零基础学人工智能怎么学(人工智能零基础如何自学入门)

在GitHub上，有一个新发布的深度学习教程叫做PracticalAI。今天刚刚被PyTorch官方推荐，收获了2600多颗星。
该项目是基于PyTorch，这是一个先进的道路，从孟新到老司机。这条路上的每一步，都有可以直接运行的算法的例子。
初学者可以从基础开始学习，不仅是线性编程和随机森林，还有如何使用笔记本和NumPy等重要的Python库。有动手教程。
中后期可以学骑先进的和强大的GAN，这里有很多实际应用的例子可以跑。毕竟这是一个实际的项目。
这里的算法示例可以由Google Colab运行，并从云TPU/GPU免费借用，只要有一个Chrome。如果没有梯子，用Jupyter笔记本跑。
内容友好，PracticalAI中的内容持续更新。它分为四个部分，并将不断更新：
基础、深度学习、高级和特定应用(主题)。注意：这不是直译。
基础部分，除了Python指南、笔记本使用，以及Numpy、Pandas等库的使用，还包括线性规划、逻辑规划、随机森林、k-means聚类等机器学习的基础技术。
有了这些，你就可以进入深度学习的世界。
深度学习介绍，包括PyTorch guide，MLP，数据与模型，面向对象的机器学习，卷积神经网络(CNN)，嵌入，递归神经网络(RNN)。
高级深度学习将涉及更高级的RNN、自编码器、生成对策网络(GAN)和空间转换器网络等。
最后是应用。计算机视觉是一个重要的方向。此外，还会涉及时间序列分析、商品推荐系统、预训练语言模型、多任务学习、强化学习等。您还可以修改示例并编写自己的应用程序。
细心的朋友大概发现，表格中有些题目没有链接(如上图)。该项目的作者表示，这些部分将很快更新。
另外，桌子上还有未填充的方块，作者也欢迎大家投稿。
食用说明，无微不至的关怀。项目作者用三点来描述这个项目：
首先，PyTorch可以用来实现基本的机器学习算法和神经网络。第二，可以用Google Colab直接在网页上运行一切，不需要任何设置(也可以用Jupyter运行)。第三，可以学习做面向对象的机器学习，与实际应用紧密相关，而不仅仅是入门教程。
那么如何开始呢？运行笔记本：
(步骤几乎是给Colab写的。Jupyter用户可以忽略。)
第一步是进入项目中的笔记本目录。第二步：使用Google Colab运行这些笔记本，也可以在本地运行。第三步：点击一个笔记本，将网址：https://github.com/中的这一段替换成这一段：https://colab.research.google.com/github/或者使用Colab中打开的Chrome扩展一键解决。第四步。登录谷歌账户。第5步：单击工具栏中的“复制到驱动器”按钮，在新选项卡中打开笔记本。
第六步。重命名此新笔记本，并删除名称中的副本。第七步：运行代码，修改代码，放过自己。所有更改将自动保存到Google Drive。
开始学习吧，不然等内容更新了你会学到更多。
项目门户：https://github.com/GokuMohandas/practicalAI/