1樓:jiahzi
你小學水平一樣可以學的
只是入門的快慢而已
技術崗,看實力
你學歷再高,給人家做不出來東西,完不成任務,一樣會踢掉你
你學歷再低,能給人家攻克技術難題,能給人家創造利益,人家一樣會把你當大爺供著
技術實力就是一切
在科技公司
學習的話,建議你先去找一些乾貨資料
照著裡邊的例子,打打基礎,提高水平
我這裡有很多這方面的乾貨資料
需要的話,參考下圖找我交流也可以跟我來學 10年技術積累
open HolKernel boolLib bossLib Parse;
open arithmeticTheory integerTheory integer_wordTheory wordsTheory listTheory;
open pred_setTheory finite_mapTheory;
open settingsTheory miscTheory llairTheory;
new_theory "llair_prop";
numLib.prefer_num ();
Theorem signed2unsigned_fits:
0 < n ∧ ifits i n ifits (&signed2unsigned i n) (n + 1)
Proof
rw [signed2unsigned_def, ifits_def]
>- (
`?j. i = -&j` by intLib.COOPER_TAC >>
rw >> fs >>
rfs [EXP_SUB] >>
`j ≤ 2 ** n` by intLib.COOPER_TAC >>
rw [INT_SUB, GSYM int_sub])
>- (
`?j. i = &j` by intLib.COOPER_TAC >>
rw >> fs >>
rw [INT_SUB, GSYM int_sub] >>
rfs [EXP_SUB] >>
intLib.COOPER_TAC)
QEDTheorem i2n_n2i:
n size. 0 < size (nfits n size (i2n (n2i n size) = n))
Proof
rw [nfits_def, n2i_def, i2n_def, signed2unsigned_def] >> rw
>- intLib.COOPER_TAC
>- (
`2 ** size ≤ n` by intLib.COOPER_TAC >> simp [INT_SUB] >>
Cases_on `n = 0` >> fs >>
`n - 2 ** size < n` suffices_by intLib.COOPER_TAC >>
irule SUB_LESS >> simp )
>- (
`2 ** (size - 1) < 2 ** size` suffices_by intLib.COOPER_TAC >>
fs )
QEDTheorem n2i_i2n:
i size. 0 < size (ifits i size (n2i (i2n (IntV i size)) size) = IntV i size)
Proof
rw [ifits_def, n2i_def, i2n_def, signed2unsigned_def] >> rw >> fs
>- (
eq_tac >> rw
>- (
simp [intLib.COOPER_PROVE ``(x:int) y z. x - y = z x = y + z``] >>
`2 ** (size - 1) < 2 ** size` suffices_by intLib.COOPER_TAC >>
fs [INT_OF_NUM])
>- (
fs [intLib.COOPER_PROVE ``(x:int) y z. x - y = z x = y + z``] >>
fs [INT_OF_NUM] >>
`j. i = -j` by intLib.COOPER_TAC >> rw >> fs >>
qpat_x_assum `_ ≤ Num _` mp_tac >>
fs [GSYM INT_OF_NUM] >>
ASM_REWRITE_TAC [GSYM INT_LE] >> rw >>
`2 ** size = 2 * 2 ** (size - 1)` by rw [GSYM EXP, ADD1] >> fs >>
intLib.COOPER_TAC)
>- intLib.COOPER_TAC)
>- (
eq_tac >> rw
>- intLib.COOPER_TAC
>- intLib.COOPER_TAC >>
`0 ≤ i` by intLib.COOPER_TAC >>
fs [GSYM INT_OF_NUM] >>
`&(2 ** size) = 0` by intLib.COOPER_TAC >>
fs )
>- (
eq_tac >> rw
>- (
`2 ** size = 2 * 2 ** (size - 1)` by rw [GSYM EXP, ADD1] >> fs >>
intLib.COOPER_TAC)
>- intLib.COOPER_TAC
>- intLib.COOPER_TAC)
>- intLib.COOPER_TAC
QEDTheorem w2n_signed2unsigned:
w. w2n (w : 'a word) = signed2unsigned (w2i w) (dimindex (:'a))
Proof
rw [signed2unsigned_def] >> Cases_on `w` >> fs
>- (
`INT_MIN (:α) ≤ n`
by (
fs [w2i_def] >> rw >>
BasicProvers.EVERY_CASE_TAC >> fs [word_msb_n2w_numeric] >>
rfs ) >>
rw [w2i_n2w_neg, dimword_def, int_arithTheory.INT_NUM_SUB])
>- (
`n < INT_MIN (:'a)`
by (
fs [w2i_def] >> rw >>
BasicProvers.EVERY_CASE_TAC >> fs [word_msb_n2w_numeric] >>
rfs ) >>
rw [w2i_n2w_pos])
QEDTheorem w2n_i2n:
w. w2n (w : 'a word) = i2n (IntV (w2i w) (dimindex (:'a)))
Proof
rw [i2n_def] >> metis_tac [w2n_signed2unsigned]
QEDTheorem w2i_n2w:
n. n < dimword (:'a) IntV (w2i (n2w n :
'a word)) (dimindex (:'a)) = n2i n (dimindex (:'a))
Proof
rw [n2i_def]
>- (
qspec_then `n` mp_tac w2i_n2w_neg >>
fs [dimword_def, INT_MIN_def] >> rw [GSYM INT_SUB])
>- (irule w2i_n2w_pos >> rw [INT_MIN_def])
QEDTheorem eval_exp_ignores_lem:
s1 e v. eval_exp s1 e v s2. s1.
locals = s2.locals ∧ s1.glob_addrs = s2.
glob_addrs eval_exp s2 e v
Proof
ho_match_mp_tac eval_exp_ind >>
rw >> simp [Once eval_exp_cases] >>
TRY (qexists_tac `vals` >> rw >> fs [LIST_REL_EL_EQN] >> NO_TAC) >>
TRY (fs [LIST_REL_EL_EQN] >> NO_TAC) >>
metis_tacQED
2樓:
零基礎當然可以學人工智慧。誰都不是天生就會人工智慧,都是從零基礎走來的。
但是題目描述裡似乎是要找培訓機構?這就很不靠譜了。人工智慧就算門檻再低,那也不是短短兩三個月培訓就能零基礎入門的。
當然,如果你實際想學的是Python和線性回歸,就可以權當我沒回答過這個問題。畢竟Python在現在培訓機構的語境中幾乎就等於人工智慧了,而線性回歸即便很簡單但確實是人工智慧中的機器學習中的乙個典型方法。學會這兩樣,在培訓機構的語境中,大概已算得學會了人工智慧了。
題主若真有心的話,可以先買一本周志華的《機器學習》看看,這本書系統全面、淺顯易懂,實在是入門人工智慧不可多得的好書。
3樓:顏成子游
可以做人工智慧最基層的工作。比如資料標註員。這個比程式設計師還要低乙個層次。
屬於搬磚的腦力民工。而且要求嚴謹細心,正確率要達到百分之九十五以上才算合格。薪資也就兩千塊錢那樣。
也屬於人工智慧大家庭。你可以考慮考慮。
我現在零基礎,但我想學習,嗯,自學人工智慧,那麼我應該如何入門,我真的什麼都不懂,謝謝大佬?
村光 需要數學基礎 高等數學,線性代數,概率論數理統計和隨機過程,離散數學,數值分析。數學基礎知識蘊含著處理智慧型問題的基本思想與方法,也是理解複雜演算法的必備要素。抄今天的種種人工智慧技術歸根到底都建立在數學模型之上,要了解人工智慧,首先要掌握必備的數學基礎知識。線性代數將研究物件形式化,概率論描...
零基礎學習人工智慧,課程要按什麼順序學?
產品創新篇 需要數學基礎 高等數學,線性代數,概率論數理統計和隨機過程,離散數學,數值分析。數學基礎知識蘊含著處理智慧型問題的基本思想與方法,也是理解複雜演算法的必備要素。抄今天的種種人工智慧技術歸根到底都建立在數學模型之上,要了解人工智慧,首先要掌握必備的數學基礎知識。線性代數將研究物件形式化,概...
學人工智慧需要學習什麼語言?
Beilier 最主要的是python,用於原型快速開發。根據實際專案可能需要多語言協作。比如遊戲指令碼lua,unity c 如果到機械人控制上,c和c 也是必備的。c 上強化學習,深度學習,視覺檢測都可以做。 GANZI 首先,目前學習人工智慧最合適的語言就是Python,Python因為人工智...