小白求推荐人工智能学习路线和教程

@crazychang #1 老哥，直接秒回啊😨

我也在开始深入学习。先推荐两个小课程，全免费。AI for Everyone 和 Generatve AI for Everyone

@crazychang @shinyzhu 多谢两位

你们公司的大模型就用程序员转行做

那不是尾气都吃不着 啥公司啊

现在再看吴恩达机器学习和深度学习会不会太老了

@shinsekai 机器学习可以先不看，先看深度学习。啥时候闲下来再往回补，机器学习的各种经典算法大模型基本不用

本公司如果没有大量的用户数据需要 “训练”， 我理解是不是掌握 Openai 的 embedding 各类 API 就行了。

楼上有些离谱的。

在职、转型的就不要从 machine learning 开始看了。看 deep learning 甚至看看现成 api docs 才是正确的。。

老老实实当调包侠...

先让公司准备好足够的显卡和数据，不然就面向 API 变成就行了

建议快速过一眼：
https://zh.d2l.ai/

了解其中的概念即可。
然后直接找一些项目代码看看。

@murmur #5 目前我们部门是做 Java 产品，但是这个产品前几年还能接到项目，现在已经很难接到项目了，所以打算转型，我也很疑惑为什么不把我们开了，重新招专门搞人工智能的😂

@dustookk #10 公司从之前项目积累了很多数据，所以才考虑做这方面的内容

收藏了，最近也在准备了解这方面的知识

我们刚上了一个端云结合的项目。手机很多 AI 都是端云结合

@murmur 是这样的，市面上很多“算法工程师”其实都是价格贵的同时工程能力一般，适合搞科研。
但是目前大模型，如果想在模型架构上优化的话，研究成本极高。

实际上大模型的路径依赖的现象很严重。大家都倾向于直接在前人尝试过的最好的模型上训练。

最后比拼的是，谁的数据质量更高（可以是专注于某个领域的数据），以及谁可以搞定多机训练。

里面最主要的问题其实是：如何充分利用多机算力，规避性能瓶颈；如果机器发生了故障，如何不影响训练进程。

我是从人脸识别开始的……
机器学习可以不看，但 numpy ，pandas 还是要懂，无论什么学习，整理数据还是必须的，你不能靠 for 来完成数据处理
机器学习可以不看，但 sklearn 文档还是该知道怎么查，sklearn 的文档比较有用

ps: python 的类型问题烦死人，float32 和 float64 没指定好，都能导致 pytorch 跑不起来

@bright0908 说说业务场景