李烨，现微软高级软件工程师，曾在易安信和太阳微系统任软件工程师。先后参与聊天机器人、大数据分析平台等项目的开发。
上次李烨老师已经为我们介绍了AI的工种及其门槛：
一、做算法；
算法工程师、科学家等。
工作职责：解决实际业务问题；
入门条件：强学术背景；
二、做工程；
机器学习工程师、调参工程师等；
工作职责：数据处理、程序编写、模型训练；
入门条件：领域知识+编程能力；
三、做数据；
工作职责：标注数据；
入门条件：良好的态度、正常的交流能力；
除了像以上说的每个工种具有的入门门槛之外，每一个功能还有一个共同的需求：也就是市场的渴求点：
解决现实问题的能力！
解决问题是职场中，任何一个工种都必须要具备的能力。根据不同的岗位职责，需要解决不同的工作问题。比如做算法的工程师，需要具备介绍实际业务中出现的问题的能力，做工程的工程师，需要有数据处理、程序编写、模型训练的能力；做数据的工程师需要有良好的数据分析处理能力，能够对数据进行有效标注。
而总的来说，入行AI，编程能力是基础能力，要对一些常见的算法语言有一定的了解，如JAVA、Python等。需要具备基础的算能力，理解不同算法之间的衔接处理。
从0开始学习机器学习
入行人工智能，机器学习是始终绕不开的话题。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
李烨老师建议大家，可以以模型为驱动学习机器学习。将不同的模型学习、分析透彻，充分掌握其中的数学原理和公式，并不断练习，做到举一反三，触类旁通。
而想要系统性地学习机器学习，就必须要制定合理科学的学习大纲，并、付诸实践。
学习方法Tips：
一、从模型入手依据需求复习数学知识；
二、了解公式物理意义，制作数学知识速查手册；
三、反复学习、逐级深入；
学习资源
一、教学资源：课程、书籍、网站；
二、实践资源：工具、共享数据集、竞赛；
除此之外，还要努力去争取实习实践机会，比如AI公司的一些实习生岗位，如果能够进入一家业内专业的AI公司，这对你自身的学习成长是非常有帮助的，你可以在公司里学到除了理论知识外的，实实在在的技术，以及项目的研发需要注意哪些方面等。这都是理论知识无法带给你的。
来源：抚顺市博远电子，如涉及版权问题请与我们联系。
TAG
软件定制,软件开发,瀚森HANSEN
