目前還不確定要學多廣
因為深度學習的原理好像滿困難的
我想有兩條路線:
1. 從數據分析(資料科學)開始(理論 > 實作):
這部分我有一本原文書可以看
了解數據分析的基礎 => 可能會使用Python加上一些常用套件(NumPy、Pandas
Matplotlib...etc)，並了解一些會用到的數學
知識
進一步演進到機器學習 => 使用scikit-learn，學習
分類 => 迴規 => 集群 => 降維
然後後面還有一堆我沒碰過的東西:
a. 模型驗證
b. 超參數
c. 特徵工程
d. 貝氏分類法
e. 決策樹
.... 等
結束後，"應該"可以理解並實作一個簡單的"臉部辨識"
2. 直接使用現成的AI (使用Google 的 Gemini API 實作>理論):
這部分直接使用網路教學，我有找到一堆資料了。
等到摸熟了再回去學剛才提到的第一點?!
我的目的是要學會它的基礎原理並加以利用...
不知版上是否有人有學習AI的經驗，感謝提供意見。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.73.53 (臺灣)
※ 文章網址: https://webptt.cc/bbs/Tech_Job/M.1754295538.A.B42.html
是 我也想通了 與其在這猶豫 還是開始吧!
那就從第一點開始 謝謝
另外也歡迎後面的人補充意見
※ 編輯: wa007123456 (118.160.73.53 臺灣), 08/04/2025 17:02:01
推文 (61)
推
hidog
有辦法出國留學嗎，大公司大概都要博士且
111.241.170.119 08/04 16:30
推
hidog
論文是AI相關才有機會
111.241.170.119 08/04 16:30
→
hidog
如果只是興趣，可以套用寫好的套件來跑
111.241.170.119 08/04 16:30
→
wa007123456
我沒錢出國...但是我只是想學會基礎
118.160.73.53 08/04 16:31
→
wa007123456
原理就好了 感謝回答!
118.160.73.53 08/04 16:31
→
wa007123456
我再想一下，要不要從實作開始 謝啦
118.160.73.53 08/04 16:32
推
NCUking
去看李宏毅的課程
101.12.154.86 08/04 16:38
→
NCUking
不過半路出家 只能做呼叫LLM API的工作
101.12.154.86 08/04 16:39
推
NCUking
API套殼仔做到極致也是有錢途的
101.12.154.86 08/04 16:43
推
hidog
基礎就線代微積分阿，這兩科熟的話不難自
111.241.170.119 08/04 16:54
推
hidog
修
111.241.170.119 08/04 16:54
推
chang1248w
你說得ai是指什麼？
42.73.127.190 08/04 17:03
→
wa007123456
我說的只有機器學習而已 有用到SVM
118.160.73.53 08/04 17:04
→
wa007123456
跟深度學習不同
118.160.73.53 08/04 17:04
→
chang1248w
是近十年發展的以back propagation為
42.73.127.190 08/04 17:05
→
chang1248w
基底的deep learning?
42.73.127.190 08/04 17:05
→
chang1248w
還是近五年的LLM/圖片生成？
42.73.127.190 08/04 17:05
→
wa007123456
不是DeepLearning
118.160.73.53 08/04 17:06
→
chang1248w
ml入門isl和Stanford cs229唄
42.73.127.190 08/04 17:06
→
wa007123456
也不是LLM
118.160.73.53 08/04 17:06
→
chang1248w
introduction to statistical learni
42.73.127.190 08/04 17:07
→
chang1248w
ng in python
42.73.127.190 08/04 17:07
→
wa007123456
OpenCourse嗎? 感謝
118.160.73.53 08/04 17:07
→
chang1248w
這本適合入學者建立基本概念，想往後
42.73.127.190 08/04 17:09
→
chang1248w
學學習理論再看fondation of ml，想
42.73.127.190 08/04 17:09
→
chang1248w
更了解ML演算法可以看the elements o
42.73.127.190 08/04 17:09
→
chang1248w
f statistical learning
42.73.127.190 08/04 17:09
→
wa007123456
好 謝謝
118.160.73.53 08/04 17:10
→
chang1248w
bishop要理論不夠理論，要應用不夠應
42.73.127.190 08/04 17:12
→
chang1248w
用
42.73.127.190 08/04 17:12
→
chang1248w
還有點舊
42.73.127.190 08/04 17:13
推
SEPHI
建議深度學習還是得瞭解
114.40.136.63 08/04 17:21
→
DrTech
別浪費時間學sk-learn了。直接上pytorch吧
42.73.183.193 08/04 17:45
→
DrTech
。
42.73.183.193 08/04 17:45
推
scotch
如果沒基礎直接進Statistical我覺得也不一
188.214.106.187 08/04 19:04
→
scotch
定適合，直接玩Pytorch做點Deep learning
188.214.106.187 08/04 19:04
→
scotch
嚐嚐味道。然後慢慢看你要走數學向、Deplo
188.214.106.187 08/04 19:04
→
scotch
yment、MLops每一門都差很多。
188.214.106.187 08/04 19:04
推
luweber88
你列的那些不是大學課程嗎？找個有公開
106.1.243.171 08/04 19:18
→
luweber88
課程網頁的老師看講義就好
106.1.243.171 08/04 19:18
→
Iversonshao
看大金老師 通識的方法 學AI
49.216.173.212 08/04 19:25
→
Iversonshao
記得寫他的作業
49.216.173.212 08/04 19:25
→
MTKer5566
你講的東西其實都是數學
114.137.113.227 08/04 19:26
推
j112233446
把你的問題去問LLM，他應該可以一定
106.64.182.113 08/04 19:47
→
j112233446
程度的幫你規劃1的學習路徑
106.64.182.113 08/04 19:47
推
venroxas
問AI其實可以理解很多東西
223.137.88.75 08/04 20:46
→
WenliYang
不用學 AI沒台灣啥事……
39.15.72.218 08/04 23:07
推
newshoes123
除非未來有規劃去美國工作在學AI
101.8.162.62 08/04 23:22
→
han3rd
先看年齡吧 超過35就不用浪費時間了 死活
36.231.48.137 08/04 23:57
→
han3rd
捲不過年輕人
36.231.48.137 08/04 23:57
→
MTKer5566
AI的機殼代工可
114.137.113.227 08/05 09:19
→
topahot9303
個人經驗只有學會下prompt 用在工作
42.79.112.167 08/05 12:17
→
topahot9303
上
42.79.112.167 08/05 12:17
→
musashi023
台灣的ai缺大部分都是笑話
211.72.230.32 08/05 12:29
→
chemistry123
建議從fastai這種先學快速實作，再
111.71.218.67 08/05 21:27
→
chemistry123
回頭補數學基礎，youtube很多免費
111.71.218.67 08/05 21:27
→
chemistry123
資源
111.71.218.67 08/05 21:27
噓
pig2014
一狗票，大概90%都學過，問題都不是tran
101.138.243.79 08/06 20:35
→
pig2014
sformer，所以只能打雜
101.138.243.79 08/06 20:35
推
nanpolend
看你想學多深簡單就是LLM深入甚至得複
220.143.143.127 08/24 04:10
→
nanpolend
習大學數學課目幾乎全用上
220.143.143.127 08/24 04:10