大学计算机AI学习初步规划 202204

大学计算机AI学习初步规划 202204

• 人工智能领域的前沿技术研究
  1、机器学习、深度学习、语义分析、NLP
  TensorFlow\Scikit-learn\Pytorch\MXNET\Caffe，CNN/RNN/LSTM/VAE
  2、线性代数、统计和概率学、数据挖掘
  3、计算机视觉、语音&音频处理：OpenCV
  图形图像：六自由度视频、三维重建、语义分割、视频分析、图像生成（GAN）等
  4、增强现实、物理引擎：视觉引擎，虚拟现实引擎仿真
  力学：力学、受力、动力，力学仿真（含微力学）
  5、推荐系统、计算广告、搜索引擎
  7、机器人算法：多模态融合、机器人运动操作与抓取、2D/3D视觉感知、人机交互、机器人导航等
  SLAM、导航规划算法和避障、多模态交互
  8、大规模高并发、分布式系统
  并行编程：汇编、OpenCL、CUDA、Vulkan、
  编译和线性计算： XLA(加速线性代数)、OpenBLAS、Eigen、
  大规模优化算法，高性能加速算法
  9、量化投资AI算法：金融数据挖掘和爬虫、预测分析、因子挖掘、策略构建、组合优化和算法交易
  tradingview、TaLib、QuantLib、scikit-learn、quantmod

• 具体技术
  1、操作系统：操作系统原理，Windows，嵌入式系统，Linux\ubuntu
  2、数据库：SQL，mySQL，MangoDB
  3、语言：Python、C++、Java、matLab
  4、专业基础课：数据结构、算法
  5、编程架构：UML、SOA

• 竞赛、刷题
  1、Kaggle：数据科学竞赛（机器学习）
  2、ACM：建模比赛
  3、Top coder：编程比赛，线上参加、名企推动
  4、leetcode：在线编程题库和比赛

• 开发工具
  1、编程工具
  2、建模工具
  3、UI原型工具
  4、代码管理工具
  OpenStack、GitHub、CVS

• 项目、实习或科研
  若干完整的应用，或算法程序

• 论文和会议
  ICML, NIPS, KDD, ACL, EMNLP, CVPR, ICCV, ICRA,RSS, SIGCOMM, NSDI, OSDI, SOSP

• 参考资料
  1、一份北大信科内部流传的 “CS 自救指南”
  https://blog.csdn.net/xixiaoyaoww/article/details/123657020?spm=1001.2014.3001.5502
  2、爱丁堡Milo教授“机器学习系统”
  https://openmlsys.github.io/
  3、复旦邱锡鹏教授《神经网络与深度学习》
  https://nndl.github.io/
  4、吴恩达“机器学习”
  5、李飞飞“机器学习”