算法基础和数学基础都不高,学AI能干什么?

开课吧开课吧锤锤2021-02-03 10:11

数学基础不好,算法基础不好。你能不能从事这个行业。现在就说说现在AI算法研究一些分层。

第一层,以老一辈计算机开发工作人员为主,有扎实的编码能力,转AI算法后,只需要了解算法流程,在github上面copy代码,用在自己的项目,并且修改一些小东西,比如参数,bn,或者减少一些层,增加一些层。其实就是在瞎改,神经网络是“黑匣子”?其实不是,只是层数太多我们人很难准确分析每一层的内容,一个庞大的复合函数靠人去分析每一层很容易绕晕的,从理论上来看它根本不是黑匣子。只是好多人不想去研究,也比较复杂。这一层其实目前是比较吃香的,因为公司招你进去就是你做不了算法,也可以转开发。

第二层,以高校为主,导师有着扎实的理论基础,特别是有数学专业背景的导师,纸上谈兵说一些东西让学生去做,其实没有多少实践经验。我的观念是理论为主,实验为辅,以实验优化理论,以理论促进实验。

第三层的第一层,以各大高校学生为主,包括985 211研究生,跟着这个神经网络的时代,心思没有在于基础理论课,但或多或少大学学过一点数学,可是不是数学专业,或者就算是数学专业,数学基础也不好。看着现在最新的网络,感觉拥有了一切,然后并不明白其中原理,也不知如何改进创新。如果是计算机专业的,可以写上漂亮的代码,包括leecode上面的算法题,那种算法题不是数学意义上的算法,只能说是计算机网络方面的算法。这种出去目前是比较好找工作的,包括去大厂也是没问题的。

问答

第三层的第二层,这一层也是学生为主,可是是一批精通理论研究的研究生或者博士。其中许多数学专业毕业,为什么这么肯定呢?因为我是数学专业毕业明白周围热爱数学的同学的一些钻研精神,有些问题必须给我给数学解释,不然我不解释,哈哈哈。我研究生的一位师弟就是这样的,曾经学习CNN的时候把CNN的bp算法每一步每一层都要问清楚,包括为什么那么更新,那么翻转,那么卷积,其实都是有数学依据的,这里就不细说了。同时这类学生还会研究机器学习,强化学习等,传统算法估计现在从事AI的工作人员知道的也少。他们这类算法其实是最具有数学美的算法也是比较难理解的算法,只是因为目前全自动的爆发,以及大样本的使用,我们有了更加简单的神经网络替代。因为时间有限,这类同学实践经验不行,也就是代码能力没有计算机的好,找工作也不如计算机的好找,这也体现了现在各大公司AI研究的可悲。尽管AI研究人多并且感觉很有收获,可了解的都知道,里面有多少水的东西,好多厉害的工业上算法的作者全是国外的,其实这类同学培养一下代码能力,他们是最有创新能力的一批AI研究者。

第四层,这个就厉害了,数学基础算法基础代码能力全部都扎实的,他们基本是各大主流算法的作者,中国的类似陈天奇,何凯明这类人,可以说他们才是真正推动AI发展的人。

第五层,那就是第四层背后的个别导师了,因为经常有青出于蓝胜于蓝。

那么最后到底什么是数学基础扎实呢?不是你学了多少课,而是你对于数学知识到底如何理解的,从数学专业来看目前AI用到的数学知识只有本科数学专业的三分之一。概率上面你得清楚知道什么是分布,什么是概率,实变函数可以告诉你空间和概率论之间的关系。基本现在用到的一些细节就是条件 边缘 贝叶斯 变分法 蒙特卡洛 期望 方差 偏差 修正 分布间的度量。数值计算方面梯度下降等一系列优化算法。优化算法方面,有凸规划要学,这也是现在AI的基石。当然寻优还有很多算法比如遗传算法,鸟群算法等。几何方面也有许多,不过大家应该都没问题。数学里面还有个泛函和算子,这也是很重要的。还有对低维到高维也要真正理解。矩阵方面有特征值,迹,迹的性质,特征向量,正交矩阵,还有各类变换,其实这就涉及到矩阵乘发的本质意义了。基本降维上面都利用了矩阵的一些知识点。还有就是函数的逼近,泰勒,傅立叶,以及离散和连续的转化。

算法基础方面,如果是svm,gbdt,神经网络各类算法,数学基础也是算法基础。如果是leecode什么的,大家刷题就好了。

人工智能在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用。发展前景很可观,有对人工智能感兴趣的同学就赶快学习起来吧。以上就是小编今天为大家整理发布的“算法基础和数学基础都不高,学ai能干什么?”一文,希望为正在学习人工智能的朋友提供学习参考,更多人工智能问答尽在开课吧广场人工智能问答频道!

有用
分享
全部评论快来秀出你的观点
登录 后可发表观点…
发表
暂无评论,快来抢沙发!
AI项目实战精讲