簡介 過去十年中，人工智能發(fā)展迅速，方興未艾。AI 宏圖，已在我們眼前展開。從自動駕駛汽車到谷歌大腦，人工智能始終是這些神奇而且影響深遠(yuǎn)的項目的核心技術(shù)。 當(dāng)新聞開始報道亞歷克莎（Alexa，亞馬遜語音助手）出乎意料地開懷大笑時，人工智能(AI)成了新聞頭條，電腦正在接管世界的笑話也遍地開花了。但是，如果把人工智能視為一項職業(yè)的話，就與好笑無關(guān)了。實際上，六個美國人之中，有五個人每天都以這種或那種形式使用人工智能提供的服務(wù)，可見人工智能是一個可行的職業(yè)選擇。 為什么選擇人工智能（AI）作為職業(yè)？ 很多初學(xué)者，對大數(shù)據(jù)的概念都是模糊不清的，大數(shù)據(jù)是什么，能做什么，學(xué)的時候，該按照什么線路去學(xué)習(xí)，學(xué)完往哪方面發(fā)展，想深入了解，想學(xué)習(xí)的同學(xué)歡迎加入大數(shù)據(jù)學(xué)習(xí)qq群：957205962，有大量干貨（零基礎(chǔ)以及進(jìn)階的經(jīng)典實戰(zhàn)）分享給大家，并且有清華大學(xué)畢業(yè)的資深大數(shù)據(jù)講師給大家免費授課，給大家分享目前國內(nèi)最完整的大數(shù)據(jù)高端實戰(zhàn)實用學(xué)習(xí)流程體系
有很多原因可以讓學(xué)生選擇人工智能作為他們的職業(yè)，讓一些專業(yè)人士改行到人工智能。關(guān)于為什么選擇人工智能（AI）作為職業(yè)，現(xiàn)在我們來探究下其中的主要理由。 有趣且激動人心： 人工智能（AI）為應(yīng)聘者提供的應(yīng)用領(lǐng)域富有挑戰(zhàn)性，激動人心，諸如：無人駕駛汽車、人類行為預(yù)測、聊天機(jī)器人等只是幾個簡單的例子。高需求和高價值： 最近，該行業(yè)對數(shù)據(jù)科學(xué)家和人工智能專家的需求量巨大，從而創(chuàng)造了更多的工作機(jī)會和更高的價值。高薪： 目前，隨著需求量的加大，工作量也在加大，這一領(lǐng)域的職位成了追求高收入職業(yè)者的選擇之一。在當(dāng)今這個就業(yè)崗位減少、市場飽和的時代，人工智能已經(jīng)成為收入最高的工作之一。
如果你還在思考：為什么要選擇人工智能作為職業(yè)？那么我的回答很明確： “如果你不想讓人工智能接替你的工作，你就必須從事人工智能方向的職業(yè)”！ 第0級：起點 （平地級）
如果太多的數(shù)學(xué)沒有嚇到你，而且你又喜歡編碼，那么便可以開始把人工智能當(dāng)作你的職業(yè)了。如果你真的喜歡優(yōu)化算法和玩數(shù)學(xué)，或?qū)λ錆M熱情，不錯！0級條件已經(jīng)具備，你已經(jīng)準(zhǔn)備好開啟AI職業(yè)生涯了。
第1級：初涉人工智能（入門級）
在這個層級，應(yīng)該首先掌握基礎(chǔ)知識。我所指的基礎(chǔ)知識，并不意味著僅僅了解4-5個概念，實際上要涉及到以下很多的概念(相當(dāng)多的概念)。 包括線性代數(shù)，統(tǒng)計和概率： 數(shù)學(xué)是首先要涵蓋的知識。首先需要掌握的數(shù)學(xué)基礎(chǔ)知識包括向量、矩陣及其轉(zhuǎn)換，然后繼續(xù)了解維數(shù)、統(tǒng)計量和各種統(tǒng)計檢驗，如z檢驗、卡方檢驗等。在此之后，應(yīng)該把注意力集中在了解概率學(xué)的概念上，比如貝葉斯（Bayes）定理等。數(shù)學(xué)是理解和建立復(fù)雜人工智能算法的基礎(chǔ)步驟，而正是這些算法，使我們的生活變得更簡單！選擇一種編程語言： 掌握了數(shù)學(xué)基礎(chǔ)知識之后，你需要選擇一種編程語言。我建議你學(xué)習(xí)一種或最多兩種編程語言，并深入理解它。你可以從R語言、Python語言，甚至Java語言中選擇！永遠(yuǎn)記住，編程語言只是為了簡化你的生活，而不是用來定義你的生活。我們可以從Python語言開始，因為它比較抽象，并且提供了許多可以使用的庫。R也發(fā)展得非常快，所以我們也可以考慮從R語言開始，或者可以嘗試使用Java (前提是我們有一個良好的CS背景！)。理解數(shù)據(jù)結(jié)構(gòu)： 嘗試?yán)斫鈹?shù)據(jù)結(jié)構(gòu)，即如何設(shè)計一個系統(tǒng)來解決涉及數(shù)據(jù)的問題。好的數(shù)據(jù)結(jié)構(gòu)有助您設(shè)計一個準(zhǔn)確和最優(yōu)的系統(tǒng)，而AI的目的是要獲得一個精確和最優(yōu)的結(jié)果，所以，需要了解所選編程語言提供的堆棧、鏈接列表、字典等其他數(shù)據(jù)結(jié)構(gòu)。理解回歸的全部細(xì)節(jié)： 嗯，這是每個AI人都會給的一個建議?；貧w是數(shù)學(xué)的基本實現(xiàn)，這一點你必須已經(jīng)掌握到?；貧w算法描述了如何利用現(xiàn)有知識對實際應(yīng)用進(jìn)行預(yù)測。把握好了回歸，將極大地幫助你理解機(jī)器學(xué)習(xí)的基礎(chǔ)知識，也將會為你的人工智能職業(yè)生涯做好鋪陳。繼續(xù)了解不同的機(jī)器學(xué)習(xí)模型及其工作原理： 在學(xué)習(xí)回歸后，需要了解其他機(jī)器學(xué)習(xí)算法，如決策樹、支持向量機(jī)（SVM）、KNN、隨機(jī)森林算法等。你應(yīng)該能利用這些算法去解決日常生活中的不同問題，知道每一個算法背后的數(shù)學(xué)原理。起初，這可能有點困難，但一旦你開始行動，一切都會迎刃而解。目標(biāo)是成為人工智能的大師，而不要只是個隨機(jī)的實踐者！理解機(jī)器學(xué)習(xí)所解決的問題： 你應(yīng)該理解不同機(jī)器學(xué)習(xí)算法的用例，關(guān)注為什么某一種算法比另一種更適合于特定的應(yīng)用。只有這樣，你才能體會算法中那些數(shù)據(jù)概念的妙處，這些概念使得算法更加適用于特定的業(yè)務(wù)需求或用例。機(jī)器學(xué)習(xí)本身分為三大類：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。只有對這三類機(jī)器學(xué)習(xí)的掌握程度超過平均水平，這個人才能真正進(jìn)入深度學(xué)習(xí)的世界！
第2級：深入人工智能AI(深入級)
這是你為成為人工智能專家而奮斗的第2層級。在這個層級，只有當(dāng)你已經(jīng)掌握了機(jī)器學(xué)習(xí)的原理，才能算得上是進(jìn)入深度學(xué)習(xí)這一專業(yè)領(lǐng)域！ 理解神經(jīng)網(wǎng)絡(luò)： 神經(jīng)網(wǎng)絡(luò)是一種以人腦為模型的機(jī)器學(xué)習(xí)。它通過一種允許計算機(jī)利用新數(shù)據(jù)的合成來學(xué)習(xí)的算法創(chuàng)造出一個人工神經(jīng)網(wǎng)絡(luò)。在這個階段，你需要通過了解神經(jīng)網(wǎng)絡(luò)的每個細(xì)節(jié)來開始你的深度學(xué)習(xí)。你需要了解這些網(wǎng)絡(luò)是如何利用智能做出決策的。神經(jīng)網(wǎng)絡(luò)是人工智能的核心，你需要徹底弄懂它！揭示神經(jīng)網(wǎng)絡(luò)背后的數(shù)學(xué)： 神經(jīng)網(wǎng)絡(luò)通常是層層相接的，每一層由多個相互連接的“節(jié)點”組成，每個節(jié)點包含一個“激活函數(shù)”。模式通過輸入層進(jìn)入網(wǎng)絡(luò)中，輸入層再與一個或多個“隱藏層”進(jìn)行通信。實際通信過程中，數(shù)據(jù)處理是通過系統(tǒng)中加權(quán)的“連接”完成的。隨后，隱藏層與輸出層通信，由輸出層輸出答案。你需要掌握神經(jīng)網(wǎng)絡(luò)背后隱含的數(shù)學(xué)概念，如學(xué)習(xí)權(quán)重、激活函數(shù)、降損，反向傳播，梯度下降方法等，這些是神經(jīng)網(wǎng)絡(luò)中使用到的基本數(shù)學(xué)概念。只有擁有強大的背景知識，你才能設(shè)計出自己的網(wǎng)絡(luò)，你才會真正了解神經(jīng)網(wǎng)絡(luò)發(fā)揮作用的地方和方法！ 同伴啊，這些都是數(shù)學(xué)，全部都是數(shù)學(xué)！掌握不同類型的神經(jīng)網(wǎng)絡(luò)： 正如我們在ML（機(jī)器學(xué)習(xí)）中所做的那樣，我們首先學(xué)習(xí)了回歸，然后學(xué)習(xí)其他的ML算法。同理，在了解了所有關(guān)于基本神經(jīng)網(wǎng)絡(luò)的知識之后，可以開始探索適合不同用例、不同類型的神經(jīng)網(wǎng)絡(luò)了?；A(chǔ)數(shù)學(xué)可能保持不變，差別可能在于對數(shù)據(jù)進(jìn)行了很少的修改和預(yù)處理。不同類型的神經(jīng)網(wǎng)絡(luò)包括多層感知器、遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、LSTMS等。了解不同領(lǐng)域的人工智能，如NLP和智能系統(tǒng)： 有了多種神經(jīng)網(wǎng)絡(luò)的知識，便可以開始掌握這些不同神經(jīng)網(wǎng)絡(luò)在不同商業(yè)中的應(yīng)用了，比如：構(gòu)建一個無人駕駛汽車模塊，或者像人類一樣的聊天機(jī)器人，甚至是一個可以與周圍的環(huán)境進(jìn)行交互的智能系統(tǒng)，它可以通過自學(xué)習(xí)來執(zhí)行任務(wù)。不同的用例需要不同的方法和知識。當(dāng)然，你不可能掌握人工智能的每個領(lǐng)域，因為它是一個非常龐大的系統(tǒng)，因此，我建議你在人工智能中選擇一個領(lǐng)域，比如：自然語言處理，并努力在該領(lǐng)域深耕細(xì)作。一旦你的知識到達(dá)了一個良好的深度，那么可以考慮將你的知識應(yīng)用到不同的領(lǐng)域。熟悉大數(shù)據(jù)的基本知識： 雖然，獲取大數(shù)據(jù)的知識不是一項強制性的任務(wù)，但我建議你為自己配備大數(shù)據(jù)的基礎(chǔ)知識，因為所有的人工智能系統(tǒng)都只處理大數(shù)據(jù)。擁有大數(shù)據(jù)的基礎(chǔ)知識將是一個很好的優(yōu)勢，因為它將幫助你設(shè)計出更優(yōu)化和更現(xiàn)實的算法。
第3級：掌握人工智能（大師級）
這是你必須全力以赴的最后階段，這時需要少學(xué)點，但卻需要你更多地應(yīng)用已經(jīng)學(xué)到的東西！ 很多初學(xué)者，對大數(shù)據(jù)的概念都是模糊不清的，大數(shù)據(jù)是什么，能做什么，學(xué)的時候，該按照什么線路去學(xué)習(xí)，學(xué)完往哪方面發(fā)展，想深入了解，想學(xué)習(xí)的同學(xué)歡迎加入大數(shù)據(jù)學(xué)習(xí)qq群：957205962，有大量干貨（零基礎(chǔ)以及進(jìn)階的經(jīng)典實戰(zhàn)）分享給大家，并且有清華大學(xué)畢業(yè)的資深大數(shù)據(jù)講師給大家免費授課，給大家分享目前國內(nèi)最完整的大數(shù)據(jù)高端實戰(zhàn)實用學(xué)習(xí)流程體系
結(jié)論
掌握人工智能并不能一蹴而就。人工智能領(lǐng)域確實需要你艱苦奮斗，持之以恒，還得具備大量的耐心和知識！這可能是目前業(yè)內(nèi)最熱門的工作之一。成為一個從業(yè)人員或人工智能愛好者并不難，但如果你想成為一個大師，那你必須和創(chuàng)造人工智能的專家一樣優(yōu)秀！做任何事情都需要多年的時間和技巧，AI的情況也是如此。如果你有動力，這個世界上沒有什么能阻止你的步伐。 (不僅AI 如此，其他行業(yè)也一樣)。 |
