色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

怎么樣才能入行AI有哪些常見問題

8g3K_AI_Thinker ? 來源:未知 ? 2018-12-31 12:46 ? 次閱讀

作為 AI 從業(yè)者,筆者經(jīng)常被問及關于入行或轉行 AI的問題,其中頗有一些高頻重復出現(xiàn),今天總結出來幾個,供大家參考。

問題1:年齡偏大了,而且之前也不是計算機相關專業(yè)的,怎么才能轉行做 AI?

這個問題經(jīng)常被問到。有不少朋友,工作了幾年之后,想轉向 AI 技術崗位。但感覺自己年紀比較大了,或者有生活壓力,考全日制的研究生不太現(xiàn)實。

偏偏大多數(shù)公司招 AI 工程師的時候,要求應聘者有相關專業(yè)碩士學位等學術背書。作為轉行者,應該怎樣提高專業(yè)背景?

針對這種情況,筆者的建議是:從自己原來的專業(yè)領域入手。

比如,一位原本制造業(yè)的自動化工程師,肯定對各種工業(yè)生產(chǎn)設備比較熟悉,了解各種各樣的電機傳感器,知道這些設備輸出信號的物理含義。

那么,當工業(yè)領域運用機器學習方法時,自動化工程師在特征工程方面就具備了相當?shù)膬?yōu)勢,這些領域知識,不是純粹搞機器學習的人能比的。

至少在現(xiàn)階段,機器學習、深度學習的實際落地都以數(shù)據(jù)為主——能夠把實際問題轉化成數(shù)值拿去運算,比把運算本身(算法)做得精巧要來的重要。

因此,轉行的人員如果能夠充分利用之前的專業(yè)背景,而不是拋棄它,以前的專業(yè)就會成為加分項。以此為突破轉向 AI,反而可能比去讀一個學位更容易。

另外,現(xiàn)在許多行業(yè)都在嘗試 AI+,把 AI 技術應用于傳統(tǒng)業(yè)務。這種大背景之下,如果想轉向 AI 崗位,不妨先在自己本行業(yè)內(nèi)尋找機會。

也許自己現(xiàn)在的單位就在做或者準備做 AI+的項目,那么可以先爭取加入進去。畢竟,在單位內(nèi)部謀求一份新的工作內(nèi)容,一般都比跳槽容易。

很多企業(yè)在嘗試 AI 轉型時,會聘用一些有 AI 背景的咨詢?nèi)藛T,為他們做規(guī)劃和解決方案。

外聘人員有機器學習方面的知識和技能,但是他們對業(yè)務領域不熟悉,需要本行業(yè)的人協(xié)助——在這個時候看看能不能成為他們的協(xié)助者,通過和專業(yè)人員合作來學習 AI 在實際領域的應用。

假設能夠有這種經(jīng)歷,或者至少對自己行業(yè)的數(shù)據(jù)有足夠深入的了解,對于業(yè)務應用有思考和嘗試,就擁有了XX行業(yè) AI 實踐經(jīng)驗。而不必非要通過讀書或者打比賽來提升背景。

問題2:我想入職人工智能行業(yè),但發(fā)現(xiàn)要學的東西太多了,而且都那么難。是不是先多學兩年,然后再去找工作?

這個問題也是蠻典型的。

客觀的來講,一個人去報考一個人工智能相關專業(yè)的研究生,或者自己在家安安心心的學兩三年,之后再去求職,是不是的真的競爭能力就會提高?

雖然學術背景確實是加分項,但是筆者并不推薦“等兩年再入職”這種做法。

首先,當一個人有這個想法的時候,其實是畏難情緒的體現(xiàn)。說白了“等兩年”是一種逃避,而非計劃。

現(xiàn)在不動手,往往并不是真的去學習了,而是從此就放棄了。

另外,就算有些人沒有放棄,真的是去埋頭學了,也不要忘了,任何行業(yè)的高速上升都是有窗口期的。

目前,人工智能正處在這樣的一個窗口期。因為需求遠大于供給,因此給大量沒有學術背景的人提供了入行機會。

然而,這樣的窗口稍縱即逝。很可能短則一兩年,長則也不過三四年后就會關閉。等到那個時候,想入職AI,就不是光自學就可以,而是真的必須要有畢業(yè)證了。

想入行而不去搶時間點,趁著風口期趕緊進去,反而說要在那里等,那么大概率的結果是將機會錯過。

問題3:這是一個和問題 2 類似的問題——我想成為機器學習工程師,但是感覺難度太大。那我是不是先去嘗試一下門檻更低的職位,比如做數(shù)據(jù)標注?數(shù)據(jù)標注工作做得好,是不是也可以“升級”成算法工程師?

應該說,在行業(yè)內(nèi)部逆難度而上逐步達到職位升級的概率不是零,但是實際上可能性很小的。

對一個個人而言,以“做數(shù)據(jù)”的崗位入行,就已經(jīng)給自己打上了一個標簽,而別人也會以此來對 TA 進行歸類。

難度不同的崗位,原本門檻不同,人們自然會為它們劃定界限。要從做數(shù)據(jù)的崗位晉升到做工程,就要沖破一層天花板。

現(xiàn)實當中,真的能夠沖破天花板的人極少。更何況這種原本已經(jīng)很小的可能性,還受制于行業(yè)大勢的。

當行業(yè)的崗位缺口開得很大的時候,進去相對還容易一點。

如果是在幾年前,一個人從做數(shù)據(jù)標注工作入行,能接觸到很多算法專家、機器學習工程師,一邊借著做項目的過程拼命學習,一邊等待機會——像機器學習工程師這類崗位,在一個時期內(nèi)會非常急需人才——一旦遇到做工程的崗位空缺,就趕緊沖上去。

老板了解這是一個靠譜的人,愿意學習,有學習能力,又做過數(shù)據(jù)方面的工作,也許確實會給TA一個進階的機會。但隨著時間的推移,越往后,行業(yè)缺口越小,這種職位躍遷的可能性也就隨之加倍縮小。

所以,筆者建議:想做機器學習工程師,就應該以此為目標努力學習,不要猶豫,不要等待,更不要逃避,從現(xiàn)在開始趕緊去學!

問題4:很多同學都會說:”我想從事XXX領域的工作(這里的領域多種多樣,比如:股票預測,用 AI 治療疑難雜癥,計算機視覺語音識別,強化學習等等),需要學習哪些知識?筆試面試怎么準備?”

大家首先要區(qū)分開研究和工程實踐這兩件事。

如果你是想去做研究——在高校、科研院所,或者大公司的研究院里做算法科學家,那么可以把重點放在某一項具體的技術上面,比如強化學習。

假設你就是想研究強化學習,那你可以去大學、研究所,還有一些這方面走在比較前沿的公司,諸如 Facebook,DeepMind 等等,到那里去求職,做算法研究。當然,一般走到這一步都至少要有個博士學位才行。

但是如果你想做的是工程,準備求職的是工程類技術崗位,就不是用某一種技術來做區(qū)分的了。

在工業(yè)界,領域的區(qū)分是產(chǎn)品導向的,對標的是一個個應用方向,比如人臉識別、語音識別等。

在應用方向之下,具體用什么樣的技術則要看當時的需求。并不是說要去做計算機視覺,就只會用 cnn 就行了。要解決實際問題,往往會將各種學術界的成果結合起來使用,并根據(jù)具體的限制與要求進行改進。

在這個過程中,會不會用到某一種技術,決定因素非常多樣,要看該技術能否支持需求解決;客觀的設備、人員、時間是否允許采用這種技術;你的老板是否有動力做這方面的嘗試等。

做工程的過程中要用到的工具有很多,而無論做工程還是做研究,都要具備最基礎的知識!

經(jīng)典的機器學習模型,常見的深度學習網(wǎng)絡,以及模型訓練和推斷(預測)的整個流程,都必須掌握。

如果你就是對某一種應用特別感興趣,比如就是想要預測股票,那你完全可以自己先試一試,畢竟股票數(shù)據(jù)到處都有。

雖然早就已經(jīng)有許多人才和機構嘗試用機器學習的辦法解決投資股票的問題,但直到現(xiàn)在,就長期的股票預測而言,機器還是完敗給人類的。

你要做互聯(lián)網(wǎng)金融,或者想去金融企業(yè)做機器學習,都還有對應崗位可找,但好像并沒有某一類工業(yè)界的職位是讓你一天到晚坐在那兒只預測股票價格的。

至于 AI 在醫(yī)療方面的落地,更多不是技術問題,而是體制壁壘和數(shù)據(jù)獲取的問題。

要做醫(yī)療 AI,首先得能和醫(yī)院對接上。就算有渠道做到這一步,大量的病例都是手寫的,而且大夫的那種手寫體,有什么辦法把它電子化,用計算機管理起來?

這獲取數(shù)據(jù)的第一步,就是目前 AI+ 醫(yī)療都還沒有解決的問題。連最基礎的數(shù)據(jù)管理和統(tǒng)計都沒有,還談什么數(shù)據(jù)分析,談什么AI?

說到筆試和面試,所有的筆試和面試一定會從基礎的知識問起。

比如,面試時面試官往往會選定一種經(jīng)典模型(早些年是線性回歸,前兩年是邏輯回歸,現(xiàn)在可能已經(jīng)到了 SVM了),問你它的模型函數(shù)是什么?目標函數(shù)是什么?最優(yōu)化算法有哪些?然后看你能否把函數(shù)公式寫清楚,能否把過程一步步說清楚。

大家不必太功利。有具體的職業(yè)目標是好的,但在這個目標之前,先要把基礎掌握好。

先學會那些最經(jīng)典的模型,例如:Linear Regression,Logistic Regression,Naive Bayes,Decision Tree, SVM,HMM,CRF,Clustering,GMM,PCA 等。

沉下心來把基礎打牢,到了面試的時候,自然就能對答如流了 。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 傳感器
    +關注

    關注

    2550

    文章

    51046

    瀏覽量

    753138
  • AI
    AI
    +關注

    關注

    87

    文章

    30763

    瀏覽量

    268909
  • 機器學習
    +關注

    關注

    66

    文章

    8408

    瀏覽量

    132575

原文標題:入行 AI 的幾個常見問題

文章出處:【微信號:AI_Thinker,微信公眾號:人工智能頭條】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    STM32常見問題哪些?怎么解決這些問題?

    STM32常見問題哪些?如何解決STM32單片機常見問題
    發(fā)表于 04-19 06:39

    PCB設計常見問題哪些

    PCB設計常見問題哪些
    發(fā)表于 04-25 08:30

    FPGA邏輯設計中的常見問題哪些

    圖像采集系統(tǒng)的結構及工作原理是什么FPGA邏輯設計中的常見問題哪些
    發(fā)表于 04-29 06:18

    使用VHDL語言設計FPGA哪些常見問題

    請問使用VHDL語言設計FPGA哪些常見問題
    發(fā)表于 05-06 09:05

    RF電路設計的常見問題哪些?

    RF電路設計的常見問題哪些?RF電路設計原則及方案是什么?
    發(fā)表于 05-07 06:54

    貼片電阻應用常見問題哪些?

    貼片電阻應用常見問題哪些?
    發(fā)表于 06-08 06:47

    電池驅動調(diào)試常見問題哪些?怎么解決?

    Android電池服務如何啟動?是怎么運行的?電池驅動調(diào)試常見問題哪些?怎么解決?
    發(fā)表于 09-26 06:07

    EMI/EMC設計常見問題哪些?

    EMI/EMC設計常見問題哪些?
    發(fā)表于 11-10 07:23

    默納克系統(tǒng)常見問題哪些?

    默納克系統(tǒng)常見問題哪些?如何區(qū)分3000與3000new?
    發(fā)表于 11-15 06:00

    聲卡硬件維修的常見問題及解決辦法

    聲卡硬件維修的常見問題及解決辦法 常見故障一:聲卡無聲   出現(xiàn)這種故障常見的原因
    發(fā)表于 02-23 14:25 ?2550次閱讀

    Keil編譯常見問題

    吳鑒鷹總結的Keil 編譯常見問題,吳鑒鷹總結的Keil 編譯常見問題
    發(fā)表于 07-22 15:31 ?10次下載

    keil編譯哪些常見問題

    本文檔的主要內(nèi)容詳細介紹的是keil編譯哪些常見問題
    發(fā)表于 08-24 16:04 ?17次下載

    labview哪些常見問題?labview三個常見問題和解決方法概述

    本文檔的主要內(nèi)容詳細介紹的是labview哪些常見問題?labview三個常見問題和解決方法概述三個常見問題是:1.labview在運行后關閉的時候出現(xiàn)重置vi。一直無法關閉,并且無
    發(fā)表于 09-18 18:53 ?0次下載

    關于ROM和RAM哪些常見問題

    關于ROM和RAM的常見問題分析。
    的頭像 發(fā)表于 11-19 15:51 ?2836次閱讀

    PCB設計中的常見問題哪些?

    一站式PCBA智造廠家今天為大家講講PCB設計中的常見問題哪些?PCB設計布局時容易出現(xiàn)的五大常見問題。在電子產(chǎn)品的開發(fā)過程中,PCB(Printed Circuit Board,印刷電路
    的頭像 發(fā)表于 05-23 09:13 ?836次閱讀
    PCB設計中的<b class='flag-5'>常見問題</b><b class='flag-5'>有</b>哪些?
    主站蜘蛛池模板: 美女视频黄色的| 亚洲人成网77777色在线播放| 在线成年av动漫电影| 成人在线观看国产| 久久久无码精品亚洲欧美| 丝瓜视频樱桃视频在线观看免费| 中文字幕亚洲第一| 国产三级91| 人曽交Z00Z0OA片| 张开腿我尝尝你的草莓| 国产毛片A级久久久不卡精品| 欧美卡1卡2卡三卡2021精品 | 色婷婷欧美在线播放内射| 在线欧美 精品 第1页| 国产在线观看免费观看| 秋霞在线看片无码免费| 2019中文字幕乱码免费| 交换娇妻呻吟声不停中文字幕| 日韩在线 无码 精品| 99久久伊人一区二区yy5099| 久久精品成人免费网站| 香蕉精品国产自在现线拍| 吃春药后的女教师| 欧美激情视频在线观看一区二区三区| 怡春院欧美一区二区三区免费| 国产片MV在线观看| 少妇系列之白嫩人妻| 拔萝卜在线高清观看视频| 免费看a毛片| 中文人妻熟妇精品乱又伧| 吉吉影音先锋av资源| 亚洲AV福利天堂一区二区三 | 久久草福利自拍视频在线观看| 午夜片无码区在线观看| 观赏女性排尿| 日本妈妈xxxx| www.青青草原| 欧美性动漫3d在线观看完整版| 97成人在线| 末班车动漫无删减免费| 《乳色吐息》无删减版在线观看|