5年开发老鸟转型人工智能心酸史

2017 年 11 月 13 日 算法与数据结构

老鸟简介

先介绍下自己的情况，85 后，自认为是高级后端开发工程师，掌握技能：Linux 一般操作很溜，PHP信手拈来，JS也能上手，数据库经常用，一般小型服务器的架构难不倒我。但，现在遇到了一个人生瓶颈，再过两年就 30 岁了，薪资已到达天花板，很难突破25K。说到转型，管理岗不是自己擅长的，死来想去，认为从技术上突破才是正道！

最近几年，人工智能（AI）、大数据大火，行业人才缺口巨大，薪资也水涨船高。

AI 相关岗位的平均薪资比其他的互联网技术岗高出 30% ，刚毕业就拿 25K 不成问题。再做两三年3、40万不成问题。

不是常说，“15年前错过了买房，10年前错过了做互联网……”，既然无法拥有一个重来的人生，就不能再犹豫。对，说干就干。

首先，在网上搜罗一些大牛的经验，大家推崇的人工智能“六步走”学习路线，感觉还不赖。于是撸起袖子开干！

人工智能“六步走”学习路线

第一步 学习并掌握一些数学知识

「学习日记」高等数学、线性代数、概率论，这个大学都学过的呀。简单书翻一翻就OK了，现在还认真学它干嘛。

第二步 掌握经典机器学习理论和算法

「学习日记」机器学习算法，花了 300 多报了一个班。里面讲一些公式和推理，公式有点看不懂，学了两节直接放弃…还买了一本周志华的西瓜书（机器学习），网上评价特别高，But，翻了几页简直是天书，那些公式他认识我我根本不认识他。心想，那些网上好评的同学，你们确定看懂了吗？

第三步 掌握一种编程工具，比如Python

「学习日记」这个对于我来说，多学一门没关系，语法都差不多

第四步 了解行业最新动态和研究成果，比如各大牛的经典论文、博客、读书笔记、微博、微信等媒体资讯。

「学习日记」最新研究成果是要看的，但是初学者真得不是想看就能看得懂的…至于读书笔记、经验之谈，都是泛泛而谈。给自己打打鸡血也就可以了，真学到东西有点扯。

第五步 买一个GPU，找一个开源框架，自己多动手训练深度神经网络，多动手写写代码，多做一些与人工智能相关的项目。

「学习日记」说得轻松，给卖 GPU 的打广告的吧，就那么几个开源的项目，普通 PC 也能搞定了。

第六步 选择自己感兴趣或者工作相关的一个领域深入下去

「学习日记」说的容易做起来难，作为初学者，连入门都还没有，更别说确定一个方向了。

开始面试

三个月时间结束了，找个工作练练手。包装了下简历，投到某知名互联网公司，很快得到了面试机会。

先问了一个快速排序法的原理，基本能答上来。接下来就惨了，面试官问“用户百度搜索一个关键词，又点了一个分类标签，和用户的历史标签，如何给用户推荐？”

呵呵，这下完全蒙圈了，于是开始胡诌，“用 svm 吧？或者贝叶斯，或者用聚类…”后来想想，这是在考验对公式和优化方法的熟练程度。

面试，如预期的一样。没了下文。

痛定思痛

所以，最后还是要决定，听从别人的经验，不要自己跨度太大，盲目学习。问了几个有经验的中科院博士生。他们建议，现在工具大多是开源的，普通的算法都能实现，要想有成果，有提升，关键还是要从数学原理去入手。才能做到真正入门人工智能。用普通学习一个编程语言的思想，是不适用于学习人工智能的。

科学的 AI 学习路线，应该是这样的。

高数，看来是躲不过了

从头再来

重新拾起来放下5、6年的高数，说难不难，说简单也不简单，如果能够有位专业老师给我指点，避免大而全地复习，而是快速而准确地学到真正在人工智能研究中用得到的数学基础，肯定会事半功倍。

在一段时间的寻找、对比、筛选过后，一个机构，引起了我的注意。深耕数学领域培训多年的极值学院，联合既有数学基础知识又是人工智能领域的专家，开设了这样一门适合入门人工智能的数学基础课程。

与几个备选机构的课程对比：

	极值学院	平台一	平台二
课程师资	高校资深讲师 9年数学和机器学习教学经验	未公布老师	博士生
课程形式	全程直播+录播	录播课	录播课
答疑服务	讲师+助教答疑	几乎没有答疑	讲师+助教答疑
课程时长	110个小时	21个小时	24个小时

在这么一个机遇时代，各种各样的机构鳞次栉比。遇到一个靠谱的平台，能够避免浪费时间金钱，避免浪费好不容易想要转行学习的信心和勇气。于是我选择了极值学院，一个实打实能帮我补足基础知识的课程。

课程信息分享给你，

听说，今天还有双11的返场折扣。

讲师简介

人工智能之数学基础

徐老师

211高校一线教师，哈尔滨理工大学应用数学硕士，德国明斯特大学计算机应用技术博士。拥有 9 年的算法研究经验，熟悉机器学习、深度学习、大数据分析等算法模型，掌握数据预处理、特征提取与选择、回归分析、聚类、分类、人工神经网络等算法模型。近 3 年，在机器学习、模式识别领域发表被 SCI 或 EI 检索的论文 10 余篇。主讲高等数学，线性代数，概率论与数理统计，C语言，Java语言，Matlab语言，数学建模等课程，主持省级和国家级课题项目 5 项，获省教学成果二等奖（第一完成人）。

课程特点

人工智能之数学基础

  理论性——真正的理解数学公式背后的逻辑
  实操性——讲解数学公式在人工智能中有何应用意义
  权威性——大学多年的讲课经验，深入浅出的讲解数学理论
  逻辑性——从高等数学讲起，逐步深入线性代数、概率、优化理论