5月8日，谷歌召開一年一度的Google I/O大會。谷歌CEO直接祭出了這次大會的王牌AI，這個智能過人的Al讓人看完不禁倒吸一口涼氣……

在現(xiàn)場演示的整段對話中，Google Assistant表現(xiàn)的自然流暢，理發(fā)店那頭絲毫沒有察覺到自己竟然是在和AI對話！有人認為：AI將越來越快顛覆人類社會秩序，Google Assistant這樣可怕的人工智能將會逐步掌控我們的生活。

阿里的王堅博士曾在一次主題演講里談到：「不要擔(dān)心 AI 毀滅人類，要相信人們能夠設(shè)計出一個好的架構(gòu)讓 AI 好好為人類工作」。

要讓AI好好為人類工作，離不開AI 工程師和科學(xué)家。騰訊近期發(fā)布的報告顯示，目前人工智能領(lǐng)域合格的研究人員數(shù)量僅為30萬，其中包括相關(guān)研究領(lǐng)域的學(xué)生。然而，全國范圍內(nèi)，人工智能的人才缺口卻為一百萬甚至更多。因此，2018年及未來的幾年內(nèi)，“搶得到人才”絕對是人工智能企業(yè)發(fā)展的前提及關(guān)鍵。

（圖片來源：騰訊研究院-全球人工智能人才白皮書）

巨大的人才缺口就意味著無數(shù)的潛在機會。在這波AI熱潮下，要不要踏入或轉(zhuǎn)型成為人工智能工程師，應(yīng)該是很多人關(guān)心的問題。

與之前的云計算、移動互聯(lián)網(wǎng)相比，成為 AI 工程師，門檻相對較高，而且需要在現(xiàn)有技能樹的基礎(chǔ)上再有較長時間的積累才行。要成為一名合格的人工智能工程師，在掌握開發(fā)工程師的通用技能以外，還需要掌握一張不算小的知識網(wǎng)絡(luò)。

如果以機器學(xué)習(xí)算法工程師的技能圖譜為例，大概就是這樣子的 ↓

（文末告知如何獲取圖片清晰版）

?對于機器學(xué)習(xí)工程師來說，想要入門，先得解決以下三個基礎(chǔ)知識攔路虎。

基礎(chǔ)一：數(shù)學(xué)基礎(chǔ)

線性代數(shù)和微積分基礎(chǔ)

統(tǒng)計學(xué)相關(guān)基礎(chǔ)

相關(guān)線性分析

基礎(chǔ)二：編程基礎(chǔ)

掌握相關(guān)的編程語言，比如 C++ / Python / Go / Java 等，目前 Python 是機器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域最主流的編程語言，熱的發(fā)燙。

基礎(chǔ)三：機器學(xué)習(xí)的基礎(chǔ)

對基礎(chǔ)概念的理解，比如擬合、關(guān)聯(lián)規(guī)則（Apriori、FP-Growth）、回歸（Linear Regression、Logistics Regression）、決策樹（ID3、C4.5、CART、GBDT、RandomForest）、降維……等等。

在互聯(lián)網(wǎng)領(lǐng)域從事機器學(xué)習(xí)的人，有下列兩類背景的人比較多：

1.程序員出身，這類同學(xué)工程經(jīng)驗相對會多一些

2.學(xué)數(shù)學(xué)統(tǒng)計領(lǐng)域出身，這部分同學(xué)理論基礎(chǔ)相對扎實一些。

因此對比上圖，2類同學(xué)入門機器學(xué)習(xí)，所欠缺和需要加強的部分是不一樣的。下面就上述圖中的部分，展開來分別扯幾句：

數(shù)學(xué)基礎(chǔ)

機器學(xué)習(xí)相對于其他開發(fā)工作更有門檻的根本原因就是數(shù)學(xué)?；舅谐Ｒ姍C器學(xué)習(xí)算法需要的數(shù)學(xué)基礎(chǔ)，都集中在微積分、線性代數(shù)和概率與統(tǒng)計當(dāng)中。

典型算法

絕大多數(shù)問題用典型機器學(xué)習(xí)的算法都能解決，粗略地列舉一下這些方法如下：

機器學(xué)習(xí)里所說的“算法”與程序員所說的“數(shù)據(jù)結(jié)構(gòu)與算法分析”里的“算法”略有區(qū)別。前者更關(guān)注結(jié)果數(shù)據(jù)的召回率、精確度、準確性等方面，后者更關(guān)注執(zhí)行過程的時間復(fù)雜度、空間復(fù)雜度等方面。 當(dāng)然，實際機器學(xué)習(xí)問題中，對效率和資源占用的考量是不可或缺的。

編程語言、工具和環(huán)境

看了無數(shù)的理論與知識，總歸要落到實際動手實現(xiàn)和解決問題上。對初學(xué)者而言，Python和R語言是很好的入門語言，很容易上手，同時有活躍的社區(qū)支持，豐富的工具包幫助我們完成想法。

基本工作流程

以上我們基本具備了機器學(xué)習(xí)的必要條件，剩下的就是怎么運用它們?nèi)プ鲆粋€完整的機器學(xué)習(xí)項目。工作流程如下:抽象成數(shù)學(xué)問題——獲取數(shù)據(jù)——特征預(yù)處理與特征選擇——訓(xùn)練模型與調(diào)優(yōu)——模型診斷——模型融合——上線運行。

這些工作流程主要是工程實踐上總結(jié)出的一些經(jīng)驗，并不是每個項目都包含完整的一個流程。只有大家自己多實踐，多積累項目經(jīng)驗，才會有自己更深刻的認識。

說了這么多，你應(yīng)該對機器學(xué)習(xí)都有了基本框架。如果覺得自個兒學(xué)習(xí)累，想找些引路人，可以聽一些免費的人工智能入門直播課，比如網(wǎng)易云課堂接下來的人工智能免費公開課。