拿下阿里一等獎，轉型 AI，這位技術老炮兒要說這些！

AI正在從實驗室下沉到技術一線。“年薪百萬”的人才需求背後，是各用人團隊找不出可用之才的窘境，同時也說明廣大有志於AI的人才沒能迅速掌握機器學習。背後的原因，恐怕是機器學習的實用性太過超前，創造出機器學習的這批大牛還沒來得及培養接班梯隊便已撲向技術一線，而立足於一線工作技術人才在學習過程中往往又要重新去趟坑。

如何處理這一環節上的反覆，是當前AI人才培養難題上的一大關鍵。今天，CSDN將重磅分享智亮老師的一篇《實戰路徑：程式設計師的機器學習進階方法》，是根據他痛苦的轉型經歷來告訴大家——一個非科班出身的程式設計師是如何一步一步踏上深度學習這條不歸路，並開發出一款榮獲阿里雲棲大會API Solution一等獎的植物識別App。

在這過程中，如何選擇入門課程？如何選擇深度學習框架及程式語言？如何上手資料？如何配置一臺能執行深度學習的電腦並跑出你的第一個模型？以下為智亮的正文分享，你可以清晰地看到他趟過的每一個坑，希望借他的肩，讓你勇敢前行。

1

眾所周知，如今AI技術應用正在逐漸成熟，這背後與時代的發展密不可分，我自己痛苦轉型AI的經歷，說出來可以供大家參考一下。

我也是非科班出身，但因為工作，一直需要接觸計算機視覺的一些傳統演算法。後來，看到ImageNet競賽的結果，我意識到了深度學習在視覺領域的巨大優勢，遂決定開始轉型深度學習和神經網路，走上了這條學習的不歸路（笑）。

轉型，其實很容易，需要做到的只有一件事：學習。

轉型，其實很困難，因為必須做到一件事：堅持學習。

最難的不是下定決心，而是貫徹到底。所以，在開始之前不妨先問問自己這樣幾個問題：

• “我真的已經想清楚，要踏足這個行業嗎？”

• “我能夠付出比其他人更多的辛苦汗水，在這條路上堅定地走下去嗎？”

• “在遭受了痛苦甚至打擊之後，我對機器學習的熱愛，仍然能夠維持我繼續前進嗎？”

我個人的經歷是這樣：一開始接觸時，每週一、三、五固定3天時間，每晚花兩個小時去學習、看視訊、翻書，週六週日則用來完成課程附帶的程式設計作業，大概也是每天兩小時左右。在這種強度下堅持了三個月，我才算是完成了入門的第一步。

所以，其實真正重要的，不是“我該學什麼”，或者“我該怎麼學”；而是“我是不是真的有足夠的決心”，以及“我是不是能堅持到底”。

 

2

上手的課程：不要把數學想的太難

定好決心後，我們就能看看：在學機器學習的時候，我們到底在學什麼？作為“不明真相的廣大群眾”，從哪裡入手好呢？ 在這之前，你所要用到的數學知識，只有以下這三點：

1. 懂得矩陣運算的基本計算方法，能夠手動計算[3×4]×[4×3]的矩陣，並明白為什麼會得到一個[3×3]的矩陣。

2. 懂得導數的基本含義，明白為什麼可以利用導數來計算梯度，並實現迭代優化。

3. 能夠計算基本的先驗及後驗概率。

只要大學考試不是完全靠抄答案，稍微翻翻書，你就能把這點知識找回來，可能半天都用不上。

然後就可以入門了，對於所有零基礎的同學，我都建議不要只看書，要找到合適的學習視訊。這樣可以效率翻倍。找一個好點的教學視訊，其中課程設定與課中測驗及時而又合理，重點清晰、作業方便，都能讓你更為積極地投入到機器學習的學習之中，讓你紮實而快速地掌握機器學習的必備基礎知識。

學習完成後，你能瞭解到機器學習的一些基本名詞和概念，並具備一定的演算法層面的編碼能力。打好理論和實踐的基礎，你就可以進行下一階段的學習了。

 

3分鐘測試你離人工智慧差什麼：

https://www.v5kf.com/public/chat/chat?sid=148176&entry=5&ref=link&accountid=242d003016152

 

3

程式語言與深度學習框架的選擇

當然，作為開發者，想要去實現一個模型，繞不開的問題便是：應該選擇什麼語言？應該選擇什麼框架？

但作為入門，最為理所當然的建議則是Python，原因也非常簡單：Python最好學。而框架方面，從使用者的維度去劃分，當前數量非常之多的機器學習框架，則可大體上分為兩大陣營。

• 學術友好型： Theano、Torch與Caffe

• 工業友好型： Tensorflow、MXNet與Caffe

我推薦首選Tensorflow作為你的第一個開發框架。最主要的因素是它人氣高。遇到任何問題，你都可以找到一群志同道合的夥伴們去諮詢，或是一起研究。對於初學者而言，其重要程度不言而喻。

 

4

實戰上手的資料

上過課程、學好語言、裝好框架之後，自然就要通過親手程式設計，來把自己的模型實現出來。

但在深度學習領域，沒有資料的模型就是無源之水，毫無價值。而目前流行的監督學習，要求必須有足夠的帶標註資料來作為訓練資料。那麼，從哪裡能得到這樣的資料以進行學習呢？答案就是公開資料集。

以CV領域為例，常見的公開資料集就包括以下這些。

• MNIST

• CIFAR

• ImageNet和MS COCO

所以當我們進入實際工作的階段，就要根據具體的需要從中選擇適合自己的資料集，以作為benchmark或是pretrain資料集。

 

5

實戰階段的學習用機配置

接下來，我們就需要一臺機器來把框架搭建起來，以編寫和執行我們的helloAI。然而，我在很多地方都看到小夥伴們在問：

• 我需要什麼樣的配置能學機器學習？

• 我需要買塊GTX1080/TITAN/Tesla嗎？

• 我應該裝幾塊顯示卡？一塊？兩塊？還是四塊？

而答案也往往傾向於：

“必須得有GPU啊，至少1080，沒有四路Titan你都不好意思跟人打招呼！”

其實，並不完全是這樣。

如果僅僅是入門時期的學習，我建議先不用專門購買帶GPU的機器；而是先用你現有的機器，使用CPU版本，去學習框架和一些基礎。等到你對基礎已經掌握得比較紮實，那麼自然就會形成跑一些更復雜的模型和更“真實”的資料的想法，這時候再考慮買一塊GPU，以縮短訓練時間。綜合來看，雙1070的確是最適合入門學習的選擇——如果買不起雙1080/雙TITAN的話（笑）。

 

6

最後，也是最初

在經歷過如此漫長、痛苦但也充滿樂趣的學習和實踐之後，你應該可以算是機器學習的一個業內人士了。但這並不意味這條道路已經走到了盡頭，恰恰相反，在完成這一切之後，你才剛剛踏出了機器學習從業生涯的第一步。

這個時候，我們可以回過頭來重新問問自己前面那幾個問題：

• “我真的已經想清楚，要踏足這個行業嗎？”

• “我能夠付出比其他人更多的辛苦汗水，在這條路上堅定地走下去嗎？”

• “在遭受了痛苦甚至打擊之後，我對機器學習的熱愛，仍然能夠維持我繼續前進嗎？”

這條路，我在走，很多人在走，那麼，你來嗎？

 

7 最後

正文到此就結束了，這裡，我想說一點題外話。

筆者一直很喜歡智亮老師的分享，很用心，他從一位非科班的技術一路走到今天，也拿過阿里雲棲大會的一等獎，他太知道其中的不易與艱辛了。跟智亮老師幾經約稿，其在百忙之中終於抽空成文，將寶貴經驗傾囊相授，實屬不易。

他是真心希望能將自身的實踐經驗轉化成對大家真正有用有料的知識，因此他接受了邀請，
在CSDN學院開設《人工智慧工程師直通車》實訓班課程。
不禁想為這堂課多說幾句，這是一個120天的學習計劃，
目標是：能讓你從AI小白直接晉級為具備一年經驗的人工智慧工程師。

智亮老師全程也都將專注於趟坑實踐，當然，需要掌握的知識和系統圖譜也都會交織在裡面，這樣才能真正做內容消化。
課程提供了GPU雲實驗平臺，這樣便於你進行案例實操。一定要實操，才能出效果！

在加入這個計劃前。不妨問問自己：
如果我渴望學習AI技術，想要系統性學習，而且有堅持的毅力，那麼來吧， 4個月的攜手實戰，相信你收穫不一樣的自己，人工智慧工程師。
在你的學成之日，希望屆時我們來自AI產業界的各大就業機會，推薦人中，有你的名字。

3分鐘測試你離人工智慧差什麼：

https://www.v5kf.com/public/chat/chat?sid=148176&entry=5&ref=link&accountid=242d003016152

聯絡CSDN學院職場規劃師，獲取一對一專屬服務，包括：IT職場規劃服務/專屬折扣

 

學習任何一種程式語言，你都需要專業的導師、系統的課程、實戰演練專案和高質量學習輔導，這不僅能幫助你節省大量時間，更能保證不會半途而廢！

對於課業完成優秀的同學，CSDN學院還將提供名企推薦，看到這裡，你想不想踩在過來人的肩膀上，輕鬆實現人工智慧工程師的轉型呢？

不妨新增CSDN學院小姐姐的微信聊一聊吧，報CSDN的粉絲，還將獲得千元優惠券哦。

聯絡 CSDN 學院職場規劃師，獲取一對一專屬服務，包括：IT 職場規劃服務/專屬折扣

最後，祝願所有的朋友能學有所成~   

閱讀原文

更多內容，點選：https://edu.csdn.net/topic/ai30?utm_source=blog08