这可能是业内最齐全的机器学习课程大纲了！

为了能让更多初学者了解机器学习/数据分析/数据挖掘等岗位的具体工作流和技能，找到入门的切入点，菜鸟窝特地邀请了3位人工智能不同领域的专家，一位是就职于阿里的高级算法专家@Chris，一位BAT的数据挖掘工程师@熊猫酱，一位计算机视觉方向的专家@Angela，以自身具体的工作流为核心，举办连续四场人工智能入门直播公开课！

老师们将分别从各自擅长的领域：机器学习学习路线、python数据分析、机器学习数学、算法工作流、深度学习，以在大厂具体工作流逆向指导理论学习，规划学习路线，是不可多得的入门级课程，旨在为广大的AI爱好者和跨行学习者提供坚实的基础。

赶不上直播课的童鞋可戳链接看回放：

<直播课精华内容整理>

• 1、人工智能的行业情况是怎样的？整个行业是怎么分类的？

在校本科、硕博想入门AI或其他行业想转行AI的童鞋，对于人工智能的现状很不了解且不知如何入门。其实目前AI在学术界是没有权威的定位标准的，但工业界可以大致分为以下四大分类：硬件（专业是微电子、集成电路会学习算法知识）、底层（关注计算机原理）、软件工程（关注算法执行效率，应用性是否耦合、合理）、业务应用（解决业务问题）（此处不明白的可戳链接看第一讲回放视频：

目前中国人工智能行业缺口达到40万，缺的就是业务应用领域的算法工程师。它要求这类工程师既要精通算法原理、懂得应用场景剖析，又要懂得模型上线部署，帮助企业解决实际业务问题，从而创造效益！故此企业真正需要的人是业务应用型的算法工程师，这也才是菜鸟窝开设本次机器学习vip就业班的初衷所在！我们不会一条一条教你怎么去撸码，而是全部会集中于业务应用。先从数学和python基础开始，具体地讲每一种业务场景中的常见问题，实际工作是用什么方式去解决问题，上完整个菜鸟窝的机器学习vip课程，你就相当于获得了一个公司中解决实际工作问题的思路和能力。

• 2、人工智能所需要学习的技能有哪些？

①机器学习的基础是数学，入门AI必须掌握一些必要的数学基础，但是并不是全部的数学知识都要学，只学工作上实际有用到的，比如是微积分、概率论、线性代数、凸优化等这些。

②数据分析里需要应用到的内容也需要掌握，但不是网上所说的从0开始帮你做数据分析的那种，而是数据挖掘或者说是数据科学领域相关的东西，比如要知道计算机里面怎么挖掘数据、相关的数据挖掘工具等等

补足了以上数学和数据挖掘基本知识，才可以正式进行机器学习算法原理的学习。

③算法方面需要掌握一些基本的框架：python、spark、mllib、scikit-learning、pytorch、TensorFlow，数据方面需要懂得HQL、numpy、pandas，如果你本身是后台开发、app开发、数据分析、项目管理，则是一个学习算法的一个加分项。

④最后需要对人工智能有全局的认知，所以菜鸟窝的机器学习vip大课会讲授到算法理论，包括机器学习、深度学习两大模块，相关的算法原理、推导和应用的掌握，以及最重要算法思想。

• 3、真正实际工作中的算法工作流程是怎样的？

BAT企业的算法工程师是这样工作的：问题抽象、数据采集和处理、特征工程、建模训练调优、模型评估、上线部署。（具体操作可以看阿里算法专家chris老师的第一讲回放视频

）而一个算法工程师真正值钱的地方在于问题抽象和上线部署这两个。

• 4、AI的职业未来发展方向有哪些？

四个大方向：算法专家、解决方案架构师、CIO、数据科学家（四个方向的具体技能可看chris老师的第一讲回放视频https://www.cniao5.com/course/10231）

机器学习vip大课会把大家的方向引向算法专家和数据科学家两个领域，因为这两个领域的人才缺口最大。

• 5、机器学习中常见的数学基础有哪些？

微积分，线性代数，概率论在机器学习几乎所有算法中不可或缺。如果你数学不是那么扎实，大学学的数学知识都还给老师了（大部分同学都是如此），那么重新温习一下这些重要概念也不错。考虑到理论的数量，我们并不建议大家从大部头开始。尽管一开始可以用它查询具体概念，但是初学者先关注简单的话题比较好。我建议从提纲之类的视频教材入手，其中所有核心概念均被涉及，次要概念可在需要的时候自行查询。这种方法虽然不够系统，但却避免了这样的缺陷：大量晦涩概念使得没有扎实理论背景的人望而却步。

• 6、深度学习和机器学习到底是什么？（具体可回看第四讲回放视频：https://www.cniao5.com/course/10231）

网络上那么多深度学习的资料，学习了很多之后还是懵懵懂懂的。Chris老师通过横向对比的方式，让你了解一个普通的程序和机器学习算法的相同点/差别点是什么？对于程序而言就是要一个准确的结果，而对于机器学习而言我们要的是规则。

机器学习有聚类算法和分类算法，这是常见的一些机器学习算法。网络上大多数资料都显示深度学习只是机器学习的一种特殊类型，今天我们从另一个角度来看，其实深度学习是另外一类算法的集合，深度学习的核心是网络深度和网络结构。网络深度是一个相对概念，没有说一个隐藏层要大于多少才算深度学习。

深度学习的另外一个核心是网络结构：深度自信网络、神经网络、循环网络、卷积网络都各自是一种结构。按照结构的不同，有不同的分类，比如LSTM、ResNet都是一种特殊的结构，而不是一种特殊的算法。LSTM是深度学习算法领域中的一种网络结构，千万不要理解为一种算法。

• 7、常见误区：学了机器学习这么多知识点之后，那什么时候教我学推荐系统算法？

有不少童鞋有疑问，入门AI，学习完了数学、python、机器学习、深度学习等等知识点，那什么时候学习推荐系统算法啊？其实，这个是同学们最常犯的误区。因为算法是可以应用在不同的方向、业务里面。推荐系统知识一个应用项目，算法才是底层基础和核心，不要把推荐系统、风控系统、图像检测、人脸识别等当做是算法，没有这种分类，这些仅仅是算法的应用方向。

算法的应用方向或应用领域有数据挖掘、计算机视觉、音频、计算机自然语言处理、自动化等，而推荐系统、流失挽回系统、风控系统、智能问答、翻译、智能控制、人脸识别等这些其实只是一个个实际的项目，不是算法，世界上没有一种算法叫做推荐系统算法的。所以不要再有这样的误区：你们的课程体系教不教推荐系统算法啊？因为其实推荐系统不是一种算法，它仅仅是个实践项目而已。如果我需要预估一个推荐系统里的点击率，是应该了解哪些算法可以解决这个实际问题，比如一些机器学习的算法或者是深度学习的神经网络、逻辑回归算法、决策树算法等都可以解决，因此算法才算核心，只有掌握了算法思想和原理，就不仅可以去做推荐系统，还可以计算机视觉、计算机语言处理等领域的项目，解决企业项目中的各项问题。（还没明白的童鞋可以回看第四讲视频：https://www.cniao5.com/course/10231）

解决具体业务的问题，应该是去选择哪些解决问题的算法，所以机器学习vip大课才会覆盖各种算法的学习，因为你到企业中去是要去解决实际问题的，而要解决推荐、用户召回这些实实在在的问题，你就必须要懂得算法，知道哪个算法是最合适解决当前问题的。而你要懂这些算法的前提，你就必须要懂一些基本的数学知识，python基础和机器学习知识，其他机构是不会去很仔细的教这些知识的，所以很多童鞋会学完之后算法基础都很薄弱，因为基底没打好。

• 8、基础神经网络的具体运用过程和基本原理

从一个案例开始，带你全局掌握一个神经网络的基本原理以及核心是什么。具体案例推算过程可以回看第四讲视频：https://www.cniao5.com/course/10231）

• 9、算法岗位的面试流程和面试tips

刚转行或者有一两年工作经验的童鞋，一般都会经历以下四个流程。

• 面试小tips：

1、人工智能专业基础是第一面中最重要的，并不是说让你推导算法，懂不懂分类、决策树算法这些，而是要求你知道对于机器学习、深度学习来说，什么是最重要的，两种算法之间的区别是什么。各种算法之间应该怎么进行评估。

2、第二面直系领导面关注的是项目经验和实用价值，也是最重要的一面。人工智能领域跟其他领域不太一样，很多时候对一个算法的应用都算一个经验，比如说你可以把一个算法在知乎上写一个专栏，都算一个项目经验。而在面试过程中你可以了解到所应聘公司要做什么项目，比如说是推荐系统的话，你可以针对性地展示你对推荐系统的理解，所要用的算法的原因，可以让直系领导知道你的价值所在，你是对算法思想以及适用性有一定了解的。

• 10、如何才算入门AI？

确实人工智能领域所要学习的东西太多，交叉的知识太多，所以这样才需要有导学。很多同学自学，每个部分都学一些，但是却不能实际应用。而企业的面试官真正会问到问题是这些：某个算法的原理是什么？某个实际问题应该用什么算法解决？在某个场景下你应该应用什么样的算法？比如推荐系统的召回算法你应该怎么设计？你对推荐系统的认知，你知道哪些呢？等等，能够回答这些问题，你才算真正入门，而不是说我懂线性代数、懂python、懂机器学习理论就是入门了。要回答某一问题要用什么问题解决，你要知道全貌，要学习很多的算法原理和思想的，并且知道怎么应用。

• 11、人工智能的学习路线
  

• 12、算法工程师的职业路线和发展
  

<部分学员答疑>

• 1、机器学习vip大课会讲到深度学习的内容吗？

菜鸟窝的机器学习Vip课会专门有一个模块专门讲深度学习，深度学习更多是一种算法架构思维方式，但是它作为当今火热的一个名词，我们需要理解它所包含的思想。神经网络、卷积神经网络等都会讲，从数据的角度，去理解 CNN 内部做了什么。只有当概念清晰时，我们才能对实际视觉问题给出合适的答案。人脸识别、物体检测等原理，序列建模的原理及常见应用场景以及深度学习模型部署，这些统统都会讲到。最后还会进行一个基于卷积神经网络的图像分类实战。【大课的具体大纲和免费视频资料领取可勾搭运营小姐姐，微信id：BT474849】

• 2、目前从事是数据分析3年，之后想往nlp方向走，请问报名菜鸟窝的机器学习vip课程可以帮助到我吗？

nlp的话，数据分析累计的经验还真没办法通用，nlp的基础还是数据挖掘算法，然后机器学习中有nlp相关，深度学习中有nlp相关，这些我们的大课里都有~计算机视觉是一类，nlp也是一类问题，而我们是学习解决各类问题的基础，也就是机器学习和深度学习算法。不是说我上来就学如何建立推荐系统，如果搞个问答系统，如果单纯学个推荐系统咋弄没多大意义，推荐系统仅仅就是个实践模块而已。

• 3、应用型的数据分析人员，需要懂得算法原理吗？

其实数据分析是数据科学的一个领域，数据分析人员在浅层次懂得在某个场景下用什么算法模型，这是对的，但是从更深层次来讲，你更应该知道这个场景下哪个算法运行的效果更好，你不能从更加深层次地了解为什么，就是不懂算法的原理和思想，原理不是说一步步地推导公式，而是某个算法的一个具体训练过程、运行过程营关注哪些问题等等。