人工智能難學嗎？學人工智能難在哪裏？學AI的正確姿勢
人工智能難學嗎？
其實不難。一個有大學學歷和基本編程經驗的開發，在正確的材料和方向引導下3個星期的時間就能實現自己的第一個人工智能，甚至不需要你有python基礎，邊學python邊學AI都行。
那麽為什麽很多人說人工智能難？
要明白這個，正確的提問是，學人工智能難在哪裏？
學人工智能難在哪裏
學人工智能的過程分為幾個步驟，
· 弄明白人工智能是什麽
· 分清人工智能包括哪些實現手段
· 從具體例子出發，學會其中一種AI算法
這三個步驟，在國內的環境下目前還沒有比較好的資源能夠幫助開發者通過自學來掌握。從15年AI熱開始，國內很多專家和學者雖然在這方面積累了不少經驗，也有很多成果，但受限於很多原因，並沒有很好的教材給我們自學。而面向普通開發者的資料更是少之又少。而好不容易有中文資料，它卻需要讀者有一定的基礎積累才能看明白。
很多人在通過網上資料學習的過程中就默默地被勸退了。
總的來說學習AI的門檻比較高，但這種門檻並不是充要條件。簡單的說，學AI不等於門檻高，門檻高不一定才能學會AI。
除了資料本身的問題之外，AI的發展速度也是學習難的其中一個原因。
自從15年之後，AI的發展基本是以國外為領導，比如Google推出了Tensorflow這個實現人工智能的框架。但Tensorflow處於一個快速發展的階段，很可能你遇到了一個Tensorflow的問題，上Google搜到了對應的解決方案和API，但你在實現的時候發現這個API不見了。這對於很多面向搜索引擎編程的開發者來說是個噩夢。
學AI的正確姿勢
上面說明了why的問題，接下來要說下how。
AI是什麽？
你可能聽說過這些詞，
· 神經網絡，深度神經網絡
· 卷積，循環卷積
· 模式識別，目標識別，風格遷移
說了這麽多，正確的姿勢是啥？
先打基礎。
基礎是啥？
理解AI的本質，明白AI的套路。
AI值得學嗎
學AI有很多動機，豐厚的薪酬，高逼格的工作，未來的方向。但適不適合自己是另外一回事。如果你有非常豐富的某方面經驗，比如服務端開發，比如移動端開發，那麽AI和你的經驗的結合點是學習的方向。
換句話說，放棄你所擅長的去學AI，這是不值得的。
18年在互聯網的薪酬排行上，排第一的是算法工程師，也就是從事AI行業的。一個碩士的AI相關崗位，在深圳大概能拿到25k到35k不等，看個人能力。而移動端的本科條件崗位，同樣在深圳也有14k到22k的待遇。
你肯定會說為什麽拿碩士和本科比較，因為…算法崗位人家不招本科啊。雖然價錢有差異，但實際情況是，18年算法相關崗位的招收比例大概在10:1，而其他崗位則3:1甚至2:1。相對來說，你在移動端或者服務端擅長的話，在就業方面有更好的優勢。
AI到底是什麽
人工智能是個科幻的詞。但目前現實中的人工智能很骨感，不要以為AI就像電影裏一樣，能對話，有自主意識，距離這個目標還有很遠的路。
如果要距離說明什麽是人工智能，目前工程界對AI大體可以分為以下兩個方向
· 計算機視覺-CV
· 自然語言處理-NLP
另外像AlphaGo這種比較特殊，它屬於博弈問題，在AI領域歸類為無監督學習。
計算機視覺-CV
CV所要解決的問題簡單說包括“是什麽”和"在哪裏"的分類問題。
比如給一張照片，AI會告訴你圖裏有貓和狗，都在什麽位置。
除此之外還有生成類問題。比如跟AI說”畫一只鳥”，它會生成一張鳥的圖。甚至可以更精確地描述，是一只黃色還是黑色的鳥，它也能生成。
自然語言處理-NLP
如果你有關註AI方面的新聞的話，18年北大有一個成果叫 Bert的，據說做到了NLP領域的第一。NLP領域具體處理的問題也可以分為兩類
· 分類
· 預測(生成)
比如讓AI識別一段文字屬於什麽分類，那麽可以有小說，廣告，簡歷等類別。
而預測則是通過一段上下文，預測出中間的文字或者後面的文字的是什麽。比如聊天機器人，幾年前的小黃雞也許你還記得，還有微軟小冰，都是聊天機器人。
預測和生成其實是一回事，並沒有什麽區別。比如下面這段文字，中間少了個主語
"天上有( )在飛"
AI會告訴你中間少了的主語有80%概率是"鳥"，19%概率是"風箏"，1%概率是“未知”。
如何學AI
知道什麽屬於AI，那麽學AI就是個方法的問題了。
學AI不像學其他語言或者平臺開發，能很快看到成果。
比如Android，寫個Hello World能馬上在手機看到界面，服務端寫個Docker也能很快看到終端輸出的Hello World。
AI的特殊在於它沒有直接的落地方式，所以在學習過程中會有點難得到正反饋。
建議最好的辦法是結合你所擅長的東西讓AI落地。比如你是做Android的，那麽可以把一個物體識別模型落地到Android客戶端，讓它用攝像頭識別物體。如果是做服務端，可以試試用NLP模型把一些外部網站的內容進行分類。
祝大家天天向上~~~
學是要的，代碼是要寫的，書也是要參考的，一套深度學習熱門圖書PDF大全下載：
下載地址：網盤下載
備用地址：網盤下載
全套包括以下熱門高評分技術書PDF電子書：
《基於深度學習的計算機視覺》
《阿裏巴巴機器智能：計算機視覺技術精選專集2017》
《阿裏巴巴機器智能：技術精選合集2018》
《fundamentals of deep learning》
《Learning Deep Architectures for AI》
《Python機器學習經典實例(高清中文版)》
《Python深度學習》
《TensorFlow 官方文檔中文版 - v1.2》
《TensorFlow技術解析與實戰》
《TensorFlow實戰》
《TensorFlow實戰Google深度學習框架》
《TensorFlow實戰Google深度學習框架(第2版)》
《白話深度學習與TensorFlow》
《解析卷積神經網絡——深度學習實踐手冊》
《解析深度學習：語音識別實踐》
《卷積神經網絡筆記》
《面向機器智的TensorFlow實踐2017》
《深度學習(最全中文版)》
《深度學習筆記(RBM)》
《深度學習方法及應用》
《深度學習-李宏毅》
《深度學習輕松學：核心算法與視覺實踐》
《深度學習與計算機視覺 ：算法原理、框架應用與代碼實現》
《深度學習原理與TensorFlow實踐》
《深度學習中文版花書》
《神經網絡與深度學習》
《使用MXNetGluon來動?學深度學習》
《數字經濟下的算法力量》
《圖解機器學習》
《吳恩達深度學習筆記》
《終極算法：機器學習和人工智能如何重塑世界(中文)》
人工智能難學嗎？學人工智能難在哪裏？學AI的正確姿勢