AI工程师成长之路--我该以何种姿态入门

      2018 年，人工智能在各行各业中的落地应用越来越多。十多年前，所有的企业都在想办法互联网化，如今，所有的互联网企业都在试图 AI 化。技术的竞争归根结底表现为人才的竞争，毫无疑问 AI 工程师是 IT 行业需求缺口最大的高端技术岗位，薪资水平虽远高于其他行业，但 AI 工程师依然供不应求。除了高校里科班出身的相关专业毕业生，有代码经验的转型程序员也广受 AI 公司的欢迎。

      据招聘网站的数据统计显示，最高薪酬的 56 个岗位 ( 分为：60-100 万、100 万 + ；两档 ) ，要求硕士以上学历的岗位有 30个，比例 53%，比 AI 工程师中硕士学历要求的平均比例 28.6%，高出一倍。

      在这高薪光环下，涌入AI行业的朋友越来越多。但是你们对AI了解多少呢？还是只知道一些高大上的名词，高大上的话语都是写给初学者或者其他领域的朋友来看的。就拿机器学习来说，真正的去学习机器学习的朋友们会深有体会，机器学习就是让机器会“学习”，所谓的学习就是建立了一些模型、掌握了一些数据、去做了训练和预测，然后对我们接下来要做的事情有一定的自己处理的能力，甚至说人工智能其实就是基于大数据和概率论等方法建立的处理问题的模型。在我们这学习机器学习之前，我们会经常接触一些词汇如：数据集、训练集、模型、监督学习、非监督学习等等。

      那么通俗点讲，何为机器学习？也就是说机器学习不需要制定具体的模型，而是让计算机根据庞大的数据量自己训练模型，与之相对的，例如CFD软件，是建立在物理模型之上的，例如输运方程等。在学习机器学习之前我们先了解一下何为监督学习和非监督学习，半监督学习暂时不介绍。

      一、监督学习&#x