人工智能大学

著名大学
  1 麻省理工学院Massachusetts Institute of Technology Cambridge, MA
  2 卡耐基梅隆大学Carnegie Mellon University Pittsburgh, PA
  3 斯坦福大学Stanford University Stanford, CA
  4 加州大学伯克利分校University of California–Berkeley Berkeley, CA
  5 德克萨斯大学奥斯汀分校University of Texas–Austin Austin, TX
  6 华盛顿大学University of Washington Seattle, WA
  7 佐治亚理工学院Georgia Institute of Technology Atlanta, GA
  8 伊利诺伊大学厄本那-香槟分校University of Illinois–Urbana-Champaign Urbana, IL
  8 马萨诸塞大学阿默斯特分校University of Massachusetts–Amherst Amherst, MA
  10 宾夕法尼亚大学University of Pennsylvania Philadelphia, PA
  11 密歇根大学安娜堡分校University of Michigan–Ann Arbor Ann Arbor, MI
  12 康奈尔大学Cornell University Ithaca, NY
  13 马里兰大学学院公园分校University of Maryland–College Park College Park, MD
  14 加州大学洛杉矶分校University of California–Los Angeles Los Angeles, CA
  15 南加州大学University of Southern California Los Angeles, CA
  16 哥伦比亚大学Columbia University New York, NY
  17 布朗大学Brown University Providence, RI
  17 加州理工学院California Institute of Technology Pasadena, CA
  选校分析
  人工智能一般在开设在研究生阶段,本科开设该专业的大学较少,欲就读该专业的学生建议以计算机科学或机械工程的排名作为参考。选校时应尤为注意,该项目的人工职能是偏向机械的还是偏向计算机的。
  以下8所学校本科开设人工智能的北美学校:
  布鲁克大学(Brock University),位于加拿大安大略省
  印第安纳-普渡大学韦恩堡分校(Indiana University-Purdue Univ. Fort Wayne),位于美国印第安纳州
  罗切斯特理工学院(Rochester Institute of Technology),位于美国纽约州
  南新罕布什尔大学(Southern New Hampshire University)
  曼尼托巴大学(University of Manitoba),位于加拿大安大略省
  多伦多大学(University of Toronto),位于加拿大安大略省
  滑铁卢大学(University of Waterloo),位于加拿大安大略省
  温莎大学(University of Windsor),位于加拿大安大略省

[转]人工智能6个要掌握的技能

无论选择什么专业,只要想要从事AI的工作,可以尝试去掌握以下技能:
1、Information Theory:开启新的视角,无论是理论还是应用都会用到
推荐教材:Elements of Information Theory 2nd Edition
2、Linear Algebra:无论学什么,都是基础中的基础必须学会。
推荐教材: Gilbert Strang 的书和视频
Linear Algebra,Stephen H. Friedberg
3、Basic statistics & probability & stochastic process:
顺便说一下,一般的鄙视链是这样的:algebra > probability > statistics > statistical learning > computer vision > old-school AI。
概率学深了可以很深,但是对the application of machine learning (a.k.a. computer vision) 用处不大。
4、Signal Processing/Image Processing:对于computer vision很重要,但对有的领域比如NLP,或者大部分machine learning ,用处有限。
推荐教材:Image Processing, Analysis, and Machine Vision很老但是适合扫盲。
Richard Szeliski的Computer Vision: Algorithms and Applications 新但是略偏。
graphics和multimedia,Computer Vision: A Modern Approach (2nd Edition) Amazon.com: Book是经典百科全书。
还可跳过细节看David Marr的 Vision: A Computational Investigation into the Human Representation and Processing of Visual Information
5、Statistical learning:统计知识是必备的。
推荐教材:The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition

Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series)
Pattern Recognition and Machine Learning (Information Science and Statistics): Christopher Bishop
6、Optimization:绝大部分统计学习问题都会转化成优化问题,区别在于有的是严格的分析转化如SVM,有的只是走个优化的套路但真正理论基础还没有得到完善比如deep learning。
推荐教材:可以尝试 Convex Optimization : Stephen Boyd, Lieven Vandenberghe 。
-END-