人工智能学习路线图

我谈谈我学习人工智能的路径，仅供大家参考：

背景：

我是数学专业本科不是计算机专业，大四之前完全没学过AI，到现在已经工作了13年，2014年开始学习AI，用的Andrew Ng在Coursera上的《机器学习》入门——朴素贝叶斯，K-means，KNN，PCA，SVM，L1-正则化，CNN，RNN，LSTM，GAN等等

下面我画一棵人工智能的技能树：

AI技能树

基础篇

数学基础：

微积分，数学分析，傅里叶分析（傅里叶变换，拉普拉斯变换，Z变换，信号与系统）,运筹学（OR，运输问题，单纯形法，对偶理论，凸优化，牛顿法，龙格库塔方法，LU分解，QR分解），矩阵理论（SVD，PCA，特征值分解，泛函分析中的谱理论，Morse伪逆等等），张量计算（张量的秩，张量的定义，张量的历史，CNN，张量如何与CUDA结合）

计算机基础：

Python（Pytorch，Tensorflow，Keras，Scikit-Learn，Numpy，Pandas，Hive）

JAVA（Hashmap，分布式计算，Spring架构（了解））

Optional： Rust, go等其他语言

C++ ， C（底层编程，高性能计算，量化交易）

分布式计算：

MapReduce，Hadoop，Spark，Databricks，FLink，Hive，OceanDB等等

数据库：

红黑树的原理，Hash，Text2SQL的原理，存储过程的性能优化，SQL的执行顺序，等等

进阶篇

具身智能

空间智能（所谓世界模型）

AI for Science

AI for Engineering (AI造房子，AI造汽车，AI参与工业企业工业品制造，AI做衣服鞋子，AI剪头发，AI炒菜，AI造船，AI for military)

DataAgent (所谓问数)

1. 具生智能，相比做软件更实用也更有门槛，要懂机器人至少是机器人或者本科是机械机器人相关专业，不是没文化的阿猫阿狗都可以涉足的领域，有一定的门槛效应。
2. 世界模型（最好是本科物理专业的同学来做这个方向，主要是人工智能和物理定律的结合，主要是传统光学（透视）和AUTOCAD，Unity，c#，结合经典牛顿力学，理论力学，分析力学（最小作用量原理，最速下降线），还有就是要有玩游戏特别是类似“黑神话悟空”和STEAM的经验，最好是了解CVPR论文）
3. AI4S （适合物理，化学，材料，生物，医学背景的学生去搞，AI4math，AI找新的分子结构，化学催化剂，新材料（MIT有人做了），治疗罕见病（谢伟迪，张娅团队发了Nature））
4. AI4Engineering (大有可为，AI可以用来操控工厂的机械设备，未来就是向量数据库和机械臂的指令来控制无人黑灯工厂了)
5. DataAgent（传统数据库查询语言SQL与AI的结合，关注红黑树算法，HASH算法，RSA，SHA256等算法在理论计算机层面的改进，学习Text2SQL的理论，算法和相应在不同行业的落地：SQL在传统数据分析行业还是应用非常广泛的）