一名合格的人工智能工程师，需要及早了解的知识体系

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/duozhishidai/article/details/86710026

人工智能知识体系
1、数学基础
微积分
线性代数
概率统计
信息论
集合论和图论
博弈论
2、技术基础
计算机原理
程序设计语言
操作系统
分布式系统
算法基础
3、机器学习算法
机器学习基础：估计方法、特征工程
线性模型：线性回归
逻辑回归
决策树模型：GBDT
支持向量机
贝叶斯分类器
神经网络——深度学习：MLP、CNN、RNN（LSTM）、GAN
聚类算法：K均值算法
4、机器学习分类
监督学习：分类任务、回归任务
无监督学习：聚类任务
迁移学习
强化学习
5、问题领域
语言识别
字符识别：手写识别
机器视觉
自然语言处理：机器翻译
自然语言理解
知识推理
自动控制
游戏理论和人机对弈：象棋、围棋、德州扑克、星际争霸
数据挖掘
6、机器学习架构
加速芯片：CPU、GPU、FPGA、ASIC（TPU）
虚拟化：容器（Decker）
分布式结构：Spark
库和计算框架：TensorFlow、scikt-learn、Caffe、MXNET、Theano、Torch、MicrosoftCNTK
7、可视化解决方案
8、云服务
AmazonML
GoogleCloudML
MicrosoftAzureML
阿里云ML
9、数据集和竞赛
ImageNet
MSCOCC
Kaggle
阿里天池
10、其他相关技术
知识图谱
统计语言模型
专家系统
遗传算法
博弈算法：纳什均衡
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，有兴趣的朋友，可以查阅多智时代，在此为你推荐几篇优质好文：
1.人工智能时代，AI人才都有哪些特征？
http://www.duozhishidai.com/article-1792-1.html
2.大数据携手人工智能，高校人才培养面临新挑战
http://www.duozhishidai.com/article-7555-1.html
3.人工智能，机器学习和深度学习之间，主要有什么差异
http://www.duozhishidai.com/article-15858-1.html
4.大数据人工智能领域，如何从菜鸟晋级为大神
http://www.duozhishidai.com/article-1427-1.html