殺出重圍!來自吳恩達的最新AI從業指南
大資料文摘出品
作者:錢天培
讀研讀博還是進入業界,這真的是一個單選題嘛?
學AI的人鋪天蓋地,如何才能找到切入點,脫穎而出?
感興趣的領域發展太快,如何才能緊跟進度?
進入新一年,又有一大批同學們不是正在學習AI,就是在趕著趟要開始進軍AI屆。
隨著《機器學習》《深度學習》等優質課程的相繼問世,吳老闆之流的大佬們將AI帶入尋常百姓家。然而,入門AI的第一步看似簡單,想要進而進入AI業界又似乎有一道邁不過去的坎。
明明網課還在教如何識別貓貓狗狗,AI公司們卻想要你上手做一臺無人車,開一家無人超市。
學了半天機器學習,最後其實調個包行三程式碼就能實現,這麼“弱智”的技能好像也沒啥大不了的。
昨天好不容易讀懂了上個月新發的一篇paper,今天就又看到一篇新paper,說你讀的東西已經過時了。
面對諸多已經或者想要從業AI的同學們,吳恩達老闆最近和計算機協會(ACM)合作開展了一次長達一小時的線上講座,專挑疑難雜症進行了一一解答,提供了一份非常走心的最新AI從業指南。
文摘菌挑選出了這次講座的精華部分進行編譯。對從業AI有各種困惑的同學們,或許這篇文章就能給你滿意的答案!
讀研讀博 vs 進入業界?這不是一個單選題
想要最終進入AI業界,我究竟應該厚積薄發,花上三五年讀個研讀個博呢?還是直截了當,進入業界學點實用技能?
吳恩達認為,這其實並不是一個單選題。
如果你當下處於這兩個選擇的十字路口,那你完全可以兩者都試試——申請幾個研究生博士專案,同時也多看看合適的工作機會,甚至直接加入或組建一個創業團隊。
當然了,不是所有人都會有這樣的精力,能夠去探索到所有的可能性。
如果面對有限的選擇或者精力有限,我又應該採用什麼樣的評判標準呢?
很簡單。吳老闆的建議是:你要清楚地瞭解,你作出選擇後,你最密切接觸到的人群(10-30人)會是怎樣的。
換句話說,你需要儘可能保證你之後緊密接觸到的人,是AI界的佼佼者,或者至少是AI界有激情、有活力的學習者。
這一評判標準的對立面是,僅僅關注公司或者學校的名氣。
下面這種情況常常出現。你進入一家在AI屆名氣很響的公司,經歷數輪輪崗,最後進到了一個邊緣AI團隊,甚至做起了純開發,與當初的目標南轅北轍。
會AI的人那麼多,我如何脫穎而出?從最“蠢”的project做起。
現在不會點AI,都覺得自己像是文盲。畢竟,上網課學點機器學習,深度學習,門檻真心不算高。
可是,你會我會大家會,我又能比別人強到哪裡去?是不是隻有數年如一日、從AI火起來之前就專攻這一領域的大神才能真正享受知識紅利呢?
吳老闆認為,一定不是!
雖然基礎的AI會的人越來越多,可是能植入AI的應用,能被AI改造的行業依舊數不勝數。除去AI最為興盛的網際網路業,農業、零售業、餐飲業,處處都有AI幫得上忙的機會。
比如說,吳老闆的一個學生就在學習了《深度學習》專題課之後自己做了一個智慧咖啡機。這咖啡機真有多高階?其實也就是用到了課程中的一些基礎內容。
除了這點建議外,吳老闆敲黑板劃重點:程式設計還是一定要會滴!
吳恩達認為,在人機互動越來越發達的年代,不會程式設計就好比不懂讀寫的當代文盲。
總會與人告訴你,不需要真正懂程式設計,主需要會用包,讀得懂API就行。在吳老闆看來,這就好比在讀寫未被普及的年代,人們認為他們不需要看得懂書,只需要聽權威人士註解一毛一樣。
如果人人都會一點程式設計,那麼這個世界才能真正充滿愛(AI?)
AI新發現層出不窮?你還真得學會“終身學習”
想在AI屆從業,那就別想著一勞永逸啦。連吳恩達這樣的大咖,也還在天天讀論文呢!
怎樣才能緊跟AI潮流呢?吳老闆認為,光靠上課肯定是不夠用的。
不可否認,聽大咖講課是入門AI最有效的方法。但在AI屆,知識從發表到轉化為系統課程之間永遠隔了一個不短的時間間隔。因此,還是得埋頭啃paper鴨!
在讀論文這件事上,吳老闆也輕撒了點“雞血”。就說你平均一週讀2篇論文,那一年可就能讀個100篇論文。這是什麼概念?
如果你能讀上一個領域內10-20篇論文,那你就可以信心滿滿地說你瞭解這一領域了。
如果你能讀上50篇論文,那你就已經是個領域小專家了。
如果你能讀上100篇論文,那麼你大概已經有了不少科研想法,可以嘗試拓寬這一領域的邊界了。
最後的最後,如果你能讀上200篇論文,那你就完全可以自己開一門課程。
那麼,讀論文這件事要怎麼開始呢?吳老闆給出了下面這些實操建議。
首先,透過搜尋找到5篇相關論文。然後快速瀏覽這些論文。在這一過程中,你會發現,有一兩篇論文完全不靠譜,那你就可以直接丟掉了。你也很可能會發現,其中有一篇論文還挺不錯的。
根據你的初步瞭解,你可以再作進一步的搜尋,並結合此前論文的references找到其他的一些論文。然後,你可以交替讀這些論文,都不需要完全讀懂,仍然以理解大方向為目標。
在這一過程中,你可能會發現你可能還需要補一下其他領域的一些知識。
最後你大約會得到一個20篇論文構成的精讀名單。
現在,就是你花功夫死啃這些論文的時候啦!
當然了,在這次為期1小時的講座中,吳老闆還帶來了很多其他有用的乾貨,比如未來5年內比較靠譜的AI發展方向。
此外,吳老闆還獨家透露了他當年入門AI的小故事(劇透:吳爸爸當年的一篇論文是主角兒)。同時給自己的新課《人人都該懂的AI》打了小廣告。
最後,文摘菌祝想要進軍AI屆的同學們在新年心想事成,希望這篇AI指南能夠貢獻綿薄之力!
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31562039/viewspace-2629907/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 《AI轉型指南》釋出:吳恩達喊話CEO,AI轉型分5步AI吳恩達
- 吳恩達釋出《AI轉型指南》:喊話CEO們,AI轉型分五步吳恩達AI
- 我從吳恩達AI For Everyone中學到的10個重要AI觀吳恩達AI
- 吳恩達重磅迴歸,成立創業公司Deeplearning.ai吳恩達創業AI
- 吳恩達《機器學習落地應用指南》(30頁ppt)吳恩達機器學習
- 吳恩達旗下Drive.ai尋求「賣身」,自動駕駛創業者被逼到路口吳恩達AI自動駕駛創業
- 撒花!史丹佛深度學習最新視訊釋出,吳恩達主講!深度學習吳恩達
- 吳恩達最新短課,知識很硬核,附中英字幕吳恩達
- 吳恩達迴應AI落地的三大問題:AI如何與企業、政府、大學結合?吳恩達AI
- 蘋果當了自動駕駛創業明星接盤俠,吳恩達旗下Drive.ai黯然清場蘋果自動駕駛創業吳恩達AI
- Coursera 吳恩達《Machine Learning》視訊 + 作業吳恩達Mac
- 吳恩達機器學習筆記(3)吳恩達機器學習筆記
- 吳恩達機器學習提交問題吳恩達機器學習
- 2024吳恩達機器學習吳恩達機器學習
- 專訪吳恩達:小資料是AI落地的重要挑戰吳恩達AI
- 吳恩達點贊:22 頁《AI 職業發展之路》祕籍開放下載!吳恩達AI
- 吳恩達機器學習作業程式碼和資料集吳恩達機器學習
- 吳恩達的最新研究是否嚴謹?Nature論文作者撰文質疑AI醫療影像研究現狀吳恩達AI
- 線性迴歸(吳恩達機器學習)吳恩達機器學習
- 吳恩達宣佈啟動AI Fund:1.75億美金進軍AI創投吳恩達AI創投
- AI For Everyone:吳恩達想用30分的非技術課程傳達的內容AI吳恩達
- 吳恩達成立AI新公司,從Deeplearning.ai到Landing.ai,他到底在賣什麼關子?吳恩達AI
- Yann LeCun、吳恩達等的2019年AI趨勢預測Yann LeCun吳恩達AI
- 吳恩達機器學習系列14:偏差與方差吳恩達機器學習
- 吳恩達機器學習系列17:支援向量機吳恩達機器學習
- 吳恩達機器學習系列0——初識機器學習吳恩達機器學習
- 吳恩達機器學習筆記 —— 15 降維吳恩達機器學習筆記
- 吳恩達(Andrew Ng)——機器學習筆記1吳恩達機器學習筆記
- 吳恩達成立LANDING.AI推進製造業轉型,與富士康達成戰略合作吳恩達AI
- 重磅 | 吳恩達Coursera新課已經上線,開啟全民AI時代!吳恩達AI
- 喜得愛女,吳恩達深情撰文:歡迎你來到新世界!吳恩達
- 人工智慧教父吳恩達:AI 將改變所有人類工作,下次寒冬不會到來人工智慧吳恩達AI
- 吳恩達《Machine Learning》Jupyter Notebook 版筆記釋出!吳恩達Mac筆記
- 吳恩達機器學習系列11:神經網路吳恩達機器學習神經網路
- 吳恩達機器學習筆記 —— 13 支援向量機吳恩達機器學習筆記
- 吳恩達機器學習筆記 —— 8 正則化吳恩達機器學習筆記
- 吳恩達深度學習:三維卷積吳恩達深度學習卷積
- 吳恩達神經網路-第一週吳恩達神經網路