AI经典书单:入门人工智能该读哪些书?


在招聘网站上搜索人工智能相关的岗位,这些岗位的涉及到的技术领域包含:算法、深度学习、机器学习、自然语言处理、数据结构、Tensorflow、Python 、数据挖掘、搜索开发、spider开发、神经网络、视觉度量、图像识别、语音识别、推荐系统、系统算法、图像算法、数据分析、贝叶斯方法、概率编程、计算机数学、数据仓库、matlab建模等关键词,基本涵盖了现阶段人工智能细分领域的人才结构。

v2-374147376efaf2001b755577e58f63e0_1200x500.jpg

将上面的岗位涉及到的岗位和技术划分为四大类,就形成了五份书单:


国务院印发《新一代人工智能发展规划》


国务院2017年7月8日印发《新一代人工智能发展规划》。

v2-f7b8e9e77fa5fe0f66307599cd170c75_1200x500.jpg

《新一代人工智能发展规划》提出新战略目标,到瞄准自动驾驶、城市大脑、医疗影像和智能语音等领域建设“国家队”,从创新重点任务“揭榜挂帅”机制到加快研究起草治理准则防范风险,人工智能发展蓝图愈发清晰,“新智慧”的发展动能也日益强劲。


16种常用的数据分析技术汇总


数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。将数据分析商业化、信息化,从而实现商业价值的企业信息化建设过程称为商业智能

Data-Analysis-1080x675.jpg

数据分析驱动的决策管理是优秀管理者必备的竞争优势,进而成为下一步运营战略规划的基础。本文整理十六种常用的数据分析技术,更多详尽信息需深入统计学及商业智能课程,并请区别数据分析方法


机器学习、数据科学、人工智能、深度学习和统计学之间的区别


这篇文章中,数据科学家与分析师 Vincent Granville 明晰了数据科学家所具有的不同角色,以及数据科学与机器学习、深度学习、人工智能、统计学、物联网、运筹学和应用数学等相关领域的比较和重叠。

dsc_logo_rm4.png

Granville 介绍说,由于数据科学是一个范围很广的学科,所以他首先介绍了在业务环境中可能会遇到的数据科学家的类型:你甚至可能会发现你自己原来也是某种数据科学家。和其它任何科学学科一样,数据科学也可能会从其它相关学科借用技术;当然,我们也已经开发出了自己的技术库,尤其是让我们可以以自动化的方式(甚至完全无需人类干预)处理非常大规模的非结构化数据集的技术和算法,进而实时执行交易或进行预测。