉害,仅供参考吧
|
|
jiangzhuoJul 1, 2017
14
读个在职研究生吧
|
|
327beckhamJul 1, 2017
15
coursera,udacity,都是不错的平台,有很多课程都是著名大学或者公司开的课
|
|
bigdogbigpigJul 2, 2017 via iPhone
16
看到快速二字,就知道没有了。
|