非计算机专业的学生该如何入门深度学习？
深度学习是当前人工智能领域机器学习最热门的方法，它可以用于模式识别、信号检测及分类等多个领域。随着科技的进步和社会的发展，深度学习已经逐渐演变成一个工程师和科学家皆可使用的普适工具。它涵盖了搜索技术、数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，等多门技术。典型的深度学习模型有卷积神经网络( convolutional neural network)、DBN和堆栈自编码网络(stacked auto-encoder network)模型等。
简单来说，机器学习本质上就是给电脑提供大量的数据和学习的模版，再加上“training code”训练，以达到预测的效果，得到精确的approximation。在这其中，deeplearning可以看作是机器学习的技术，通过利用深度神经网络来解决特征表达的一种过程。
作为一个统计专业就读未来想进入互联网大厂工作的学生，过去的三、四年里，我一直专注于deeplearning领域。对于非专业转行深度学习，也算是有自己的一些见解。近几年，人工智能行业发展势如破竹，各种高薪的职位吸引了大量人才涌入，而其中很多都是非科班出身想转行进入AI领域。
深度学习对于数学基础要求是比较高的，其主要学习课程包括机器学习，数值分析，线性代数，高数，矩阵论等。训练的是代码工程能力和解决问题的算法分析能力。如果是有相关背景，或对于人工智能、机器学习行业有一定了解，入门还是比较容易的；但若是非科班、没什么基础的人想转AI行业，像以上提到的几个模型的理解，可能就比较困难了。除了数学能力，深度学习还有其他几大必备技能，如python、java、r、英语阅读能力及资料查的能力。这些技能，对于想要入门甚至是进行系统性学习的人们来说，我个人不太推荐自学，尤其是独自看书学习的方式。毫无疑问，国内外优秀的教材有很多，编写的也十分精细，但是大部分对于初学者都不太友好，尤其是一些国外的课本，教材内容难度较高，如果是自学起来，会十分吃力。就我个人的经验来说，深度学习入门，可以先从单层网络即单层神经元开始，逐渐进入到算法阶段。也可以先从语法比较清晰，适合新手的python爬虫开始，在熟悉了之后，可以去github里相关代码练习。
其次，真正进入了这个行业的人应该都有同一种感受，那就是实际操作比课本上的理论知识来的重要得多。走入工作岗位后，每天要处理的工作不是一个个知识点填空，而是要运用所学知识，解决一个又一个复杂的case。相比之下，我个人比较推荐选择一些课程，如网课，或者是线下的培训班，来作为入门深度学习领域的起始点。不过想要只通过几个月培训就入
职大企业，到一份高薪工作，显然是不现实的，所以这里针对的仅仅是入门。
在深度学习领域探索的这几年，我也曾体验过不少教材。近年来，市面上关于人工智能教育和培训的资料和课程着实让人眼花缭乱，而在这之中，经过反复的比对和筛选，贪心科技推出的AI课程吸引了我的注意。
这套课程，是面向泛AI、AI体提供专业的系列课程，整套课程将以上提及的内容根据难易程度分为入门和进阶两个阶段。与吴恩达deeplearning不同，这套课程是需要付费使用的。根据所学项目，课程的价格在7000到20000之间不等。虽然对于一些学生和职场新人来说，这样的价格可能会显得比较高昂，但是在实际购买并学完这套课程后，我觉得还是物有所值的。在使用这套课程之前，我也有接触了解过别的课程，如fast.ai和前面提及的吴恩达deeplearning.ai。接下来我会从授课形式、课程内容、适合人、与其他课程的对比及我的感受几方面为大家深度剖析这个课程。
授课形式
以中级课程为例。该课程共分为十五章，每章根据知识点不同又会划分为几个小节。整体界面设计的直截了当，同时提供了笔记模式，对于我这种爱记笔记的人来说可以说是很友好了。
从实用性上来说，由于是近几年的课程，课程的内容比较新，讲解也很通俗易懂，展示也做到了图文并茂。这套课程是线上上课，购买之后随时可以使用，还是比较适合时间不好分配的上班族或者像我这样的学生来使用。贪心学院机器学习课程整体设置与吴恩达deeplearning.ai类似，先让你一步一步了解工程原理，通过实例的讲解，让你逐步掌握相应的技术。个人感觉这种模式灵活性较高，也比较适合入门学习。
不足的是，这套课程中涉及的实战项目有些少。相较于fast.ai在课程的开始便会带着学生一步步上手，这套教程会在高阶魔鬼训练营阶段提供大量的项目。这样的设置有利有弊，个人认为容易导致后面学习的跟不上与脱节，学习进度容易受到影响。课程的核心团队由海内外AI专家组建而成，多位合伙人及主讲老师都是业内资深工程师，并多次在ICML、AAAI、IJCAI、ICDM等会议发表数十篇论文，被数百次引用。其教研人员包括前金融独角兽首席科学家、美国google科学家、ALBERT第一作者、美国微软AI总监等专家。
课程内容
回想我深度学习入门时学的第一课，就是抽象的神经网络，在弄懂其中的原理之后，能为之后的项目学习打好坚实的基础。而贪心科技AI入门课程主要教授的就是深度学习及相关AI基础理论，让人们对深度学习及各系统产生一定的认知。从python爬虫开始，到机器学习和商业数据分析，一步步地入门。
入门课程涵盖了机器学习、推荐系统、自然语言处理几大版块。面对打算从事AI岗位的职场人和在校学生，提供系统化的专业课程，如分类、回归、聚类、集成算法等，旨在而高级课程则是围绕各种实例，进行高阶内容的学习与练习。主要面向已经从事AI行业的工程师、研究员、科学家以及深耕AI领域的硕士、博士生，帮助他们获得技术上的突破。在学习时我个人感觉这个部分的知识点会比较多，一些课程如对话系统、知识图谱、凸优化、贝叶斯深度学习、ML、NLP等的难度也比较大。
这节课程也提供了很多项目进行练习，如广告点击率预测、情感分析项目、信用卡欺诈预测、零售数据中的用户分层等。每一个项目都会涵盖一定的知识点。学生可以打开jupyter的cell，自己进行代码的编写。除此之外，每一条撰写的程序也可以单独运行测试，提交结果后会有老师和助教进行批改和标注。对于入门的学生来说，其实最重要的就是打好基础。我在上这节课的时候，从助教处得到过很多有用的反馈，而且我们相处的也很好。结课后，对于我的偶尔的一些提问，助教也都会一一回答。
对比
在接触这套教程之前，我一直选择的是fast.ai这套课程，对前几年新出的吴恩达deeplearnig.ai也有所了解。fast.ai这门课是由Jeremy Howard和Rachel Thomas教授设计，相信也是机器学习行业内，最多人使用过的课程。总体来说，fast.ai最大的特点就是先教技巧，让学生在广泛的应用场景中学习。这种学习方法，在很大程度上能节省学员阅读参透各种理论知识的时间，方便快捷地帮助他们在更短的时间内积累经验。我个人认为在计算机科学和数据科学，相对于纯粹的理论科学，更注重实践，更适合用fast.ai这种开箱即用的模式去学习。fast.ai存在封装过于完善的情况，但如果只是想开箱即用，我还是比较推荐它的。这两种课程大家可以根据自己需求去选择。
适合人
这套课程，设置及内容都比较通俗易懂，能为以后的高阶学习打下坚实的基础。个人觉得比较适合想系统性学习AI及深度学习的在职人士（IT、运营、产品、财务等等）或在校学生。IT、财务就不用多说了，几乎每天的日常工作就是围绕着软件开发及各种程序维护；以运营和产品为例，现在市场上越来越多大厂，如字节跳动的运营岗位都需要市场分析及对数据筛查与整理的技能。光凭写文案已满足不了市场需求。
我这次体验的课程为入门课程，贪心科技AI课程设置及内容对我来说都很实用及通俗易懂。对于像我这种深度学习入门，从别的专业想转IT行业的人来说，相较于之前提及的fast.ai，这套课程在入门方面比较有帮助，能为日后高阶学习打下一定的基础。此外，这次体验，也帮我系统的梳理了一遍以前所学，如线性回归等。很多初中级课程理科不好的女生学计算机行吗只需要大家具备基本的数学和编程知识，如基础的线性代数、微分、概率及Python编程知识。
在这里值得一提的是，针对有理工科及编程背景并渴望在NLP行业成为出类拔萃的佼佼者的人们，贪心AI还推出了相应的线下就业班项目。
这个项目吸引我的一点就是相较于普通的理论输出及操作展示，就业班的课程会以就业为导向，分为多个阶段，且课程设置更加偏重于案例分析。通过几年的深度学习领域的探索，我深刻体会到了实际应用的重要性。而在这里，我觉得贪心科技AI提供的这个项目就能很好的帮助大家获得丰富的实战经验；通过将各个知识点放进不同的项目中分析，就业班的课程为学员展示了不同情况下技能的具体应用。
其课程设置比较清晰，分为三个阶段，从基础学习到企业项目，学习内容在展示的比较清晰。这也是为什么我选择贪心科技AI的一大原因。在浏览其他学习网站时，我总会被那些五花八门的课程和较为笼统的概括所混淆，不知道从何下手，从什么方面开始。而相较于此，贪心科技AI的课程就显得比较直观。通过一步步的展示和课程包含项目的介绍，让人能直观感受到课程的规划。
其次，贪心科技AI通过将各个知识点放进不同的项目中分析，就业班的课程为学员展示了不同情况下技能的具体应用而非一味灌输理论知识的填鸭式教育。在参与过理论及案例分析后，第二阶段大家还有机会参加一系列不同的企业项目，在实践中得出真知。这种分阶段式的学习也是我比较喜欢的。相较于市场上剩下的机构来说，贪心科技AI也有一些其他的优势。
比如，学员可以跟着公司一线的工程师完成项目，而所完成的项目都是真实的企业项目，而非过时的demo。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论