5年开发老鸟转型人工智能心酸史

2017 年 11 月 13 日 算法与数据结构
5年开发老鸟转型人工智能心酸史


老鸟简介


先介绍下自己的情况,85 后,自认为是高级后端开发工程师,掌握技能:Linux 一般操作很溜,PHP信手拈来,JS也能上手,数据库经常用,一般小型服务器的架构难不倒我。但,现在遇到了一个人生瓶颈,再过两年就 30 岁了,薪资已到达天花板,很难突破25K。说到转型,管理岗不是自己擅长的,死来想去,认为从技术上突破才是正道


最近几年,人工智能(AI)、大数据大火,行业人才缺口巨大,薪资也水涨船高。


AI 相关岗位的平均薪资比其他的互联网技术岗高出 30% ,刚毕业就拿 25K 不成问题。再做两三年3、40万不成问题。


不是常说,15年前错过了买房,10年前错过了做互联网……”,既然无法拥有一个重来的人生,就不能再犹豫。对,说干就干。


首先,在网上搜罗一些大牛的经验,大家推崇的人工智能“六步走”学习路线,感觉还不赖。于是撸起袖子开干!


人工智能“六步走”学习路线


第一步 学习并掌握一些数学知识


「学习日记」高等数学、线性代数、概率论,这个大学都学过的呀。简单书翻一翻就OK了,现在还认真学它干嘛。


第二步 掌握经典机器学习理论和算法


「学习日记」机器学习算法,花了 300 多报了一个班。里面讲一些公式和推理,公式有点看不懂,学了两节直接放弃…还买了一本周志华的西瓜书(机器学习),网上评价特别高,But,翻了几页简直是天书,那些公式他认识我我根本不认识他。心想,那些网上好评的同学,你们确定看懂了吗?


第三步 掌握一种编程工具,比如Python


「学习日记」这个对于我来说,多学一门没关系,语法都差不多


第四步 了解行业最新动态和研究成果,比如各大牛的经典论文、博客、读书笔记、微博、微信等媒体资讯。


「学习日记」最新研究成果是要看的,但是初学者真得不是想看就能看得懂的…至于读书笔记、经验之谈,都是泛泛而谈。给自己打打鸡血也就可以了,真学到东西有点扯。


第五步 买一个GPU,找一个开源框架,自己多动手训练深度神经网络,多动手写写代码,多做一些与人工智能相关的项目。


「学习日记」说得轻松,给卖 GPU 的打广告的吧,就那么几个开源的项目,普通 PC 也能搞定了。


第六步 选择自己感兴趣或者工作相关的一个领域深入下去


「学习日记」说的容易做起来难,作为初学者,连入门都还没有,更别说确定一个方向了。


开始面试

 

三个月时间结束了,找个工作练练手。包装了下简历,投到某知名互联网公司,很快得到了面试机会。


先问了一个快速排序法的原理,基本能答上来。接下来就惨了,面试官问“用户百度搜索一个关键词,又点了一个分类标签,和用户的历史标签,如何给用户推荐?”


呵呵,这下完全蒙圈了,于是开始胡诌,“用 svm 吧?或者贝叶斯,或者用聚类…”后来想想,这是在考验对公式和优化方法的熟练程度。


面试,如预期的一样。没了下文。


痛定思痛

 


所以,最后还是要决定,听从别人的经验,不要自己跨度太大,盲目学习。问了几个有经验的中科院博士生。他们建议,现在工具大多是开源的,普通的算法都能实现,要想有成果,有提升,关键还是要从数学原理去入手。才能做到真正入门人工智能。用普通学习一个编程语言的思想,是不适用于学习人工智能的。


科学的 AI 学习路线,应该是这样的。





高数,看来是躲不过了

从头再来


重新拾起来放下5、6年的高数,说难不难,说简单也不简单,如果能够有位专业老师给我指点,避免大而全地复习,而是快速而准确地学到真正在人工智能研究中用得到的数学基础,肯定会事半功倍。


在一段时间的寻找、对比、筛选过后,一个机构,引起了我的注意。深耕数学领域培训多年的极值学院,联合既有数学基础知识又是人工智能领域的专家,开设了这样一门适合入门人工智能的数学基础课程


与几个备选机构的课程对比:



极值学院 平台一 平台二
课程师资 高校资深讲师
9年数学和机器学习教学经验
未公布老师 博士生
课程形式 全程直播+录播 录播课 录播课
答疑服务 讲师+助教答疑 几乎没有答疑 讲师+助教答疑
课程时长 110个小时 21个小时 24个小时


在这么一个机遇时代,各种各样的机构鳞次栉比。遇到一个靠谱的平台,能够避免浪费时间金钱,避免浪费好不容易想要转行学习的信心和勇气。于是我选择了极值学院,一个实打实能帮我补足基础知识的课程。


课程信息分享给你,

听说,今天还有双11的返场折扣。


讲师简介

人工智能之数学基础


徐老师


211高校一线教师,哈尔滨理工大学应用数学硕士,德国明斯特大学计算机应用技术博士。拥有 9 年的算法研究经验,熟悉机器学习、深度学习、大数据分析等算法模型,掌握数据预处理、特征提取与选择、回归分析、聚类、分类、人工神经网络等算法模型。近 3 年,在机器学习、模式识别领域发表被 SCI 或 EI 检索的论文 10 余篇。主讲高等数学,线性代数,概率论与数理统计,C语言,Java语言,Matlab语言,数学建模等课程,主持省级和国家级课题项目 5 项,获省教学成果二等奖(第一完成人)。

课程特点

人工智能之数学基础

 

      理论性——真正的理解数学公式背后的逻辑
      实操性——讲解数学公式在人工智能中有何应用意义
      权威性——大学多年的讲课经验,深入浅出的讲解数学理论
      逻辑性——从高等数学讲起,逐步深入线性代数、概率、优化理论

 

课程内容

人工智能之数学基础


公开课

12月2日,2 学时


正式系列课



《高等数学》 共 39 学时

12月9日 - 1月20日

每周六日晚 7:00 - 10:00


《线性代数》 共 30 学时

1月27日 - 3月4日(2月17日18日除外) 
每周六日晚 7:00 - 10:00


《概率论》 共 39 学时

3月10日 - 4月21日

每周六日晚 7:00 - 10:00


(P.S. 如果对于自己比较有信心,系列课的三门课也可以单独购买。)


课程福利

人工智能之数学基础


1、50G 的人工智能资料大礼包


2、讲师私密答疑群(共享项目经验、答疑等)



微信扫一扫,立即咨询

听说现在还有双11返场优惠哦


登录查看更多
4

相关内容

数学是关于数量、结构、变化等主题的探索。
小贴士
相关资讯
做机器学习和AI必备的42个数学知识点
AI前线
6+阅读 · 2018年12月6日
软件工程师如何转型人工智能?
机器学习算法与Python学习
6+阅读 · 2018年4月26日
如何用人工智能帮你找论文?
AI100
8+阅读 · 2018年2月21日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
搞人工智能必备“数学库”
机器学习算法与Python学习
3+阅读 · 2017年11月20日
数学不好,如何转行人工智能?
算法与数学之美
3+阅读 · 2017年11月17日
这是一个转型AI的励志故事,从非科班到拿下竞赛一等奖
荐号|10个优质的大数据、人工智能公众号
待字闺中
5+阅读 · 2017年10月25日
相关VIP内容
【DeepMind推荐】居家学习的人工智能干货资源大全集
专知会员服务
58+阅读 · 2020年6月27日
专知会员服务
50+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
50+阅读 · 2020年3月9日
专知会员服务
22+阅读 · 2020年3月6日
人工智能学习笔记,247页pdf
专知会员服务
100+阅读 · 2019年12月14日
相关论文
Revisiting CycleGAN for semi-supervised segmentation
Arnab Kumar Mondal,Aniket Agarwal,Jose Dolz,Christian Desrosiers
3+阅读 · 2019年8月30日
Adversarial Objects Against LiDAR-Based Autonomous Driving Systems
Yulong Cao,Chaowei Xiao,Dawei Yang,Jing Fang,Ruigang Yang,Mingyan Liu,Bo Li
5+阅读 · 2019年7月11日
Interpretable Adversarial Training for Text
Samuel Barham,Soheil Feizi
4+阅读 · 2019年5月30日
Marvin Teichmann,Andre Araujo,Menglong Zhu,Jack Sim
4+阅读 · 2019年5月14日
Sambaran Bandyopadhyay,Lokesh N,M. N. Murty
3+阅读 · 2018年11月19日
Felix Laumann,Kumar Shridhar,Adrian Llopart Maurin
17+阅读 · 2018年6月27日
Juan Pavez,Héctor Allende,Héctor Allende-Cid
5+阅读 · 2018年5月23日
Mohammad Raihanul Islam,B. Aditya Prakash,Naren Ramakrishnan
4+阅读 · 2018年3月22日
Guangyu Robert Yang,Igor Ganichev,Xiao-Jing Wang,Jonathon Shlens,David Sussillo
3+阅读 · 2018年3月16日
Jonathan Long,Evan Shelhamer,Trevor Darrell
3+阅读 · 2015年3月8日
Top