前几天一个做销售的朋友给我打电话,说他老板要求全员学人工智能技术,他打开搜索框敲了这几个字,翻了半小时就关掉了,因为满屏都是看不懂的术语和互相矛盾的说法。他问我能不能说人话,给个准话,到底该从哪儿下手。说实话,我太理解这种感受了,我当年入门的时候也走了不少弯路,买过三本翻了两页就吃灰的书,报过一个讲得云里雾里的课程,气得我当晚没睡好。
所以这篇不跟你绕圈子。我把市面上主流的学习资料和路线整理了一下,用我自己踩坑的经验帮你筛一筛。先说清楚我的评选标准,就三条:一是对零基础友好,不需要你先啃完高数才能看懂;二是内容不过时,人工智能技术这几年变化快,老掉牙的教程学了也白学;三是能让你动手练,光看不练等于看热闹。按这个标准,我排了五个我觉得值得花时间的方向,顺便告诉你各自适合谁。
国内几所顶尖高校在慕课平台上开设的人工智能技术入门课,是我认为最适合完全零基础的人起步的选择。这类课程的好处是体系完整,从概念讲起,配有字幕和课件,而且完全免费。我表弟是学会计的,去年就是靠一门十六周的公开课摸清了人工智能技术的基本脉络,现在他能跟技术同事正常对话,知道模型训练和推理大概是怎么回事。缺点是节奏偏慢,有些课程录制时间比较早,涉及最新应用的部分要自己补充。我的建议是选开课时间近的,配合评论区里学长学姐的笔记一起看,效率能高一截。
如果你打算动手写点东西,主流人工智能技术框架的官方文档是绕不开的。我知道很多人一听文档就头大,但我实测发现,现在不少官方教程已经做得相当友好,有一步步引导你跑通第一个程序的快速上手页。我当初学的时候死磕一本教材,结果卡在一个配置问题上三天没进展,后来在开发者社区里问了句,十分钟就有人给了解决方案。这类资源适合已经决定要动手实践的人,边查边练,比干看视频强。提醒一句,文档更新快,看到过时的报错信息别慌,搜一下讨论区基本都有答案。
提示:学习人工智能技术,资料不在多而在精。选一条主线走完,比收藏几十个链接却每个都只看开头强得多。
市面上有一些以项目驱动的人工智能技术训练营,特点是给你一个具体任务,比如做一个图片分类的小工具,然后带着你一步步完成。这种方式的优点是反馈直接,做完就有成就感。我认识一个转行的姑娘,她就是靠一个六周的实战训练营入了门,结营作品放进了简历,面试时聊得挺顺。但这类项目质量参差不齐,有的只是套壳演示,选之前最好看看往期学员的真实产出,别光看宣传页。
能,但路径要选对。避开一上来就讲矩阵运算的硬核课程,从应用和概念入手的资料更适合你。我见过好几个非理工科的朋友通过公开课加项目实践,做到了能独立完成简单的数据分析任务,关键是别被术语吓退,先把能跑通的小项目做起来。
书的好处是系统,坏处是容易过时。我的看法是,基础概念类的书值得买一本踏踏实实翻完,比如讲清楚什么是监督学习、什么是神经网络的入门读物,这些底层逻辑几年内不会大变。但涉及具体工具和最新应用的部分,别指望书能跟上节奏,还是得靠线上资料补充。我自己书架上那本入门书翻了不下五遍,每次遇到概念模糊的地方就回去查,比搜零散文章靠谱。
这类资源我只推荐当开胃菜,别当主食。刷几个讲得生动的科普视频,能帮你快速建立对人工智能技术的整体印象,知道这个领域大概在聊什么。但短视频的通病是浅,看完觉得懂了,一动手全忘。我一般建议朋友拿它来筛选兴趣点,看到哪个方向觉得有意思,再去找对应的系统资料深入。
说到最后,我得承认一个事,上面这套排序也不是每次都灵。上个月我推荐一个朋友从公开课开始,结果他嫌节奏太慢,两周就放弃了,后来换成一个边玩边练的互动式教程反而坚持下来了。所以你真要问我哪条路最好,我只能说,先花一个周末把这几类资料各试半小时,哪个让你不犯困、想继续往下点,就从哪个开始。学习路线这东西,别人的地图再详细,也不如你自己走两步试试脚感。你要是试过之后有别的发现,欢迎回来告诉我,我也一直在找更省劲的入门法子。