人工智能开发工程师学习的知识体系,学习内容

        有很多之前没有接触过人工智能得朋友都很想了解和掌握人工智能，以及向这方面有些转型。那么如何成为一名高质量的人工智能工程师;

      人工智能开发知识体系：

      1、数学基础

　　微积分

　　线性代数

　　概率统计

　　信息论

　　集合论和图论

　　博弈论

　　2、技术基础

　　计算机原理

　　程序设计语言

　　操作系统

　　分布式系统

　　算法基础

　　3、机器学习算法

　　机器学习基础：估计方法、特征工程

　　线性模型：线性回归

　　逻辑回归

　　决策树模型：GBDT

　　支持向量机

　　贝叶斯分类器

　　神经网络——深度学习：MLP、CNN、RNN（LSTM）、GAN

　　聚类算法：K均值算法

　　4、机器学习分类

　　监督学习：分类任务、回归任务

　　无监督学习：聚类任务

　　迁移学习

　　强化学习

　　5、问题领域

　　语言识别

　　字符识别：手写识别

　　机器视觉

　　自然语言处理：机器翻译

　　自然语言理解

　　知识推理

　　自动控制

　　游戏理论和人机对弈：象棋、围棋、德州扑克、星际争霸

　　数据挖掘

　　6、机器学习架构

　　加速芯片：CPU、GPU、FPGA、ASIC（TPU）

　　虚拟化：容器（Decker）

　　分布式结构：Spark

　　库和计算框架：TensorFlow、scikt-learn、Caffe、MXNET、Theano、Torch、Microsoft CNTK

　　7、可视化解决方案

　　8、云服务

　　Amazon ML

　　Google Cloud ML

　　Microsoft Azure ML

　　阿里云ML

　　9、数据集和竞赛

　　ImageNet

　　MSCOCC

　　Kaggle

　　阿里天池

　　10、其他相关技术

　　知识图谱

　　统计语言模型

　　专家系统

　　遗传算法

　　博弈算法：纳什均衡