【完结】听完这12次分享，你应该完成了AI小白的蜕变
文章首發于微信公眾號《有三AI》
【完結】聽完這12次分享，你應該完成了AI小白的蛻變
專欄《AI白身境》正式完結了，在這一個專題中，我們給大家從Linux的基本知識，講到了深度學習中必備的數學基礎，從基本工具VIM和編譯命令，講到了常用的庫OpenCV，從AI在工業界的各個研究方向，應用方向，講到了AI領域的代表性人物，雖然知識本身的難度不高，但是覆蓋范圍非常廣泛，這一次我們來重新回顧一下。
作者?|?言有三
編輯?|?言有三
?
01為什么要用Linux
我剛從學校步入職場的時候，也經歷過一段從Windows轉向Linux的時期，雖然在大學很早的時候就用過Linux，但是畢竟
所在專業不是計算機等專業，因此Linux并非剛需。
但是，如果要正式進入AI行業發展，Linux就是必備的操作系統，“軟”兵器，Windows基本上可以徹底放棄。
我們簡單闡述了Linux固有的一些優點和Windows的缺陷，原文在此。
【AI白身境】深度學習從棄用開始
?
02Linux基本工具
Linux下一個熟練的工程師，會比Windows下工作效率高很多，主要得益于若干工具，比如shell、vim和git。
shell命令是Linux的操作基礎，也是學習使用Linux的開始，而慢慢熟悉高級的shell命令在將來的工作中會帶來很大的效率提升。
vim是Linux下最常用的編輯器，從小白到高手都可以使用，而它的列編輯，查找替換，自動補全等功能都是效率的保證，或許從visual?studio等環境切換過來的同學剛開始會有些許不適應，但是時間久了就會越來越明白VIM的好。
git是程序員必備的素養，慢慢學會維護幾個自己的代碼庫，等到將來出問題的時候就明白了。
原文在此：
【AI白身境】Linux干活板斧，shell、vim和git
?
03python基礎
在編程界，現在沒有什么語言比python更火，尤其在機器學習屆，python可謂是一騎絕塵。
學習python需要掌握好基礎的語法包括函數，類設計，掌握大量的開源矩陣庫Numpy等，圖像基礎庫OpenCV等，以及可視化工具包matplotlib，前后端框架Flask等，原文在此：
【AI白身境】學AI必備的python基礎
?
04圖像基礎
咱們暫時還是一個計算機視覺號，所以數字圖像基礎是必備的。從數字圖像的表示，包括位數，彩色空間，分辨率，數字圖像的基本屬性，包括直方圖，對比度清晰度等，都是未來進軍深度學習計算機視覺處理的基石。
原文在此：
【AI白身境】深度學習必備圖像基礎
?
05OpenCV基礎
如果說圖像處理領域有什么庫是繞不過去的，那一定是OpenCV，這一個開源計算機視覺庫堪稱最優秀的計算機視覺庫，不僅可以學術和商業免費使用，而且跨平臺，高性能。需要掌握的基礎內容包括：如何部署，基本數據結構的熟悉與使用，基本模塊的了解。
以后我們還會專門開一系列課來講OpenCV，現在先做一個鋪墊和科普。
【AI白身境】搞計算機視覺必備的OpenCV入門基礎
?
06Linux編譯基礎
python是腳本語言，而當前大量的AI算法都部署在移動端嵌入式平臺，需要使用c/c++/java語言，而g++，CMake和Makefile正是Linux下編譯C系代碼的工具。
原文在此：
【AI白身境】只會用Python？g++，CMake和Makefile了解一下
?
07爬蟲基礎
深度學習最重要的是什么，可能很多人的答案就是一個好的數據集。但是通常情況下我們并沒有大量的數據，因此有必要掌握一定的爬蟲知識，學會自己從頭開始準備建立數據集。
從前端網頁的簡單基礎，到python爬蟲庫的基本使用，原文在此：
【AI白身境】學深度學習你不得不知的爬蟲基礎
?
08數據可視化
爬取完數據之后就應該進行處理了，一個很常用的手段是數據可視化。在深度學習項目中，常需要的數據可視化操作包括原始圖片數據的可視化，損失和精度的可視化等。
熟練掌握低維，高維數據的可視化是必備的基礎，同時也要了解一些好用的可視化框架以提高工作效率，原文在此：
【AI白身境】深度學習中的數據可視化
?
09數學基礎
沒有數學基礎，永遠只能在門外徘徊。從線性代數，概率論與統計學到微積分和最優化，都是需要掌握的。
數學的學習是一個非常漫長的過程，不要急于求成，也不要在一開始就被嚇退，對于大部分的工程人員來說，要求并不高，每個人都可以學會，原文在此：
【AI白身境】入行AI需要什么數學基礎：左手矩陣論，右手微積分
?
10計算機視覺研究方向
在前面這些基礎都掌握好了，就差不多可以入行了，首先就要好好了解一下計算機視覺的各大研究方向及其特點。
從圖像分類，分割，目標檢測，跟蹤，到圖像濾波與降噪，增強，風格化，三維重建，圖像檢索，GANs，相信總有你喜歡的。
原文在此：
【AI白身境】一文覽盡計算機視覺研究方向
?
11AI的應用方向
我們學習，最終總是為了求職得到滿意的工作，尤其是AI已經滲入到了我們生活的方方面面。從自動駕駛汽車、圖像美顏，到聊天機器人，金融支付等，因此好好了解下當前AI在各大領域的應用沒錯的。
原文在此：
【AI白身境】AI+，都加在哪些應用領域了
?
12認識學術大咖
最后的最后，要想真正融入行業圈子，緊跟技術發展，就必須要時刻了解大佬們的狀態，他們就是行業發展的風向標。
不管是學術界還是工業界，不管是老師傅還是青年才俊，讓我們一起見賢思齊吧。
原文在此：
【AI白身境】究竟誰是paper之王，全球前10的計算機科學家
最后發一個通知，2019年有三AI培養計劃出爐了，一個季度一期噢，可以掃碼閱讀或者直接閱讀。
2019年有三AI“春季”劃，給我一個榮耀，還你一生榮耀
?
總結
希望經歷過這一個系列后，還沒有入門，以及正準備入門的小伙伴們，能夠真正系統性地入門AI這個大家庭，我們給大家留出一個月的時間來消化。
下期預告：下一個專欄開始更新時間，3-1日。
?
轉載文章請后臺聯系
侵權必究
比如網絡loss不正常，怎么調都不管用。
比如訓練好好的，測試就是結果不對。
bug天天有，深度學習算法工程師遇到的特別多，如果你想交流更多，就來有三AI知識星球實時提問交流吧，大咖眾多，總有能解決你問題的。
初識境界到此基本就結束了，這一系列是為大家奠定扎實的深度學習基礎，希望學習完后大家能有收獲。
AI白身境系列完整閱讀：
第一期：【AI白身境】深度學習從棄用windows開始
第二期：【AI白身境】Linux干活三板斧，shell、vim和git
第三期：【AI白身境】學AI必備的python基礎
第四期：【AI白身境】深度學習必備圖像基礎
第五期：【AI白身境】搞計算機視覺必備的OpenCV入門基礎
第六期：【AI白身境】只會用Python？g++，CMake和Makefile了解一下
第七期：【AI白身境】學深度學習你不得不知的爬蟲基礎
第八期：?【AI白身境】深度學習中的數據可視化
第九期：【AI白身境】入行AI需要什么數學基礎：左手矩陣論，右手微積分
第十期：【AI白身境】一文覽盡計算機視覺研究方向
第十一期：【AI白身境】AI+，都加在哪些應用領域了
第十二期：【AI白身境】究竟誰是paper之王，全球前10的計算機科學家
AI初識境系列完整閱讀
第一期：【AI初識境】從3次人工智能潮起潮落說起
第二期：【AI初識境】從頭理解神經網絡-內行與外行的分水嶺
第三期：【AI初識境】近20年深度學習在圖像領域的重要進展節點
第四期：【AI初識境】激活函數：從人工設計到自動搜索
第五期：【AI初識境】什么是深度學習成功的開始？參數初始化
第六期：【AI初識境】深度學習模型中的Normalization，你懂了多少？
第七期：【AI初識境】為了圍剿SGD大家這些年想過的那十幾招
第八期：【AI初識境】被Hinton，DeepMind和斯坦福嫌棄的池化，到底是什么？
第九期：【AI初識境】如何增加深度學習模型的泛化能力
第十期：【AI初識境】深度學習模型評估，從圖像分類到生成模型
第十一期：【AI初識境】深度學習中常用的損失函數有哪些？
第十二期：【AI初識境】給深度學習新手開始項目時的10條建議
感謝各位看官的耐心閱讀，不足之處希望多多指教。后續內容將會不定期奉上，歡迎大家關注有三公眾號 有三AI！
?
?
總結
以上是生活随笔為你收集整理的【完结】听完这12次分享，你应该完成了AI小白的蜕变的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【模型解读】深度学习网络之Siamese
- 下一篇： 创业第一天，有三AI扔出了深度学习的15