【干货】人工智能工程师的三个层次
https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/78302687
作者 | 智亮
Google Tensorflow框架的Contributor。在计算机视觉领域有深厚的工业经验，带领团队开发的“花伴侣”植物识别App，上线数月即在0推广的情况下达到百万用户，并获得阿里巴巴2017云栖大会API Solution大赛一等奖，团队受邀成为腾讯微信公开课北京站九位演讲嘉宾之一。
01
每一波浪潮的到来，都意味一片无人占领的蓝海，也意味着众多新成长起来的巨头，还意味着什么？大量的技术人员需求，供不应求的开发市场，以及从业者的高薪与众多的机会。
我们最常做的事情是目送着上一次浪潮的余波远去，感叹自己生不逢时，却没有意识到，下一波浪潮已经到了我们脚下。
没错，我们说的就是AI。
身在IT圈中的人，应该都有着直观的认识。目前国内知名的互联网企业无一不在建立自己的人工智能技术团队，以期用AI技术，提升产品的体验和智能化程度。
但与此同时，各种不明觉厉的名词也吓退了很多非科班出身的开发者。什么叫卷积神经网络？什么叫凸优化？是不是还要回去重读高数，线代，概率？那么一大堆公式，感觉完全看不懂啊？听说没个名校博士出身都搞不了这个？
在很久以前的一篇知乎回答中提过，作为开发人员，AI领域界在我看来会分成这么几个层次
1. 学术研究者
他们的工作是从理论上诠释机器学习的各个方面，试图找出“这样设计模型/参数为什么效果更好”，并且为其他从业者提供更优秀的模型，甚至将理论研究向前推进一步。 能够做到这一步的人，可以说凤毛麟角，天赋是绕不过去的大山，机遇和努力也缺一不可。
2. 算法改进者
他们也许无法回答出“我的方法为什么work”，也许没有Hinton，LeCun那样足以载入史册的重大成果，但是却能根据经验和一些奇思妙想，将现有的模型玩出更好的效果，或者提出一些改进的模型。这些人通常都是各个机器学习巨头公司的中坚力量或者成长中的独角兽，使用什么模型对他们来讲也不是问题，根据所处的环境，通常都有固定的几个选择。在这个层面，insight和idea才是重要的东西，各种工具的区别，影响真的没那么大。可能会让一个结果早得到或者晚得到几天或者几周，却不可能影响“有没有成果”。
3. 工业实现者
这些人基本上不会在算法领域涉入太深，也就是了解一下各个算法的实现，各个模型的结构。他们更多地是根据论文去复现优秀的成果，或者使用其他人复现出来的成果，并且试图去在工业上应用它。
对于大部分IT人来说，做到第三类，也就是工业实现这个层面，已经足够好了，至少，我们已经有了亲身参与这个大时代的机会，仅就这一点来说，便已经击败了全国99%的人（斜眼笑的表情）。
不光是普通程序猿这么说，文艺的程序猿和……额，高大上的程序猿也都这么说。
我说，呵呵。
答案只有一个：Just Do IT（去搞IT吧，少年）
成为人工智能工程师，在我看来，要把机器学习、深度学习掌握好，就可以入行拼搏了！另外，理论必须要结合项目实战：因为作为程序员，读十遍书不如跑一遍程序，与其花费大量的时间去啃书本，不如亲手完成自己的程序并运行它。我们在写出代码的同时，就会了解到自己还有哪些地方不够清楚，从而针对性地学习。
02
我们先来说说，机器学习应该学习哪些。
学习任何东西，勿在浮沙筑高台（对这句话眼熟的请举手），有一些基础的知识还是需要掌握的。例如在计算机视觉领域，根据我们团队内部培训的经验，为了能够独立进行机器学习的开发工作，最好首先完成这么几项课程：
1. 入门机器学习：
熟悉机器学习领域的经典算法、模型及实现的任务等，同时学习搭建和配置机器学习环境，并学会用 线性回归 解决一个实际问题。
2. Logistic回归分析、神经网络、SVM：
掌握数据集探索；理解分类任务算法（Logistic回归、神经网络、SVM）原理；学会在scikit-learn框架下采用各分类算法分类具体任务。
3. 决策树模型与集成学习算法：
损失函数：信息增益、Gini系数；划分：穷举搜索、近似搜索；正则：L2/L1；预防过拟合：预剪枝及后剪枝；Bagging原理；Boosting原理；流行的GBDT工具：XGBoost和LightGBM
4. 聚类、降维、矩阵分解：
主成分分析（PCA）；独立成分分析（ICA）；非负矩阵分解（NFM）；隐因子模型（LFM）；KMeans聚类和混合高斯模型GMM（EM算法）；吸引子传播聚类算法（Affinity Propagation聚类算法）
5. 特征工程、模型融合& 推荐系统实现：
学会常用数据预处理方法及特征编码方法；学习特征工程的一般处理原则；组合各种特征工程技术和机器学习算法实现推荐系统。
上面的课程大概会消耗你1个月多的所有业余时间。但是相信我，这是值得的。
如果实在连一两个月的业余时间都拿不出来，好吧，我来偷偷告诉你最最最基本的一个要求，满足了这个要求，你就能够算是机器学习入门了： 会算矩阵乘法
别笑，说正经的，在这个框架高度封装的年代，梯度不需要自己算，损失不需要自己求，反向传导更是被处理得妥妥的，在不求甚解的情况下，你甚至只需要知道这么几个概念就可以开始着手写第一个程序了：
它就是通过一系列矩阵运算（或者类似的一些其他运算）将输入空间映射到输出空间而已。参与运算的矩阵的值称为权重，是需要通过不断迭代来寻找到最优值。
当前的权重值离最优值还差多远，用一个数值来表示，这个值就叫损失，计算这个值的函数叫损失函数。
当前的权重值应该调大还是调小，这个值通过对损失函数求导来判断，这个求导得到的函数叫做梯度。
通过损失和梯度来更新权重的方法叫做反向传导。
迭代的方法称为梯度下降。
虽然这么写出来的程序一定是不知其所以然，但是其实20年前我第一次用C++写Hello world的时候也是一脸懵逼的，我相信，每个能够投身机器学习开发工作的程序猿，都是有大毅力大勇气的，自然不会欠缺继续学习的动力和决心。
03
我们再来说说，深度学习应该学习哪些。
深度学习着重掌握卷积神经网络和循环神经网络，使用大量真实的数据集，结合实际场景和案例介绍深度学习技术的应用范围与效果。
1. 神经网络入门及深度学习环境配置：
熟悉神经网络领域的常用术语、安装并配置深度学习框架Tensorflow，学会用Tensorflow解决一个实际问题。
2. 神经网络基础及卷积神经网络原理：
使用不同结构的神经网络结构验证网络结构对效果的影响；了解卷积神经网络的相关概念和基础知识，并通过实战案例理解CNN局部相关性与权值共享等特性。
3. 卷积神经网络实战：
图像分类及检测任务:学习图像分类任务及检测任务目前主要模型算法，并通过两个实战案例学习在Tensorflow框架下训练CNN模型。
4. 卷积神经网络之图像分割实例：
掌握分割任务简介、反卷积（deconv/transpose-conv）、FCN
5. 循环神经网络原理：
RNN基本原理
门限循环单元（GRU）
长短期记忆单元（LSTM）
词向量提取：Word2Vec
编码器—解码器结构
注意力机制模型：Attention Model
图片标注（Image Captioning）
图片问答（Visual Question Answering）
【干货】人工智能工程师的三个层次相关推荐
- AI人工智能工程师 的三个层次
AI人工智能工程师的三个层次 01 AI工程师的三个层次 每一波浪潮的到来,都意味一片无人占领的蓝海,也意味着众多新成长起来的巨头,还意味着什么?大量的技术人员需求,供不应求的开发市场,以及从业者的高 ...
- 人工智能工程师的三个层次
01 AI工程师的三个层次 每一波浪潮的到来,都意味一片无人占领的蓝海,也意味着众多新成长起来的巨头,还意味着什么?大量的技术人员需求,供不应求的开发市场,以及从业者的高薪与众多的机会. 我们最常做的 ...
- ML算法工程师的三个层次
这里说的算法,并不是计算机系本科课程<算法与数据结构>里那个算法.那门课里讲的,是排序.查找这类"确定性算法":而这里我们说的,是用统计方法对数据进行建模的" ...
- 算法工程师的三个境界
[与数据同行]已开通综合.数据仓库.数据分析.产品经理.数据治理及机器学习六大专业群,加微信号frank61822702 为好友后入群.新开招聘微信群,请关注[与数据同行]公众号,后台回复" ...
- 软件测试的两张藏宝图和三个层次
参加第二届(天津)国际软件测试会议,和软件测试同仁交流了经验,结交了不少朋友,观赏了新疆和内蒙的舞蹈和草原歌声,并和大学同学叙叙旧,颇有收获,其中还有两项收获就是: 软件测试藏宝图,和我的软件测试全景 ...
- linux运维工程分多少种,运维工程师划分的三种层次都是什么
今天小编要跟大家分享的文章是关于运维工程师划分的三种层次都是什么?正在从事Linux运维功能的小伙伴们来和小编一起看一看吧,希望本篇文章能够对大家有所帮助. 初级:背锅侠型运维 背锅侠型运维人员在遇到 ...
- 西安python工资怎么样-干货|python人工智能工程师工资多少钱
这几年,python很是火热,我们经常听到Python人工智能开发工程师,那么Python和人工智能有到底什么关系呢?Python人工智能工程师待遇怎么样?今天云和数据小编就为大家解答一下. 01 P ...
- python工资一般多少西安-干货|python人工智能工程师工资多少钱
这几年,python很是火热,我们经常听到Python人工智能开发工程师,那么Python和人工智能有到底什么关系呢?Python人工智能工程师待遇怎么样?今天云和数据小编就为大家解答一下. 01 P ...
- 人工智能的三个层次：运算智能，感知智能，认知智能
2016年,人工智能成为产业界和学术界的大热词.年初,李世石与Alpha Go的人机围棋大战吸睛无数,人工智能的话题始料未及地席卷了世界每处.此外,今年也恰逢人工智能学科诞生一甲子,Alpha Go再 ...
最新文章
- shell中的wait
- skywalking 安装_如何使用skywalking 进行全链路监控
- leetcode116. 填充每个节点的下一个右侧节点指针（dfs）
- 在HTML中如何把块的边框做成圆角
- python执行变量次_当脚本再次执行时需要一个变量来保留它的值（Python）
- java向mysql插入数据乱码问题解决
- 机器学习：多变量线性回归
- 【CAD】自定义实体的步骤（转）
- Jquery.min.js 下载
- 【调音小栈】跳羚PRO12PRO22声卡搭载机架跳线设置教程
- workbench中schema只显示一个库
- 基于ssm的电动车实名制挂牌管理系统
- 科海思苯酚吸附树脂ADS600详情 参数
- 用友U8V10.1软件安装教程
- 服务器装系统03系统,服务器系统安装windows2003教程
- 更换Latex模板后部分包的参数失效问题的解决方案（如xcolor，algorithm2e）
- 重新启动oracle 服务,在linux重新启动下如何设置oracle服务自动开启
- php 单引号 双引号的区别
- C++(数据结构与算法):42---优先级队列的实现（扩充二叉树、高度优先左高树(HBLT)、重量优先左高树(WBLT)）
- @MapperScan和mybatis-plus.mapper-locations