人工智能教育：在哪里可以学习“做”人工智能？

如果你认为你可以在生活中跳过人工智能，你会改变主意并利用这些资源！

根据Coursera的首席执行官Jeff Maggioncalda于1月18日在瑞士达沃斯宣布的消息，这家美国教育科技平台目前每分钟平均增加一个学生参与人工智能课程。这表明个人正积极提升技能，以迎接未来生成式人工智能的蓬勃发展。

对于那些完全脱离现今世界并不认识上面那个人的人，请查看下面的链接：

随着OpenAI的ChatGPT技术的帮助，企业们正在竞相发布自己版本的热门聊天机器人，该机器人已经风靡全球。

初学者应该学习哪些技能？

更多的科学论文关于人工智能已经发表出来，超过任何人一生都无法阅读完。因此，在培训过程中，优先选择话题变得尤为重要。以下是一些最重要的话题。

机器学习基础。理解线性回归、逻辑回归、神经网络、决策树、聚类和异常检测非常重要。你还需要理解关键的机器学习概念，如偏差和方差、代价函数、正则化、优化算法等。
深度学习。这个方向已经成为机器学习的重要组成部分，如果不了解它很难取得成功。因此，值得了解神经网络的基础知识，设置它们的超参数，卷积网络，变压器等等。
数学对于机器学习来说非常重要。掌握线性代数（向量、矩阵、与它们的各种运算）、概率论和统计学（标准正态分布、贝叶斯定理、统计假设检验等）是必要的。能够进行探索性数据分析（EDA）也很重要。对数学分析的基本理解也会有帮助。
软件开发。如果您学会了如何编写软件来部署人工智能解决方案，你的职业机会将会增长。因此，掌握编程基础、算法和数据结构，并熟悉Python以及重要的库（如TensorFlow，PyTorch和scikit-learn）是值得的。

数学知识水平的要求不断变化。现在许多机器学习技术已经可以直接使用且需要较少的调试。因此，基本的数学知识通常就足够与它们一起工作了。然而，在机器学习库还没有如此发展的时候情况是不同的。

深度学习还处于起步阶段。因此，在训练神经网络时，了解梯度下降或Adam优化算法背后的数学原理将有助于您做出更好的决策。

这里是由领先的在线学习平台提供的前5个在线学习资源的列表，其中许多资源你已经很熟悉并且非常受欢迎。

如果你是一个完全的初学者，欢迎来到优达学城的《人工智能》课程。你将学习人工智能和机器学习的基础知识。
另一门基础课程是IBM在Coursera上的《人工智能面面观》。这也是最受欢迎的课程之一。它让人们了解人工智能的基础知识，包括神经网络、人工智能伦理、人工智能问题解决、构建人工智能策略等等。
对于那些已经熟悉人工智能概念的人来说，Udacity的基于知识的人工智能：认知系统课程将是一个不错的下一步。虽然它是一门高级水平的人工智能课程，但它免费提供。课程内容包括结构化知识表示、问题解决方法学、规划、决策和学习方法。
前进，尝试这门课程 - Coursera的《人工智能、机器学习和深度学习的TensorFlow入门》。您将学习如何使用TensorFlow来实现人工智能、机器学习和深度学习的原理，从而创建可扩展的模型，解决现实世界中的问题。
如果您正在寻找认证，可以尝试在Coursera上学习IBM的IBM应用AI专业证书课程。除了认证，该课程还将帮助您理解人工智能技术、其应用和使用案例。

仍然不确定你是否应该尝试一下？好吧，这完全取决于你，但很快我们将发现自己面临的情况远远超越了下面的这个模因。