AI这么火，要不要追赶AI的热潮？

关键字全网搜索最新排名

【机器学习算法】：排名第一

【机器学习】：排名第一

【Python】：排名第三

【算法】：排名第四

12月14日，吴恩达成立landing.ai，开始进入AI+产业。“人工智能将会改变制造业的面貌”，这一动作让人们对AI的关注度在2017年的末尾又一次升温。

国家政策的支持、大量资本的涌入、无数企业纷纷涉足人工智能领域，与之相对应的是巨大的人才缺口。

根据LinkedIn的数据，截至2017年，全球人工智能领域技术人才数量超过190万人，其中美国相关人才总数超过85万人，高居榜首；而中国的相关人才总数超过5万人，位居全球第七。

巨大的人才缺口就意味着无数的潜在机会。以机器学习方向的算法工程师为例，该职位月薪大多在3万元以上，年薪百万者也不在少数。在AI行业，新人入行薪资基本上就能达到互联网其他技术人员的两倍。所以，在这波AI热潮下，要不要踏入or转型成为人工智能工程师，应该是很多人关心的问题。

不过，成为人工智能领域的工程师，还是有比较高的门槛的。在动手实践代码前，你至少要有一定的数学基础和编程能力，以及对于机器学习的基础有一定了解。

基础一：数学基础

• 线性代数和微积分基础
• 统计学相关基础
• 相关线性分析

基础二：编程基础

掌握C++ / Java / Python，目前Python是机器学习深度学习领域最主流的编程语言，

基础三：机器学习的基础

关联规则（Apriori、FP-Growth）、回归（Linear Regression、Logistics Regression）、决策树（ID3、C4.5、CART、GBDT、RandomForest）、SVM（各种核函数）、特征工程（Feature Engineering）、可用性评估、数据变换、降维……

想要拥有以上三个进入人工智能的基础，可以通过阅读参考书目、学习线上资源、关注大牛博客及资讯网站等方式获得。下面向大家推荐一些个人觉得不错的资源。

【图书类】

《AI：人工智能的本质与未来》

这本书的写作者拥有医学科学、心理学、哲学等多学科背景，她将这些领域融会贯通并和人工智能的研究相结合。这本书主要是从一定的高度探讨人工智能的现状以及面临的困境，技术层面涉及的较少。

《Deep Learning》

这本书由Ian Goodfellow、Yoshua Bengio 和Aaron Courville共同撰写，应该被无数人推荐过，被称为“AI圣经”，深度学习领域奠基的经典教材。

《Python机器学习实践指南》

这本书结合了机器学习和Python语言两个热门的领域，通过利用两种核心的机器学习算法来用Python 做数据分析。

【线上视频课程类】

1）Machine Learning Course - CS 156

加州理工的Yaser Abu-Mostafa教授出品的机器学习网络课程，非常系统地讲解了机器学习背后的原理，以及主要的技术。讲解非常深入浅出，让你不光理解机器学习有哪些技术，还能理解它们背后的思想，为什么要提出这项技术，机器学习的一些通用性问题的解决方法（比如用正则化方法解决过拟合）。强烈推荐，课程是免费资源，Youtube上直接可以搜到。

2）吴恩达深度学习工程师微专业

deeplearning.ai出品，人工智能一线专家吴恩达指导，这个课程有助于加强对深度学习的了解，对神经网络已经有了一些基础知识的人来说，这个课程还能增强参数搜索技巧。

目前deeplearning.ai和网易云课堂已经达成合作，在网易云课堂平台上就能看到中文字幕的视频并且完全免费。

3）Coursera上的各种课程

另外，Coursera上也有非常多的与AI相关的学习资源，包括微积分、线性代数、编程语言等等，资源很多，有兴趣的同学前往可以自行学习。