人工智能工程师学习路线 自然语言处理算法工程师学习路径

1入门级别

1.1 数据结构

1.2 算法(重点)

面试必考。参考学习地址:
麻省理工学院公开课:算法导论 http://open.163.com/special/opencourse/algorithms.html

1.3python

包括python基础、面向对象要懂。

2进阶阶段

2.1 机器学习算法

  1. 特征工程、特征分析
  2. 监督学习算法
  3. 非监督学习算法

参考学习地址:

  1. Coursera 斯坦福吴恩达课程❤❤❤
  2. 能使用sklearn解决一些小的机器学习任务。

参考书本:《西瓜书》

2.2深度学习算法

视频:

  1. Andrew Ng (吴恩达) 深度学习专项课程 by Coursera and deeplearning.ai❤❤❤
  2. 或者Hinton 大神的coursera 面向机器学习的神经网络
  3. Udacity 深度学习(中/英)by Google。你将通过项目和任务接触完整的机器学习系统 TensorFlow。

书:《AI圣经 深度学习》

2.3深度学习框架

  1. keras
  2. tensorflow

掌握好编程的利器,参考视频资料:

  1. 斯坦福大学深度学习课程: CS 20SI: Tensorflow for Deep Learning Research。准确的说,这门课程主要是针对深度学习工具Tensorflow的❤❤❤

2.4 大数据计算框架

  1. hadoop
  2. spark
    因为深度学习工程师一般面对的是大数据,所以公司的分布式计算平台要熟悉会用。

3高阶

3.1 强化学习

理论与实践

3.2 迁移学习

理论与实践

3.3自然语言处理

  1. 斯坦福课程深度学习应用课程。这门课程融合了两位授课者之前在斯坦福大学的授课课程,分别是自然语言处理课程 cs224n (Natural Language Processing)和面向自然语言处理的深度学习课程 cs224d( Deep Learning for Natural Language Processing).
  2. 牛津大学Deep Learning for Natural Language Processing: 2016-2017<深度NLP>http://study.163.com/course/introduction/1004336028.htm ❤❤❤
分享到 评论