¿Qué necesitan aprender los ingenieros de inteligencia artificial?
1, conceptos básicos de matemáticas
Piedras
Álgebra lineal
Estadística de probabilidad
Teoría de la información
Teoría de conjuntos y teoría de grafos
Teoría de juegos
2. Bases técnicas
Principios de la ingeniería informática
Programación. Idioma
Sistema operativo
Sistema informático distribuido
Conceptos básicos del algoritmo
3. Algoritmo de aprendizaje automático
Conceptos básicos de aprendizaje automático: métodos de evaluación, ingeniería de características
Modelo lineal: regresión lineal
Regresión logística
Modelo de árbol de decisión: GBDT
Vector compatible máquina
Clasificador bayesiano
Aprendizaje profundo de redes neuronales:, CNN, (), GAN
Algoritmo de agrupamiento: algoritmo K-means
p>4. Clasificación del aprendizaje automático
Aprendizaje supervisado: tareas de clasificación y tareas de regresión
Aprendizaje no supervisado: tareas de clustering
Transferencia de aprendizaje
p>Aprendizaje por refuerzo
5. Área problemática
Reconocimiento de voz
Reconocimiento de caracteres: reconocimiento de escritura a mano
Visión por computadora
p>
Procesamiento del lenguaje natural: traducción automática
Comprensión del lenguaje natural
Razonamiento del conocimiento
Automatización
Teoría de juegos y juegos hombre-máquina: ajedrez, go, póquer Texas Hold'em, StarCraft.
Tecnología de minería de datos
6. Arquitectura de aprendizaje automático
Chips de aceleración: CPU, GPU, FPGA, ASIC (TPU).
Virtualización: Decker
Estructura distribuida: Spark
Bibliotecas y frameworks informáticos: TensorFlow, scikt-learn, Caffe, MXNET, Theano, Torch, Microsoft CNTK.
7. Soluciones de visión
8. Servicios en la nube
Amazon ML
GoogleCloudML
MicrosoftAzureML
p>
Alibaba Cloud ML
9, conjuntos de datos y competiciones
ImageNet
MSCOCC
Kagel
Alibaba Tianchi
10, otras tecnologías relacionadas
Mapa de conocimiento
Modelo de lenguaje estadístico
Sistema experto
Algoritmo genético
Algoritmo de juego: equilibrio de Nash