作為一名IT從業者，究竟應不應該轉型AI

每一波浪潮的到來，都意味一片無人佔領的藍海，也意味著眾多冉冉升起的新星以及行業巨頭的更替，還意味著什麼？大量的技術從業人員需求，供不應求的人才招聘市場，以及從業者的高薪與眾多的機會。

然而我們最常做的事情是目送著上一次浪潮的退去，感嘆自己生不逢時，卻沒有意識到，下一波浪潮已經到了我們腳下。

人工智慧（Artificial Intelligence）無疑是我們迎面而來的一波新浪潮，身在IT圈中的人，應該都有著直觀的認識。目前國內知名的網際網路企業無一不在建立自己的人工智慧技術團隊，以期用AI技術，提升產品的體驗和智慧化程度。在我們生活中也湧現出了若干與AI相關的產品與應用。Google CEO Sundar Pichai說過一句非常著名的話“我們已經從移動為先的時代進入AI為先的時代”，足以證明各個科技巨頭正在全面擁抱人工智慧。

但與此同時，人工智慧這個科學領域著實讓人摸不著頭腦，只能腦補各種科幻小說、電影，當然，這只是人類對於AI的美好願望。

但凡再往深瞭解一些，各種不明覺厲的名詞也嚇退了很多非科班出身的技術從業者。什麼叫卷積神經網路？什麼叫凸優化？是不是還要回去重讀高數，線代，概率？那麼一大堆公式，感覺完全看不懂啊？聽說沒個名校博士出身都搞不了這個？作為一名技術從業者如何做到在行業大潮中勇立潮頭而不隨波逐流，我們需要對這個領域有更加理性的認識。

其實人工智慧作為一個很大的技術領域，裡面包含了大量的科學門類，往往很多都是一個大學科，其實糾結概念往往是痛苦的，我們不妨找一個切入點進行實踐，再去理解就顯會容易很多。對於希望未來從事這個行業你來講，找到一些熱門的技術和應用場景往往會更有針對性、更加高效。

在很久以前的一篇知乎回答中有這樣一種提法，作為開發人員，AI領域界可以分成這麼幾個層次

對於大部分IT人來說，做到第三類，也就是工業實現這個層面，已經足夠好了，至少，我們已經有了親身參與這個大時代的機會，僅就這一點來說，便已經擊敗了全國99%的人（斜眼笑的表情）。其實答案只有一個：行動起來。

成為人工智慧工程師，在我看來，不妨把熱門的機器學習、深度學習掌握好，就可以入行拼搏了！另外，理論必須要結合專案實戰：因為作為IT工程師，讀十遍書不如跑一遍程式，與其花費大量的時間去啃書本，不如親手完成自己的程式並執行它。我們在寫出程式碼的同時，就會了解到自己還有哪些地方不夠清楚，從而針對性地學習。

機器學習使得我們可以將某些沉重的工作交給演算法處理，進而解決相對於人類來說過於複雜的問題。我們把人類多樣化的學習方式進行邏輯上的抽象，可以分成三部分，外界的學習資訊，大腦的學習理解，最後的能力輸出。對映到我們理解的計算機結構上來可以把外界的學習資訊進一步抽象成為計算機能夠讀取的資料，再通過機器學習的訓練模型，最終逐步優化形成機器掌握的技能。其實在敘述這個過程時已經帶入了監督式學習的影子，其實這也是機器學習目前應用最多的方式，讓機器技能按照人類的意願去發展。相對而言無監督學習或者增強學習是我們要攻克的難點和突破口，圍棋界的明星AlphaGo之所以能成為一代名狗也正是因為應用了增強學習（AlphaGo Zero使用）的模型。當然也涉及到多重神經網路的深度學習應用。

其實在這之前，還有一個更重要的部分就是資料，這也是決定機器學習最終輸出質量的重要環節，這些資料來自於大量和我們要解決問題對應的場景，而且必須經歷資料清洗的過程才能得到可用、有用的資料，而且還需要通過反饋進一步優化資料採集和清洗的過程。

那麼如何才能高效的、高性價比的學習人工智慧呢。下面我推薦一些學習方法。

還有一些優秀的學習資源，講到機器學習就不得不提吳恩達Andrew Ng的機器學習課程https://www.coursera.org/course/ml，還有一些其他的國外學習資源，他們都很好的講解了相應領域的基礎知識，但這些資源往往不能很快的幫助我們掌握我們所需要的知識，並且缺乏基礎知識、缺少相應的應用場景，當然還有語言的障礙，往往年初躊躇滿志的準備開始學習被拖延症拖到了年尾依然沒有開始。自學引以為傲的低經濟成本，往往帶來的是日復一日迷茫的拖延。

因此我們聯合業界知名人工智慧技術團隊——程式碼醫生工作室進行了一些嘗試，希望能夠幫助IT從業者、網路從業者以及即將從事IT工作的人士快速掌握人工智慧基礎知識，並且應用於實踐。程式碼醫生工作室彙集了國際頂尖的人工智慧領域人才，並且先後為盛大網路、Panabit等知名IT公司提供人工智慧解決方案。

我們開發了這樣一門課程——《人工智慧在網路領域的應用與實踐》，採用人工智慧行業主流的TensorFlow環境，將核心功能分解到各個使用案例中，重視原理講解，更重視動手操作。

對於數學基礎薄弱的使用者，將常用所需公式都編輯成原始碼，幫助使用者快速上手案例，通過程式碼深刻理解演算法。

對於Python基礎差的使用者，課程中講解了Python在AI領域所需的基本語法，涵蓋TensorFlow基礎程式設計到迴圈神經網路程式設計，讓學員邊學邊提升。

從資料集製作到靜態、動態、雙向RNN使用例項，涵蓋人工智慧實踐全環節。採用更加有實戰代表意義的股票資料預測、自編碼、GAN網路、惡意域名檢測、異常值分子、模型應用的攻防等行業真實案例的實踐，讓你的人工智慧實踐更接地氣，更具說服力。希望這門課程能夠助你強勢轉型AI。

原文釋出時間為：2018-11-7

本文來自雲棲社群合作伙伴“ ofollow,noindex">SDNLAB ”，瞭解相關資訊可以關注“ SDNLAB ”。