我的AI转型之路与AI之我见（非985211的奋斗路程与视角）---转载

ゝ一世哀愁。 2022-06-12 08:40 119阅读 0赞

# 前言 #

![这里写图片描述][SouthEast]

我是一名传统网页（[PHP][]\+ruby）和应用开发（[Android][]）转型AI相关开发的码农。在非985211高校出身的情况下，我前期自己买书学习，到现在考研上课全身心的投入[智能][Link 1]系统的开发当中来，在[算法][Link 2]当中理解了数据和模型，对一些基本问题的解决和现在社会上的环境风气有自己的看法，在这里不吐不快，和大家分享一下。

对于[人工智能][Link 3]的入门和基础理解我有一篇综述的博客文章，手把手的入门[机器学习][Link 4]的”Hello World“，有5个基础开发实例，方便理解整个开发的过程。

1.  数据分析入门：Weka的使用（只要四步，不会编码也可以做机器学习与数据分析）
2.  机器学习的“Hello World” MNIST手写字体识别（用SVM支持向量机算法）
3.  Iris花数据集分析
4.  支持向量机（SVM）人脸识别
5.  多层感知机识别MNIST手写字体识

详细内容，有兴趣的同学请点击下面的链接。

（0）【机器学习】机器学习综述与“Hello World”实战（附带5个实例） [http://blog.csdn.net/sileixinhua/article/details/73611056][http_blog.csdn.net_sileixinhua_article_details_73611056]

也抽空做了2个小项目与大家分享。

1.  新闻分类系统（Python）：爬虫（bs+rq）+数据处理（jieba分词）+分类器（贝叶斯）  
    [http://blog.csdn.net/sileixinhua/article/details/74943336][http_blog.csdn.net_sileixinhua_article_details_74943336]
2.  谣言识别系统（Python）：爬虫（bs+rq）+数据处理（jieba分词）+分类器（贝叶斯）  
    [http://blog.csdn.net/sileixinhua/article/details/75091365][http_blog.csdn.net_sileixinhua_article_details_75091365]

# 我的吐槽 #

![这里写图片描述][SouthEast 1]

## 人人都是机器学习工程师 ##

现在人工智能无论是在校园里还是在工作当中，无论是在国内还是国外，都是十分火热的话题。现在在高校校园里，计算机专业，电子工程专业，自动化专业，机械专业，土木工程专业等等工科，理科，甚至新闻与传播专业等，只要手里有数据的专业，基本都有人工智能，机器学习等相关的话题。

不但在中国，美国，就连在日本，我在参观高压电专业实验室的同学都在用SVM预测地区高压电用电量估计，用蚁群算法来为高压电传输塔的建立做最合理的规划。自动化同学实验室再用决策树做图像识别，做[机器人][Link 5]智能抓取。生物医学实验室的同学在用聚类分析DNA的基因序列。电子实验室的同学用回归分析电路板的检修，和用深度神经网络开发智能汽车。而且这不是在最好的帝国大学，这只是在世界排名800的普通工科院校。在入学的时候，校长在发表讲话，我比较激动，因为校长通篇的演讲都是在说“現在は人工知能の時代になりました。皆さんは人工知能の知識を勉強しでください。”就是“现在是人工智能的时代，请大家学习一下人工智能的知识。”就连普通上课最后同学们查询资料，发表这个课程相关论文的学习内容时，很多同学都是结合这门课和机器学习的分析方法，解决原来计算条件有限下难以解决的问题。

十几年前，机器学习还只是世界顶尖大学的玩物，现在所有的高校里都有相关的学习与研究，应用在各行各业当中。从原来的博士专业中独享，到现在的普及到硕士专业，以后大批本科生毕业也可以从事人工智能，数据分析相关的开发。现在大批的研究生开始学习机器学习算法， 研究在各种场景环境下的带入应用，不再去做网页，写EPR系统，开发APP，而是转向数据分析，图像识别，[自然语言][Link 6]处理，神经网络等等。

在京东图书当中，周志华的《机器学习》评论数为8700+，而[php][PHP]卖的最多的《PHP从入门到精通》只有评价数6100+，郭霖的《第一行代码[android][Android]》的评论数为1.4万+。由此可见不远的将来大家可能会从原来的PHP是最好的语言，即将变为SVM是最好的算法。

## 各种收费学习平台收割大学生的智商税 ##

近几年知识收费成了各大网站的又一突破点，有良好师资的网站不断推出新的，符合市场定位的技术视频，并收取学员一些学费。可是现在有很多平台把市面上的书籍网络上的代码一抄，模模糊糊的讲解一下就敢收费400，500，甚至上千元的收费，这和11年[安卓][Android]的培训市场上是如出一辙。这年头各种牛鬼蛇神，牛头马面都敢出来当老师，开班授课，市场一片混乱，不少刚出社会或者刚进大学的同学都被这个人收了智商税，希望大家应以为戒。现在世面上这么多的书籍与各种好的原创视频，知识点解读，论文分享的好公众号，希望大家不要再上当了，在掏钱的时候好好观察，这个是交了智商税还是真交了学费。

## 学会信息检索 + 合理利用资源 ##

现在国内的视频网站上并没有多少好的人工智能教学的相关视频，但是油管上有成千上万的好的视频，从知识点的讲解，论文的解读，具体应用的手把手的代码教学，嗾使十分丰富的。具体的推荐请看下面书籍，公众号，视频的推荐。

很多同学找不到学习资料和视频资源。其实，信息检索也是一门学科，我在大学期间选修过这门课，后来我想这就是数据分析的第一步，数据收集。在这里我推荐大家加入我的群，群里都是一群新手，也包括我，都是想依靠技术让自己生活变的更好的一群人，群里不定期更新PDF书籍资源，现在已经有2.71GB，234本书了，可以让大家节约时间，少走一些弯路。QQ群号：657119450。

# 为什么要学习AI #

## AI开发与传统软件工程，互联网应用开发相比较区别有哪些 ##

传统软件工程，互联网应用开发主要是依靠开发语言和开发工具，重点学习一些算法和[数据结构][Link 2]，库，框架。AI开发则有自己相关的库和框架，更多是学习机器学习的相关算法与对算法的优化，重点是把算法和模型应用到实际的问题当中，从不同的环境场景下提取数据，处理数据，分析数据的能力。

## AI开发与传统软件工程，互联网应用开发相融合 ##

互联网网站开发的都在做精准推荐，电子相关的都在做图像识别和处理，让计算机能具有”看“的能力，APP开发的在用机器学习来开发智能应用，语音输入法等。现在智能系统是解放生产力又一大有效的方案，现在不断有更多更好更新奇的应用被开发出来，提高了工作效率，降低了生产成本。

所以，作为传统开发和AI开发其实真正的区别并不大，无论是现在还是未来，好的传统开发是必须要会AI相关算法与技术应用到自己的项目当中，而好的AI开发是要会传统开发的技术，来实现自己的算法模型，解决实际问题的，所以两者是相辅相成的关系，互相离不开的。

## 未来AI的发展机遇 ##

# AI的开发工作机会分析 #

![这里写图片描述][SouthEast 2]

我从五月份开始关注拉钩网，春季刚开始的时候还没有机器学习，[深度学习][Link 7]，自然语言处理，图像处理，数据挖掘，精准推荐的分类，现在在工作岗位分类中，都有人工智能这一大类了。可见现在人工智能相关的工作十分火热并工程师紧缺。

7月14日，人民日报报道了《中国人工智能人才缺口超500万，供求比例仅为1：10》一文，文章中说到。

一位数据挖掘高级工程师，在关闭招聘网站自己简历的情况下，每个月仍会收到4到5个猎头的电话，游说他去其它公司。现在以人工智能算法开发工程师为例，该职位少则月薪1万、2万，多则年薪百万。不像其它行业占据职业高薪榜的是高级管理人才，在人工智能领域中，技术类工程师拿的是最高薪。李开复说过“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知，三大公司（谷歌、脸书和微软）都在用不合理的价钱挖人”。最近领英发布的《全球AI领域人才报告》显示，到2017年一季度为止，领英平台上的全球AI（人工智能）领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，而中国的相关人才总数也超过5万人，位居全球第七。

目前国家要产业转型改革，同时也强调产业升级的重要性，互联网行业中最稀缺的就是人工智能人才。现在国内的供求比例仅为1：10，供需严重失衡。工信部教育考试中心也曾在2016年向媒体透露，中国人工智能人才缺口超过500万人。目前国内外企业均把人工智能看成下一个变革的主要力量。AI技术人才，则是主导这一变革的中流砥柱。人工智能的竞争说到底是对人才的竞争，因此出现了各大互联网企业高薪挖人的现象。《全球AI领域人才报告》显示，美国已成中国AI人才最大回流来源，中国拥有海外工作经历的AI技术人才有43.9%来自美国。华人人才的持续回流，将加快缩短中国与美国等国家的技术差距。

由以上可知，现在加入到AI的开发中开正是大好时机。

## 现在AI开发工作的市场需求 ##

现在市场上人工智能开发多是在研究生博士生居多，本科生并不是很受欢迎，本科生在本科阶段绝大部分是没有研究的，专业课的学习为主，自己喜欢的开发相关学习为辅，的确时间上并不是十分充裕，所以研究生和博士生现在受到市场的欢迎。基本上都是统计学、应用数学、计算机等相关专业，硕士及以上学历，具有优秀的数据结构和算法设计能力，能将算法实现为代码，至少熟悉一种[大数据][Link 8]处理的编程语言（R、[Python][]、[Java][]、[Go][]、Perl、Ruby、SPSS等），熟悉大规模信息处理与分布式计算等相关技术，较强的数据敏感度，逻辑分析能力和文档写作能力，

数据挖掘，搜索算法，精准推荐，深度学习，机器学习，图像处理，图像识别，[语音识别][Link 9]，机器视觉，算法工程师，自然语言处理等方向现在十分火热。多数企业招不到合适的人员。

## AI开发工作应该拥有哪些技术 ##

1.  开发语言多数以R、Python、JAVA为主。
2.  将算法转换为代码的能力，即编码能力，这方面想提高除了多看多写，别无他法。
3.  熟悉opencv，sklearn，tensorflow，caffe，Spark，keras，pyTouch等开发库，没必要全会，但是要有熟练的一个或几个。
4.  大规模信息处理与分布式计算，开发环境搭建与优化，算法的调参与优化。
5.  文档书写，团队人员的交流能力。
6.  分析问题，分析数据，带入算法和模型到实际场景应用的能力。

![这里写图片描述][SouthEast 3]

# 我与AI的初次相遇 #

## 12年第一次接触机器学习 ##

12年我第一次接触机器学习，当时进了实验室大家还不说机器学习，都是说数据挖掘，做了一个垃圾邮件处理的问题，当时并没有完成。之后就一直没有做这方面工作，一直做的是网站开发和APP开发。那时候是以java开发为主，学习[python][Python]当中。由于没有什么书籍，网上博客也不全，代码也是残缺错误，所以那时候学习数据挖掘进度缓慢，没有什么成就感，没有网站开发和APP开发带来的成就感大，所以也就主要是做开发写代码为主。

## 16年断断续续的学习 ##

由于在日本考学校要考试，还要写研究计划书，所以重新开始机器学习算法的学习，没有做什么实际的应用，只是单纯的推导公式，学习算法。做了一个根据网页信息对网页进行分类的应用，写成了研究计划书。多是看视频，看博客为主，书籍也是《机器学习实战》一本翻了很多次。

## 17年开始全身心的投入学习 ##

修士（对应国内研究生）入学之后，开始全面系统的学习。没有什么特别的经过，就是不断看书，写代码实现，看论文，写博客记录。日本学生人人都写研究记录，我也开始写博客记录我的学习经过。每周都有和老师研究进度报告，和实验室研究会议，当前的研究进度的说明，发现了什么问题，怎么解决的。还有用《Python Machine Learning》，每人每周讲解一章，实验室人不多，算上我和两个前辈就3人，但是这个人工智能实验室在上世纪80年代就有了，算是历史不短吧。

现在国内市场上的人工智能相关书籍也开始慢慢多了起来，但是还是有老问题，有的书籍互相重复内容太多，有的书籍单纯是官网简介和demo代码的翻译，多数质量并不是很高，导致我现在看中文书预习，看日语书学习，看英语书复习，日本关于机器学习相关的书写的相当详细，理解起来也简单，中文书多数是翻译英文版的书籍，而我英语不是十分的好，看英语书向来要花点时间。

# 我学习AI的方法 #

## 看书，代码，分享的循环 ##

学习的过程就是枯燥的，不停的看书，写代码实现，没别的方法了。找数据，找项目，找问题决解，锻炼自己解决实际场景问题的能力。然后最好写成博客分享给大家，对自己未来找工作，还是交接志同道合的朋友都有好处。

有的同学一上来就看代码，算法的原理和数学公式的体现不会是看不懂代码的，所以要先看书，从书上的例子一点点做起，还有部分同学基础的开发和数据结构不是很擅长，也要先补习一下这方面的内容才可以，总之基础的确很重要，万丈高楼没有地基的确是不行的。

## 书籍推荐 ##

《机器学习实战》

《自然语言处理原理与实现》

《机器学习》

《统计学习方法》

《支持向量机导论》

《统计自然语言处理（宗成庆）》

《深度学习》

《模式识别-第二版(西奥多里蒂斯 著，李晶皎译)》

《驾驭文本 文本的发现、组织和处理\_》

《Python Machine Learning》

《Advanced Machine Learning with Python 》

《MATLAB智能算法30个案例分析》

《人工智能 一种现代的方法（第3版）》

《统计学习基础 数据挖掘、推理与预测》

《凸优化》

等等经典书籍，啊，你要问这个书籍哪有下载，请加群免费下载2.71GB，234本PDF书籍，群号：657119450。

## 公众号推荐 ##

大数据文摘 ： 每日大数据新闻推送。

机器之心 ： 每日机器学习新闻推送。

PaperWeekly ： 每日推荐论文推送并解读。

量子位 ： 人工智能新闻每晚推送。

## 微博推荐 ##

爱可可-爱生活 每日多次不停的推荐论文，库，等等人工智能相关信息。（唯一重磅推荐）

## 视频推荐 ##

周莫烦 （油管）： [https://www.youtube.com/channel/UCdyjiB5H8Pu7aDTNVXTTpcg][https_www.youtube.com_channel_UCdyjiB5H8Pu7aDTNVXTTpcg]

周莫烦 （优酷）： [http://i.youku.com/i/UMTYyNjI2NDYw?spm=a2h0j.8191423.subscription\_wrap.DD~A][http_i.youku.com_i_UMTYyNjI2NDYw_spm_a2h0j.8191423.subscription_wrap.DD_A]

Stanford University School of Engineering ： [https://www.youtube.com/user/stanfordeng][https_www.youtube.com_user_stanfordeng]

吴恩达机器学习 （油管）： [https://www.youtube.com/watch?v=UzxYlbK2c7E&list=PLA89DCFA6ADACE599][https_www.youtube.com_watch_v_UzxYlbK2c7E_list_PLA89DCFA6ADACE599]

吴恩达机器学习 （网易公开课）： [http://open.163.com/special/opencourse/machinelearning.html][http_open.163.com_special_opencourse_machinelearning.html]

加州理工学院公开课：机器学习与数据挖掘 ： [http://open.163.com/special/opencourse/learningfromdata.html][http_open.163.com_special_opencourse_learningfromdata.html]

Udacity ： [https://www.youtube.com/user/Udacity][https_www.youtube.com_user_Udacity]

edureka! ： [https://www.youtube.com/user/edurekaIN][https_www.youtube.com_user_edurekaIN]

sentdex ： [https://www.youtube.com/user/sentdex][https_www.youtube.com_user_sentdex] 推荐看用深度学习做GTA5的汽车自动驾驶

![这里写图片描述][SouthEast 4]

Siraj Raval ： [https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A][https_www.youtube.com_channel_UCWN3xxRkmTPmbKwht9FuE5A] 强力推荐，这个视频博主有各种手把手教学的视频，比如音乐合成等。

## 论文网站推荐 ##

jmlr ： [http://jmlr.org/papers/][http_jmlr.org_papers]

nips ： [https://papers.nips.cc/][https_papers.nips.cc]

arxiv ： [https://arxiv.org/corr/home][https_arxiv.org_corr_home]

gitxiv ： [http://www.gitxiv.com/][http_www.gitxiv.com]

reddit ： [https://www.reddit.com/r/MachineLearning/][https_www.reddit.com_r_MachineLearning]

arxiv-sanity ： [http://www.arxiv-sanity.com/][http_www.arxiv-sanity.com]

# 我写AI博客的想法 #

我的现在水平只能写写博客，把自己学习到的东西免费和大家分享一下，肯定有我理解错误或者不完全的地方，和大家交流，解决问题是我的初衷，结实更多相关从业人员也是好处，我把一年的课都选在半年内上完，在我还有一年半校园生涯的时间里我会坚持更新博客，提高写作表达能力，但是毕业之后估计就没那么多时间了吧，谢谢大家对我的支持与鼓励，大家共同进步吧。

未来中国需要大量的掌握人工智能技术的工程师，在各行各业中穿插交流更具具体场景开发，很多同学英语不好，编码能力不好，开发经验不足，我希望通过我的一点绵薄之力帮助更多的同学入门人工智能技术，如果大家都这样想就好了。

# 感想 #

现在就想多看书，多看论文，然后自己实践解决一些实际的问题。已经制定了详细的计划，希望可以坚持下去。

——————————————————————————————————-

有学习机器学习相关同学可以加群，交流，学习，不定期更新最新的机器学习pdf书籍等资源。

QQ群号： 657119450

![这里写图片描述][SouthEast 5]

[SouthEast]: /images/20220612/b8c3fadff436484da4d51c70296a87db.png
[PHP]: http://lib.csdn.net/base/php
[Android]: http://lib.csdn.net/base/android
[Link 1]: http://lib.csdn.net/base/aiplanning
[Link 2]: http://lib.csdn.net/base/datastructure
[Link 3]: http://lib.csdn.net/base/aiframework
[Link 4]: http://lib.csdn.net/base/machinelearning
[http_blog.csdn.net_sileixinhua_article_details_73611056]: http://blog.csdn.net/sileixinhua/article/details/73611056
[http_blog.csdn.net_sileixinhua_article_details_74943336]: http://blog.csdn.net/sileixinhua/article/details/74943336
[http_blog.csdn.net_sileixinhua_article_details_75091365]: http://blog.csdn.net/sileixinhua/article/details/75091365
[SouthEast 1]: /images/20220612/c57c4fab08164102b1a18ebdd691cb85.png
[Link 5]: http://lib.csdn.net/base/robot
[Link 6]: http://lib.csdn.net/base/nlp
[SouthEast 2]: /images/20220612/cdb5844d1f7d43bfa181cdb33a75f2a3.png
[Link 7]: http://lib.csdn.net/base/deeplearning
[Link 8]: http://lib.csdn.net/base/hadoop
[Python]: http://lib.csdn.net/base/python
[Java]: http://lib.csdn.net/base/java
[Go]: http://lib.csdn.net/base/go
[Link 9]: http://lib.csdn.net/base/vras
[SouthEast 3]: /images/20220612/419ca94ce4654d379539a443e3ab22c9.png
[https_www.youtube.com_channel_UCdyjiB5H8Pu7aDTNVXTTpcg]: https://www.youtube.com/channel/UCdyjiB5H8Pu7aDTNVXTTpcg
[http_i.youku.com_i_UMTYyNjI2NDYw_spm_a2h0j.8191423.subscription_wrap.DD_A]: http://i.youku.com/i/UMTYyNjI2NDYw?spm=a2h0j.8191423.subscription_wrap.DD~A
[https_www.youtube.com_user_stanfordeng]: https://www.youtube.com/user/stanfordeng
[https_www.youtube.com_watch_v_UzxYlbK2c7E_list_PLA89DCFA6ADACE599]: https://www.youtube.com/watch?v=UzxYlbK2c7E&list=PLA89DCFA6ADACE599
[http_open.163.com_special_opencourse_machinelearning.html]: http://open.163.com/special/opencourse/machinelearning.html
[http_open.163.com_special_opencourse_learningfromdata.html]: http://open.163.com/special/opencourse/learningfromdata.html
[https_www.youtube.com_user_Udacity]: https://www.youtube.com/user/Udacity
[https_www.youtube.com_user_edurekaIN]: https://www.youtube.com/user/edurekaIN
[https_www.youtube.com_user_sentdex]: https://www.youtube.com/user/sentdex
[SouthEast 4]: /images/20220612/3c30a468a9894baaad41b6ff3c1cb53d.png
[https_www.youtube.com_channel_UCWN3xxRkmTPmbKwht9FuE5A]: https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
[http_jmlr.org_papers]: http://jmlr.org/papers/
[https_papers.nips.cc]: https://papers.nips.cc/
[https_arxiv.org_corr_home]: https://arxiv.org/corr/home
[http_www.gitxiv.com]: http://www.gitxiv.com/
[https_www.reddit.com_r_MachineLearning]: https://www.reddit.com/r/MachineLearning/
[http_www.arxiv-sanity.com]: http://www.arxiv-sanity.com/
[SouthEast 5]: /images/20220612/fdb705ed1db04e92a7486d1fd5f5bfa0.png