人工智能工程师培训费一年多少钱？

人工智能机器学习真的不难。看我的分析，我把学习的重点都列出来了。永远不要相信人工智能需要一年以上。如果你效率高，学3个月就能找到工作。机器学习2个月可以做，深度学习15天。真诚并不难。在美国，有人为了节省Coursera在吴恩达的深度学习系列课程的学费，利用一周的免费时间，拿到了五门课程的证书。我问他怎么做的。他用英语讲，听得很认真，不需要做笔记，因为所有的资料都留下了，所以我忘了回去再看一遍。吴恩达说得很清楚。吴恩达也有机器学习课。以他的速度，不到一周就能完成。

数据分析和图像处理要不要学全栈？想学互联网？你在开玩笑吗？

对于机器学习:

你学过概率论、线性代数、矩阵乘法吗？它不让你真的算，只懂公式和推导；

方差，期望在这些中学学到，正态分布，柏树分布和不努力分布，这些都很简单；

线性回归不是y = wx +bias吗？这个小学的东西，但是这里w和x写的是向量，向量是小学或者初中的向量。很难吗？

梯度下降，也就是链求导，也是高等数学的内容。很难吗？

物流回归这是通过sigmoid函数把线性回归的y换成0到1之间。你觉得难吗？

对于分类问题，你用最大似然法。你把所有的点相乘，然后求导。真的很难吗？

贝叶斯只是一个公式，是基于条件概率的。你不就是看看公式，看看例题吗？真的很难吗？

优化就是对函数设置一个或多个限制。真的无法理解吗？

拉格朗日乘数就是把一个矩阵分成两个矩阵，还记得吗？

判别回归和线性回归、Logistic回归一样，对你的假设要求很高。生成回归的一个例子是贝叶斯分离器，这是贝叶斯。真的很难吗？

PCA就是求特征值，特征向量，这是一种求投影最大方差的特征的方法。方差越大，越有代表性。不让你自己算，就看图想想，好吗？

k的意思不是代表集群吗？为什么不随机做几个点，分布周围点的距离，然后每轮更新点呢？我不会让你手写算法的。

SVM是一种分类方法。支持向量很难尽可能用平行线或曲线分离点吗？内核函数不就是替换X.transpose*X吗？

神经网络只是逻辑回归的衍生物。正向和反向传播，看看书上给出的推导，也就是链式推导，但是反过来。很难吗？