学习路线

编译：李洁琼，制作：大数据文摘

今天给大家分享一份人工智能本科四年的学习路线和课程清单。

相信每一个进入人工智能领域的老手，都会或多或少地对自己这几年的学习生涯有所遗憾：如果能先从基础概念入手，对人工智能有更深入的了解就好了。核心算法。足够的…

近日计算机视觉编程语言，一位在该行业工作多年的斯坦福人工智能“师兄”，根据工作和学习经验，为在读生送上了一份大礼：一份人工智能四年制本科课程清单。希望有必要了解一下，人工智能的新同学可以依靠这张导览图，少走弯路。

这位慷慨的学长名叫埃里克，也是名副其实的“学霸”。在斯坦福大学的NLP研究组，和，，（三大巨头）一起做研究，花了3年非常充实的研究时间，收获颇丰。同时，Eric已经向ACL\\NLP提交了AI工作论文，均已发表。目前担任ACL的审稿人，以及业内人工智能公司AI的工程师。

作为一名大四毕业生，埃里克已经离开学校一段时间了。总结他的学习和工作经验，Eric 为他在人工智能和机器学习领域的职业生涯设计了一个完整的 4 年制人工智能和机器学习本科学位。课程。这些课程是为AI和CS领域的新人提供的。虽然是最新的定位，但 Eric 觉得这些课程一直沿用至今，都是必须学习的基本功。

第一年，打好基础

假设你没有 CS 方面的经验，你应该将一年中的大部分时间花在 CS 和机器学习的核心概念和算法上。推荐的课程是：

1.编程基础，这是AI从业者必须具备的基本软件工程技能。课程是：

2.计算机系统，本课程侧重于计算机的基本设计和构造，尤其是在学习软件编译时，程序运行时会发生什么，以及程序如何在内存中运行。课程是：

3. 算法导论，本课程包含计算机算法背后的数学和理论基础，例如最优搜索算法和动态规划，以及如何分析这些算法的内存和优缺点。课程是：

4.概率论、概率论和统计学是机器学习算法的核心，尤其是分析数据在实战中非常重要。课程是：

5.线性代数、如何计算矩阵和向量、线性方程和最小二乘法都是机器学习所需的数学基础。课程是：

6.多维微积分，调试函数的梯度，反向传播和机器学习，这些都是经常用到的。课程是向量微积分（工程师）：

第二年，从系统的基础知识开始慢慢摸索

AI本科二年级，你至少要了解一些人工智能的原理，应该用什么理论来解决问题，还需要加强对计算机系统运行的理解。

1. 人工智能概论，本课程包括搜索、游戏、逻辑和图形等人工智能领域的应用研究，以及机器学习算法的应用。课程：

2. ，主要是关于编译器背后的设计和原理。学完之后计算机视觉编程语言，至少应该了解编译器是如何构建的，以及编译器的模块化组件。你也需要明白。如果对语义识别感兴趣，可以好好看看编译器的设计与传统自然语言处理栈的相似之处，非常有趣。课程：

3.数据库原理，主要讲数据库管理系统背后的原理，比如关系数据模型、索引、模式等话题。如果你想成为一名数据专家或机器学习工程师，你必须了解数据库的原理。课程：

4.并行计算，这门并行计算课程会讲讲这些GPU系统背后的原理。课程：

5.操作系统，如果你想擅长系统编程，你必须学习这门课程。本课程是关于如何从头开始构建操作系统。不仅需要设计系统，还需要了解如何调试和代码管理。. 不明白，你手下的人打完：sudo rm -rf /* 就撤了。你怎么能保存你的代码？课程：

~/cgi-bin/

第3年，开始升职课程

这个时候应该开始学习高级课程，开始NLP、BA、CV的研究。

1.机器学习、监督学习和模型训练的概念，比如偏差、方差、正则化和模型选择，看似简单，但实际上每个人工智能从业者每天都在使用它们。课程：

2. 凸优化，本课程应用广泛，如统计学、机器学习、信号处理等领域都用到了凸优化。虽然有很多问题是非凸的，但你最好能理解它背后的逻辑。课程：

3.概率图模型，比如CV和NLP，经常被用到，所以我们还是需要了解一下。课程：

~//.html

4.数据挖掘、大数据与数据挖掘，本课程涵盖处理大数据集的技术方法，将使用推荐算法、聚类、大规模数据集计算与分析。你必须知道每天产生的东西数量是相当大的。课程：

5.NLP， ，让机器理解文本数据的理论和时序，同时也会在本课程中学习传统的自然语言处理，老师会教如何使用深度学习技术来处理这些。课程：

6. 基于 CV 的卷积神经网络基本上包含了深度学习背后的理论。例如，经常使用 CV 模型。只要学过人工智能课程的人，没错，就是李飞飞教授。课程：

四年级了，同学们，你们该开始玩游戏了

经过前3年的课程训练，你应该对计算机系统和人工智能的概念和应用有一个清晰的认识，找到你更感兴趣的方向，拿起数据集，开始自己运行模型，做数据分析，调整参与解决bug。如果你想成为一个真正的人工智能专家，你不仅要学习，还要动手实践。

1.对于研究项目，一些学校会提供这样的课程。在本课程中，您需要深入研究整个项目。课程：

2. 参与项目研究，主动找研究生学姐和学姐做他们的助手，再次传授基础知识，也可以选择自己开个项目做研究，主要是给你有项目经验。

3.大厂实习，如果你擅长时间管理，可以考虑在业余时间去AI公司实习。一般大厂都有这种3-6个月的实习机会。在实习的过程中，不仅要了解书中的基础知识，还要将基础知识运用到实践中去。这应该被认为是一个更好的实践机会。

4.竞赛实践：根据目前正在进行的数据竞赛，整理分类，有一定理论基础后适合实践，增加项目经验，完善简历。

1.数据挖掘大赛：

2. 天池简历大赛：

3.天池NLP大赛：

4.天池产业大赛：

5.时间序列竞赛：

以上是斯坦福大学毕业生Eric，他是人工智能从业者，给AI萌心一个4年的规划安排。如果觉得以上课程难度较大，可以适当调整。相信对你入门和学习AI会有帮助。.

参考资料：

努力分享优质的计算机视觉相关内容，欢迎关注：

交流群

欢迎加入公众号读者群与同行交流。目前有美妆、3D视觉、计算摄影、检测、分割、识别、GAN、算法竞赛等微信群。

个人微信（如无备注请勿拉群！）

请注明：地区+学校/企业+研究方向+昵称