我对人工智能和机器学习领域感兴趣，而且我在数学，统计和编程方面相当擅长。但是我缺乏正规的CS教育，而且我的本科学位是在一个不相关的领域。
我错过了哪些传统的本科课程，以便能够在AI中攻读硕士学位？房间的大象是编译器理论，我对此一无所知。
答案 0 :(得分：1)
不，'学术与理论'和'现实世界的发展'可以相互运作。虽然，曝光永远不会伤害，对吗？
如何缩小对数学/逻辑的关注（例如：我每天都使用relational algebra）并通过访问OpenCourseWare and searching for artificial intelligence参加对机器学习至关重要的课程......它是免费的！用你的大学课程补充其余部分。
您真正的学习将是您的真实生活决定和日常代码申请。
加速毕业也不会伤害。
答案 1 :(得分：1)
我曾在编译器，人工智能和没有学位的大学工作过。我正考虑找一个，但部门负责人建议我不要这样说，如果我有学位，我就永远无法想出我的想法。
AI和编译器理论之间唯一真正的交叉是处理自然语言。编译器概念，例如解析，语法和词法标记是必需的，但在这样一个简化的环境中学习它们几乎没有为你做好准备。
只要您熟悉由其他事物组成的事物，您就可以顺利完成任务。查找句子结构，先用字符标记（鲍勃的球，行走等）分解，然后用词性（名词子句，动词从句）和词汇概念（称为球的对象，所有权状态，动作投掷，过去的时态（。）。
熟悉这些概念，但不要在正式的编译器理论上浪费太多时间。处理解析结果时会出现一些有趣的东西！
答案 2 :(得分：0)
计算理论可能是一个很好的基础课程。 在那个课程中，您将学习诸如特定问题是否有解决方案，特定问题的复杂性（NP-Hard，NP-Complete等），图灵机（这是所有现代计算机的基础）之类的事情。 ，语言和语法，有限自动机（状态机）等。
以下是一些与计算理论有关的好的wiki文章：
答案 3 :(得分：0)
如果您正在进行文本挖掘/信息提取/ NLP，那么您可能想要了解lexing和解析，这是编译的一部分。
例如，Lucene / Solr具有自定义查询解析器。答案 4 :(得分：0)
我完成了人工智能的研究生学位而不需要编译理论。
从学术角度来看，我认为，正如你所说，帮助我为人工智能做好准备的主题是统计方法，数学和编程（我相信面向对象和数据结构对这个领域的帮助最大）。除此之外，研究方法对于阅读那些模型以及如何将这些模型应用于您自己的问题非常有用。
在这个问题上已经发布了一些非常好的评论。正如尼尔所说，如果你想专注于某个特定领域，那么就需要特殊技能高于其他领域。此外，Juhana提出了一个很好的观点，即大学将成为关于这一主题的良好信息来源，因为他们无疑将确定人工智能科目的先决条件。
我希望这可以帮助你进入机器学习的奇妙世界！