论文部分内容阅读
人工智能行业已经越来越火热了。《电脑报》曾在今年第18期报道过《应届生起薪超30万，AI领域薪酬的想象力有多大？》，记者经过调查，发现人工智能行业正处于高速发展阶段，对人才的渴求，让这一行业的薪资水涨船高。
并没有接触过相关技术的人有没有机会呢？答案是肯定的。有一句著名的鸡汤文是这么说的：种一棵树最好的时间是十年前，其次是现在。虽然这句话已经在各种场合被用得太多了，但其中所蕴含的道理却是十分正确的。除了进入高校学习，在互联网时代，还有更多学习的机会提供给有心学习的人。下面将会介绍进入人工智能行业的学习步骤，供大家参考。
进入人工智能行业需要学习什么？
人工智能行业的职位很多，有产品经理、开发工程师、机器学习算法工程师等职位，每个职位的职能都不一样，但想要得到这些职位，最好是能够对人工智能的所有基础技术都有所了解。
以产品经理这一职位举例，产品经理是人工智能行业中需要编程技术较低的职位，不过这不意味着这个职位就不需要学习编程了，产品经理需要与各个职位的工作人员进行沟通，要能与他们对话，就需要在一定程度上了解其他职位的技术。不过如果一开始就是想往产品经理方向走，可以不用在各种技术上学得过于深入。
其他职位也是一样，需要了解不同于自己职位的技术，才能更好地协作。所以后面的内容适合想进入人工智能行业的人进行入门学习，不专门针对某个岗位，若是学习完后，对某一方面有特别的兴趣，可以再针对这一方面进行深入学习，寻求这方面相关的职位。
在具体的学习上，首先我们需要从历史的角度了解人工智能是如何发展到今天，未来又有怎样的发展趋势，这样能让我们从总体上把握人工智能行业的发展脉络，从而能更好地在脉络中学习。而且人工智能行业是一个技术性的行业，涉及到大量计算与编程，所以数学与编程的学习是重要的。另外，机器学习和深度学习是人工智能行业里重要的内容，需要重点学习。
历史脉络与发展趋势
了解人工智能行业发展路径的最好方式就是阅读相关书籍。比起网络上能找到的资料，专业人士的书籍能更体系化，脉络更加清晰。
相关的书籍推荐有许多，下面将选择性进行推荐，也可能会有一些好书被遗漏。
《人工智能狂潮：机器人会超越人类嗎？》 ：这本书的名字有点俗气，不过内容简单易懂，用通俗的语言介绍了人工智能的三次浪潮。
《浪潮之巅》 ：这本书是国内最早出的人工智能科普书，讲述了IT产业发展的历史脉络和美国硅谷明星公司的兴衰沉浮，作者是原腾讯副总裁吴军。
上面两本书可以当作科普类书籍，科普类的书看来看去差别不大，不用花太多时间在上面。至于较为学术的书籍，就比较多了，可以在学习编程技术之后再看，相关推荐书目有：《学习OpenCV》《人工智能：一种现代的方法》《智能Web算法》《语音与语言处理》《模式识别与机器学习》《游戏人工智能编程案例精粹》《统计自然语言处理基础》《模式识别中的神经网络》等。
大家需要看的学术类书并不局限于上述书籍，只要是感兴趣的，都可以阅读。当然，阅读之前最好去豆瓣等网站搜索一下该书的评价与打分。
要看人工智能行业的趋势，除了上述的书中可能会提到，更重要的是时刻关注前沿信息。比较著名的科技中文网站有36kr、雷锋网，以及凤凰网、网易新闻、腾讯新闻、新浪新闻的科技频道。
数学基础
数学是一切科学技术的基础，也是人工智能行业的基础，因为人工智能方面的技术涉及大量计算。从中学时代开始，数学就是很多人的噩梦，也有很多人因为数学放弃文科，选择理科。但不要被数学吓住，真正的数学是有趣的。中学时代的数学是为考试而学习，现在学习数学是为自己的将来学习，目的不一样，学习的内容和方式也就不一样。
学习数学首推R·柯朗 H·罗宾的《什么是数学》。这本书适合全年龄阶段的人进行阅读、学习，因为其中包含目前的绝大部分数学知识，从整数的定义到哥德巴赫猜想，不同难度的知识都有，而且作者用很流畅的逻辑把这些知识点都串联了起来，学习起来不会觉得某个知识点很突兀，更加有利于记忆。唯一的缺点就是，某些地方计算过程较少，让初学某个知识的人看起来有点困难。这本书建议购买中文版，因为这本书的中文译本翻译得挺不错。
在学习数学的过程中，大家可以重点掌握微积分、概率论、线性代数及矩阵的相关知识，这些在人工智能相关技术中应用得较多。
编程基础
编程在人工智能学习中必不可少，前面的学习都相当于基础，到了编程这一步，才是到实际的操作步骤。编程有不同的语言，对于初学者而言，Python和R语言比较容易上手。
关于Python和R语言的课程就不进行具体推荐了，网上的相关课程很多，差别并不大。
只是请注意，学习编程最重要的不是一味地进行知识输入，而是输入与输出的综合，学习到了东西，一定要进行实践，才能更加深刻地理解，就是所谓的学以致用。还要多留心积累成熟的解决方案，方便日后进行参考。
机器学习与深度学习
深度学习是机器学习的一种技术，也就是说机器学习包含深度学习。它们是人工智能行业中最重要的技术。
关于深度学习，推荐吴恩达的课程《Deep Learning Specialization》。吴恩达去年离开百度后，就创办了网站deeplearn.ai，这个网站上有一个课程链接，连接到的是著名公开课网站Coursera上的这个课程，吴恩达也是Coursera的创始人之一。
吴恩达的课程细分为五门课，分别是神经网络与深度学习、提升DNN性能的技巧与方法、构造化机器学习项目、卷积神经网络、序列模型。每一个课程的推荐学习时间在2～4周。
对于没有学习过机器学习相关知识的人，或许会有点难，有对机器学习了解的人在一周之内就学完了所有课程，所以每2～4周完成一个课程还是比较充裕的。
另外，吴恩达还在Coursera有一门关于机器学习的课程，在中文版Coursera上搜索“机器学习”就能查到。
如果觉得上述课程学习起来有些吃力，可以适当放慢脚步，并搜索其他相关视频进行学习，不同的人讲课会有不同风格，这种交叉学习比较有利于理解。所以需要利用好各种课程网站，比如Coursera。如果英文不好，可以看中文版的Coursera，虽然课程还是英文的，但中文的页面看起来会比较亲近。也可以在一些中国本土课程网站上找课程，比如网易公开课、万门大学。
还需要提一点，英语是很重要的，一些著名公开课都是用英语讲授。当中文的资料已经满足不了你的时候，可以考虑看看外语的资料，外语资料中，英语在人工智能行业的使用程度最高，因为目前从事人工智能行业人数最多的美国就是使用的英语，而且国际上重要的人工智能论坛的论文也大都是要求英文。
最后
有一个关键词贯穿学习的始终，那就是耐心。完成上述课程，需要花费的时间是漫长的，单一项数学就需要不少时间，耐心是必须要有的。
当你完成上述课程的时候，也是选择职业方向的时候了，具体职位还是要凭兴趣而定。学习了这些知识后，先不着急找这方面的工作，自己可以做一些作品，去当找工作的敲门砖，毕竟公司想要的是真正能做事的人，而不是空有一肚子墨水。
并没有接触过相关技术的人有没有机会呢？答案是肯定的。有一句著名的鸡汤文是这么说的：种一棵树最好的时间是十年前，其次是现在。虽然这句话已经在各种场合被用得太多了，但其中所蕴含的道理却是十分正确的。除了进入高校学习，在互联网时代，还有更多学习的机会提供给有心学习的人。下面将会介绍进入人工智能行业的学习步骤，供大家参考。
进入人工智能行业需要学习什么？
人工智能行业的职位很多，有产品经理、开发工程师、机器学习算法工程师等职位，每个职位的职能都不一样，但想要得到这些职位，最好是能够对人工智能的所有基础技术都有所了解。
以产品经理这一职位举例，产品经理是人工智能行业中需要编程技术较低的职位，不过这不意味着这个职位就不需要学习编程了，产品经理需要与各个职位的工作人员进行沟通，要能与他们对话，就需要在一定程度上了解其他职位的技术。不过如果一开始就是想往产品经理方向走，可以不用在各种技术上学得过于深入。
其他职位也是一样，需要了解不同于自己职位的技术，才能更好地协作。所以后面的内容适合想进入人工智能行业的人进行入门学习，不专门针对某个岗位，若是学习完后，对某一方面有特别的兴趣，可以再针对这一方面进行深入学习，寻求这方面相关的职位。
在具体的学习上，首先我们需要从历史的角度了解人工智能是如何发展到今天，未来又有怎样的发展趋势，这样能让我们从总体上把握人工智能行业的发展脉络，从而能更好地在脉络中学习。而且人工智能行业是一个技术性的行业，涉及到大量计算与编程，所以数学与编程的学习是重要的。另外，机器学习和深度学习是人工智能行业里重要的内容，需要重点学习。
历史脉络与发展趋势
了解人工智能行业发展路径的最好方式就是阅读相关书籍。比起网络上能找到的资料，专业人士的书籍能更体系化，脉络更加清晰。
相关的书籍推荐有许多，下面将选择性进行推荐，也可能会有一些好书被遗漏。
《人工智能狂潮：机器人会超越人类嗎？》 ：这本书的名字有点俗气，不过内容简单易懂，用通俗的语言介绍了人工智能的三次浪潮。
《浪潮之巅》 ：这本书是国内最早出的人工智能科普书，讲述了IT产业发展的历史脉络和美国硅谷明星公司的兴衰沉浮，作者是原腾讯副总裁吴军。
上面两本书可以当作科普类书籍，科普类的书看来看去差别不大，不用花太多时间在上面。至于较为学术的书籍，就比较多了，可以在学习编程技术之后再看，相关推荐书目有：《学习OpenCV》《人工智能：一种现代的方法》《智能Web算法》《语音与语言处理》《模式识别与机器学习》《游戏人工智能编程案例精粹》《统计自然语言处理基础》《模式识别中的神经网络》等。
大家需要看的学术类书并不局限于上述书籍，只要是感兴趣的，都可以阅读。当然，阅读之前最好去豆瓣等网站搜索一下该书的评价与打分。
要看人工智能行业的趋势，除了上述的书中可能会提到，更重要的是时刻关注前沿信息。比较著名的科技中文网站有36kr、雷锋网，以及凤凰网、网易新闻、腾讯新闻、新浪新闻的科技频道。
数学基础
数学是一切科学技术的基础，也是人工智能行业的基础，因为人工智能方面的技术涉及大量计算。从中学时代开始，数学就是很多人的噩梦，也有很多人因为数学放弃文科，选择理科。但不要被数学吓住，真正的数学是有趣的。中学时代的数学是为考试而学习，现在学习数学是为自己的将来学习，目的不一样，学习的内容和方式也就不一样。
学习数学首推R·柯朗 H·罗宾的《什么是数学》。这本书适合全年龄阶段的人进行阅读、学习，因为其中包含目前的绝大部分数学知识，从整数的定义到哥德巴赫猜想，不同难度的知识都有，而且作者用很流畅的逻辑把这些知识点都串联了起来，学习起来不会觉得某个知识点很突兀，更加有利于记忆。唯一的缺点就是，某些地方计算过程较少，让初学某个知识的人看起来有点困难。这本书建议购买中文版，因为这本书的中文译本翻译得挺不错。
在学习数学的过程中，大家可以重点掌握微积分、概率论、线性代数及矩阵的相关知识，这些在人工智能相关技术中应用得较多。
编程基础
编程在人工智能学习中必不可少，前面的学习都相当于基础，到了编程这一步，才是到实际的操作步骤。编程有不同的语言，对于初学者而言，Python和R语言比较容易上手。
关于Python和R语言的课程就不进行具体推荐了，网上的相关课程很多，差别并不大。
只是请注意，学习编程最重要的不是一味地进行知识输入，而是输入与输出的综合，学习到了东西，一定要进行实践，才能更加深刻地理解，就是所谓的学以致用。还要多留心积累成熟的解决方案，方便日后进行参考。
机器学习与深度学习
深度学习是机器学习的一种技术，也就是说机器学习包含深度学习。它们是人工智能行业中最重要的技术。
关于深度学习，推荐吴恩达的课程《Deep Learning Specialization》。吴恩达去年离开百度后，就创办了网站deeplearn.ai，这个网站上有一个课程链接，连接到的是著名公开课网站Coursera上的这个课程，吴恩达也是Coursera的创始人之一。
吴恩达的课程细分为五门课，分别是神经网络与深度学习、提升DNN性能的技巧与方法、构造化机器学习项目、卷积神经网络、序列模型。每一个课程的推荐学习时间在2～4周。
对于没有学习过机器学习相关知识的人，或许会有点难，有对机器学习了解的人在一周之内就学完了所有课程，所以每2～4周完成一个课程还是比较充裕的。
另外，吴恩达还在Coursera有一门关于机器学习的课程，在中文版Coursera上搜索“机器学习”就能查到。
如果觉得上述课程学习起来有些吃力，可以适当放慢脚步，并搜索其他相关视频进行学习，不同的人讲课会有不同风格，这种交叉学习比较有利于理解。所以需要利用好各种课程网站，比如Coursera。如果英文不好，可以看中文版的Coursera，虽然课程还是英文的，但中文的页面看起来会比较亲近。也可以在一些中国本土课程网站上找课程，比如网易公开课、万门大学。
还需要提一点，英语是很重要的，一些著名公开课都是用英语讲授。当中文的资料已经满足不了你的时候，可以考虑看看外语的资料，外语资料中，英语在人工智能行业的使用程度最高，因为目前从事人工智能行业人数最多的美国就是使用的英语，而且国际上重要的人工智能论坛的论文也大都是要求英文。
最后
有一个关键词贯穿学习的始终，那就是耐心。完成上述课程，需要花费的时间是漫长的，单一项数学就需要不少时间，耐心是必须要有的。
当你完成上述课程的时候，也是选择职业方向的时候了，具体职位还是要凭兴趣而定。学习了这些知识后，先不着急找这方面的工作，自己可以做一些作品，去当找工作的敲门砖，毕竟公司想要的是真正能做事的人，而不是空有一肚子墨水。