2019，AI 劝退指南！

大家好，我是chris，从事算法7年了，现在在阿里，涉及到的领域涵盖CV、NLP、架构等，业务线也扩展到广告、运营、客服、风控等各个方面。

最近两年算法岗被炒得很火，我的朋友圈也经常刷到python的小广告。说实话我很乐意看到我当年硕士时攻读的冷门模式识别（AI的一个领域）专业如今变为大热，甚至有点窃喜。但在我面试了1个月算法岗的年轻人后，我觉得很多初学者似乎有些跑偏了：

他们有的半路出家数学明显基础薄弱，有的空有理论实际写了不到1000行代码，有的干脆不知道算法工程师工作流，技能偏差很大……

基于此种看似繁华的乱象，我想给机器学习初学者们以下几个建议：

《人工智能劝退指南》

1.数学是必须的，也是基础。从我入行7年的经验上讲，凡是和你说人工智能可以绕过数学的一定是不负责任的，至少也是不成熟的。数学基础到哪里？文末我分享了一个免费基础数学课，可以当做一个自测题，如果你看不懂，请思考一下你的人工智能天花板的高度吧~

2.算法理论工业界用的上的就那么几个。机器学习分为70%的有监督学习、20%的无监督学习、10%的半监督和强化学习，如果你是初学者，请把经典模型比如线性回归、逻辑回归、树型模型、SVM、K均值等吃透，其它的先掌握基本理论就好，至于强化学习，请先放弃吧。

3.数据清洗比你想的还重要。机器学习没那么高大上，特别是对于刚入行的菜鸟算法工程师，做调参、调包是你的主要工作，其实即使你是高级算法工程师了，数据清洗仍然占据你的绝大部分时间。

4.参加一下Kaggle竞赛吧。特别对于没有实践经验的应届生和转行的程序员朋友，多参加一下吧，没有名次也没关系，至少简历上能多写几个项目。

5.对于工程实践，你可能还称不上入门。请跑代码，玩转代码，看看它们“吃进什么吐出什么”。如果有可能，完整参与/体验一下工业项目，吃透它，你会发现你的路还很远。

现在有很多引导新手的机器学习课程/教科书，他们不考虑工业界实际需求，从0开始和学生一起造轮子，或者罗列了大量的算法理论，这种学习路径不仅仅难度大，而且90%的学习者没有在一个方向上深入，不具备核心能力，也不符合企业的人才观，也白白耽误了初学者的最佳入门时间。

为了能让更多初学者学会“学习机器学习”，找到入门的切入点，我邀请了三位人工智能不同领域的专家，一位985数学博士张老师，一位BAT的数据挖掘工程师@熊猫酱，一位计算机视觉方向的专家@Tant，以自身具体的工作流出发，举办了《零基础人工智能特训营》。从数学、数据分析、机器学习、深度学习四大方向集中培养你的核心能力。
戳此可以直接免费观看：https://www.cniao5.com/course/10266