每个人工智能领域的先决条件

是的,人工智能领域非常广泛。我已经浏览了人工智能的维基页面,并阅读了关于它的不同领域。我认为任何热情的初学者都可以根据他/她的兴趣选择其中一个领域来进入人工智能。但在进入之前,拥有适当领域的先决条件总是好的。

对于任何人工智能的初学者(如我)来说,将这些先决条件列在每个AI领域旁边是非常有用的,这样他就可以重新学习这些知识,并开始实际的领域工作。请在这里列出这些先决条件好吗?

谢谢


回答:

这个问题没有简单的答案。所需知识的程度取决于你想深入了解的领域的深度。

例如,要使用一个简单的神经网络API,几乎不需要任何先决条件。要知道一个神经网络是否适用于特定问题,或者要编写自己的神经网络,你至少需要高中水平的数学知识来理解神经网络的内部结构和因此产生的限制(或者你可以尝试记住所有内容)。要能够争论和理解特定方法的论点,你可能需要大学水平的数学知识。

如果你想了解更多关于人工智能及其不同领域的信息(并了解一些要求),我建议你参加一个入门级的人工智能课程或你感兴趣的子领域的课程。Coursera.org 是一个不错的网站,提供这样的课程(而且是免费的)。许多课程会在你注册之前提供一份先决条件列表。

根据我的经验,许多人工智能领域的主要先决条件是统计学、线性代数或微积分。

对数据结构和算法的 decent 理解对于大多数人工智能领域(以及编程总体上)也非常重要。

我认为,与其让某人在这里列出一张所有先决条件的巨大表格,不如选择一个看起来有趣的子领域,参加一个入门课程,看看你是否能理解。你总是可以学习先决条件的。

如果你没有高中数学知识,可能在考虑人工智能之前,先上一两门数学课程是个好主意。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注