从长远看以后会工作方向以及学习内容

需要会的东西：

1. python熟练使用，java熟练使用，c++熟练使用三大语言学好（这些在本科就没有学习好，好多也都忘了，真的是不常用就忘）
2. 机器学习基本算法能够手撕代码（本人手里面有目前多数的深度学习的算法，以及sklearn的经典机器学习的算法，目前就是每个算法以此实现并应用于实际的项目当中，目前的情况就是这样）
3. 要会java的基本的开发流程，一些框架要了解一些，万一找不到算法工作还有备选。
4. 大大大大大的重点目前学习的算法的人实在太多了，以后算法肯定会有饱和的一天就像开发一样，随着研究生人数的增多，以及计算机专业的学生增多以后注定会导致这样的现象发生，因此要会别人不会的东西（1.AI芯片，这项技术被国外掌控者，中国以后注定会自己造芯片，2.操作系统，尤其是手机的操作系统，目前主要是安卓和苹果，中国以后的公司可能会自主研究操作系统。3.人工智能等项目落地实现，目前不会缺少研究的人才，当下多个高校都在培养AI技术人才，但是实际落地的项目确很少，要学会怎样落地，当然这要结合在实际项目中去，比如写java的后端的程序的时候会要求，Ai实现对病人的诊断，以及图像的分割与疾病的诊断。如果不是特别厉害特别有天赋的人不要想着纯粹搞学术，高算法，实现公式的优化，那需要极强的数学功底，以及一定的天分，我觉得这些人不是很多，因此需要实际落地工程师。从目前来看以后会淘汰一些没有技术含量的工作，这需要人工智能来实现，而人工智能落地需要我们来实现）
5. 人工智能的相应的岗位的信息：

工业界：理论+实践+跨界型的人才。 学术界：会写论文的人才。 理论指的是模式识别、自然语言、图像处理、泛函、凸优化等知识。
实践指的是pytorch、tensorflow、sklearn等框架，python、C++等编程能力，调参能力。
跨界是指能够融合不同学科的知识，比如医学、生物、化学等。 机器学习方向的人才目前普遍流向3个方面： 互联网公司研究院、研发组
计算机较强的高校 创业型AI公司 也就是说，一半人才留在学术界写论文，一半人才留在工业界做项目+写论文。
对于学术界的人才来说，只要会写论文依旧可以拿到基金、项目、投资，几篇顶会就能评职称。
对于工业界来说，智慧医疗、智慧城市等概念不断兴起，AI和多学科交叉研究越来越多，仅仅会写代码推导公式是不行的，还必须具有跨学科的学习和实践能力。比如最近比较火热的医学图像分割和肿瘤检测等，要求从业者具备机器学习和医学的交叉知识。
对于机器学习从业者来说，层出不穷的算法令人眼花缭乱，加上各种新兴领域的不断冲击。需要尽量保持学习的状态，才能成为人才，而不是被人才挤出局。

这是知乎上有人发的占比的数据

目前很火的岗位以后可能不会火的岗位
1.1 数据科学家（Data Scientist）（还比较适中）
数据科学家目前是最紧缺的，未来3-5年还是缺。在各个领域应用机器学习建模。比如金融领域构建反欺诈模型、零售领域构建推荐模型、销量预测模型等等。我司目前面临的问题就是给甲方做项目，科学家不够且项目成本高。很多小客户预算有限，一整套建模做下来按照客户的预算，我们根本不赚钱。工业界培养一个优秀的数据科学家需要大量的落地项目来实操，而这方面有经验的人才目前很稀缺。
1.2 AutoML 算法工程师（不是很多，但是会人也很好）
这个职位不能说最紧缺，但是最吃香，未来3-5年还是这样。AutoML干的一件事情就是替代算法工程师和数据科学家，机器自动建模，机器自动做特征工程，自动调参，通过暴力计算的方式，经过很多轮运算找出效果最好的模型出来。
1.3 图像&视觉算法工程师（招的岗位多，人也多）
目前市场上做计算机视觉的公司太多了，国内CV四小龙：商汤、旷视、依图、云从，个个都是在融资市场风生水起。虽然商汤和旷视今年都上市失败了，但之前融资都是融得钵满盆满。融资市场质疑的是它们能否形成规模化的商业落地，而不是质疑它们的技术以及CV技术在工业界的应用。CV技术在安防、城市大脑、零售线下门店数字化、工业质检等领域应用十分广泛。CV领域的AI公司应该也是AI领域最多的，同时很多甲方公司也在招对应的人才。这方面的人才未来3～5年还是紧缺的。
1.4 NLP&知识图谱 算法工程师（目前是这个方面）
做知识图谱肯定要懂NLP的知识。同样单纯只做NLP，方向也比较窄，一般都会涉及到知识图谱的内容。国内AI公司专门做这个领域的，我了解到的只有“达观数据”这一家，其他的公司都是涉及到部分NLP和知识图谱领域。其实NLP真正做的厉害就是实现真正的智能客服，AI客服可以像人一样去聊天沟通，不过目前还很远。但是在CV领域，AI对于人脸、图片等的识别已经超过了人类，当然二者的难度系数不一样。目前NLP&KG主要应用在教育领域、文本领域等，应用NLP做各种分析与提取。从事这方面研究的人才其实不算多，公司相关团队也不会特别大，但对于真正的人才还是渴望的。
1.5 强化学习算法工程师（看好的一个领域，目前没有太多人在做）
强化学习其实是我很看好的一个领域，Alphgo就是强化学习的产物，但是目前工业界应用的蛮少的。我了解到在自动驾驶领域貌似应用多一些，我司的业务基本没有接触到应用强化学习的。但学术界已经将强化学习应用到供应链配送的运筹优化上，同时腾讯发表的王者荣耀AI的几篇paper都是关于强化学习的。所以未来强化学习的应用场景会越来越多，而市面上相应的人才却很少。

以上是个人的理解以及，目前对形式的认识，今天看了一本书叫做见识，有句话写的特别好，富人的眼光看得长远，穷人只看眼前，所有我想如果把眼光放得更远那么你一定会比大多人优秀，当大家都在啃AI这张大饼的时候你能够从另外的较多，获取能取得更好的结果。

自己的教训以及大多数人面临的困境
1.对python不能够熟练使用，基本的操作命令会。（这是正常的说明你做的项目太好少，或者没有亲自动手去写代码，或者只是单纯的掉包）
2.java没有项目支撑（这就需要实际的实习项目，目前也是需要这类人才）
3.代码的原理不是很会，着说明知识掌握的不全面。
4.分布式原理，以及高并发（这两个部分是非常重要的，一方面对于算法工程师来说跑一个算法需要多个机器上面的并行实现，对于开发工程师来说最重要的应该是高并发的问题）

从这些角度来看，以后我会专门建立一个栏目，专门利用python实现算法以及项目，来供大家学习（希望大家关注我鸭！！！）

另外我也是python的小菜菜，目前马上研二了得抓紧时间搞出点东西。（目前我打算放学习的和实现的内容）

1.机器学习的基本知识，目前主要是掉包sklearn以及机器学习的基本原理
2，基本算法例如排序，比较，八皇后问题。（主要刷LeetCode的知识）
3.强化学习，知识图谱，以及我目前做的nlp，以及图像，以及视频的算法的基本知识。
4.万一导师同意实习会写一些实习的经历，以及每天学习的知识和内容。

我叫仓小鼠希望关注我鸭，我们一起学习吧！