裁員 or 縮招，AI 四起，你的工作還好嗎？
圖書管理：
圖片來源：中國寧波網
看到這裡你可能會產生這樣的疑問：
1. 人工智慧會讓程式員失業嗎？
當人工智慧逐漸強大，大家開始擔心：人工智慧下一步又要在哪個領域幹掉人類？
AI 會讓人類程式設計師失業嗎？對此問題持肯定態度的人並不在少數。
比如：美國橡樹嶺國家實驗室在去年底釋出的論文《人機混編的程式碼意味著什麼?人類 2040 年還需要親自編寫程式碼嗎? 》中表示： 到了 2040 年，大多數的程式程式碼將由機器生成。
2040 年距今天還有些距離，至少當下，AI 沒有讓程式設計師失業，而是讓程式設計師更貴了。
AI 時代，為什麼程式設計師這麼貴？ 因為 AI 的發展，不僅不會使程式設計師消亡，反而使得各行各業比現在更加需要程式設計師——程式設計師的求職範圍不再侷限於軟體或網際網路行業，社會總需求激增，人才自然也就更貴了。
不過，再過 5-10 年，程式設計師還會有今天這樣好的行情嗎？
2. 程式設計日益成為通用技能
個人認為：在不久的將來（也許三五年，也許十來年之後）， 程式設計將從職業技能逐步蛻變為職場通用技能。
我們可以類比“識字”這個技能來看——
百十年前，大多數老百姓都不認識母語文字。當時，識字無疑一種職業技能。具備了這一技能，就可以獲得一個比大多數人工作環境更優越，報酬也更高的職位。
但到了今天，識字率已經逼近100%，僅僅“認得字”，還是隻能從事低端工作。
未來，程式設計將成為人人都會做的事情，職場中的一員，除了要具備聽說讀寫本國語言的能力外，還得能夠讀程式、寫程式碼——即使一時無法覆蓋全員，至少是朝著這個方向發展。而職業寫程式碼的人，將越來越少。
類似的技能還有：駕駛——汽車工業發展起來後，職業司機會越來越少，駕駛成為了當代社會人們的一種通用技能。
3. 從基礎演算法到機器學習
今天的程式設計師學習程式設計 ——
首先，要了解程式語言的語法特徵；
並且，掌握編譯或解釋的過程，及編譯器/直譯器效能，除錯方法、工具等；
然後，配合演算法，實現業務邏輯——就可以做很多（幾乎是任意的）事情了。
但把目光放長遠些，只會這些，還遠遠不夠。
雖然目前基礎演算法和機器學習還是涇渭分明的兩部分內容，但筆者認為，未來這兩部分終將合流。
隨著其落地點和應用越來越多，機器學習必將融入到常規程式設計之中。
反過來，能夠讓越來越多的人在程式設計中運用機器學習的成果，也是計算機技術發展的結果。
雖然人類對於用數值表達事物，用運算推演事物聯絡的研究已經持續了幾千年。但在沒有計算機的年代，稍許複雜的數值計算就需要數學家、統計學家的介入，普通人難以勝任。
後來，有了 Excel 之類的工具，一般人也可以負擔常用的資料統計工作了。
機器學習也是一樣的道理，大量工具、框架的湧現，使得運用演算法處理資料，訓練模型的過程越來越簡單高效。
那些曾經高高在上的機器學習模型變得觸手可及，只要寫幾行程式碼，就都能拿來就用了。這種便捷使得每一個會寫程式的人，都可以輕鬆上手機器學習。
4. 修煉內功——掌握機器學習原理
工具雖多，要用對地方，還得掌握基本原理。
在使用統計工具的時候，我們可以很方便地計算均值、方差、中位數等等指標。但要讓計算結果有用，總要先搞懂它們的定義、計算公式和物理意義。
同理，在機器學習領域，我們有若干歷史悠久的經典模型。它們從實踐中來，經歷了千錘百煉，在數學層面被嚴格證明為有效。
那麼，學習它們的模型函式、目標函式，從模型函式到目標函式的運算過程，各個函式相應的物理意義，最優化的方法……就成了使用它們的必要前提！
掌握了這些模型之後，再與特徵工程結合，就可以用來支援現實業務了。
5. 學習機器學習的意義
計算機技術飛速發展，各種工具、框架、語言日新月異。但是蘊含在機器學習中的原理和公式推導卻是穩定的，經得起時代更迭。
我們學習機器學習，不僅是為了找一個 AI 工程師的崗位，也是在掌握一種通識技能。
相信將來機器學習會像現在的加減乘除一樣，成為大眾必備的基礎能力。
在產品和服務中應用機器學習模型，已經逐步成為網際網路行業的通行方法。甚至很多傳統軟體企業，也開始嘗試應用機器學習。 說得更直接些，人工智慧正處在炙手可熱的風口浪尖上，作為程式設計師不會機器學習都不好意思去找工作。
很多技術開發者迫切希望快速進入人工智慧領域，從事工程或者演算法等相關工作，這也是推出【機器學習訓練營】的初衷。
第 4 期僅開放 200 個名額，報名截止 1 月 3 日，1 月 4 日正式開營。 為了不耽誤一部分同學報名，下面先放出訓練營報名的二維碼，方便大家掃碼搶佔名額。
當然，還有很多新同學不清楚這個機器學習訓練營是怎麼回事，那我就簡單介紹下。
機器學習訓練營簡介
《21 天入門機器學習》是 GitChat 打造的一款社群學習產品，以李燁老師的圖文課《機器學習極簡入門課》為學習素材， 通過 21 天的社群學習模式帶領大家入門機器學習。
本訓練營課程共 6 大主題、 42 講，包含 17 個核心知識點；另配有 10 道入門測試題、 44 道課後習題、 3 個實踐專案（含資料） 供同學們檢驗學習效果；同時課程還將提供往期已結營課程的答疑實錄，同學們可作為學習參考資料使用。
作者介紹
李燁，高階軟體工程師，現就職於微軟（Microsoft），曾在易安信（EMC）和太陽微系統（Sun Microsystems）任軟體工程師；先後參與聊天機器人、大資料分析平臺等專案的開發；曾在 GitChat 平臺上釋出過多場熱門 Chat 和暢銷課程。
學習條件
< 訓練營優秀筆記展示 >
▼
▼
<同學們在訓練營討論問題>
< 李燁老師的答疑互動 >
< 同學們的學習效果反饋 >
< 一期優秀學員結營感悟 >
訓練營學習目標
課程表
- 開營禮包（內含 20 元課程代金券）
- 全勤獎（99 元助學金返現）
- 優秀學員獎（199 元助學金返現）
報名須知
- 本期報名截止：2019.01.03
- 本期開營日期：2019.01.04
- 本期結營日期：2019.01.24
- 限購名額：200 人
- 本課程為圖文課程+社群學習模式，沒有視訊
- 訓練營為虛擬商品，一經付費概不退款，敬請諒解
特價優惠
- 限量專享特價：399 元/期
- GitChat 超級會員專享價：299 元/期
- 李燁達人課老使用者專享價：299 元/期
- 購買疑問請新增訓練營小助手微信（gitchat2018）進行諮詢。
最後，為學日益，為道日損。很多課程都是考慮如何把知識強硬的塞進你的大腦，也有些課程，說讓你提升格局境界，但沒收穫看得見摸得著的資訊。
加入機器學習訓練營，用數值表達現實事物，用運算描述任務目標，通過演算法處理資料找到達到目標的最優路徑，讓訓練出來的這種內化的能力，成為你相伴終身的助力！
點選或掃碼瞭解訓練營 ，我在開營那天等你！！
