如何在智能时代不失业,人工智能

人工智能到底是什么？

▲人工智能artificial intelligence英文缩写AI，早在六十年的1956年夏天人工智能学科就诞生了。现如今科技发展，使人工智能应用与人类生活的方方面面，随着科技水平提高会不断完善壮大。简单理解人工智能就是人不愿意做的事情由智能机器人代替。人工智能的发展是以软硬件为基础，经历了漫长的发展历程。

人工智能专业就业前景怎么样？

从近几年我带的学生的就业情况来看，大数据和人工智能方向的同学大部分都会选择去互联网大厂发展，今年不少同学还拿到了大厂的算法岗，整体的薪资待遇还是比较高的。结合同学们的就业情况和互联网发展的基本面来看，未来大数据和人工智能方向的同学，在整体的就业趋势上，会呈现出以下几个特点：其一是算法岗会持续增加，相信在工业互联网发展的大背景下，算法岗的价值将进一步得到体现。

虽然算法岗的数量会增加，但是增加的算法岗会更加倾向于业务算法岗，而不是传统的中台算法岗。从这个角度来看，目前想从事算法岗的同学要更注重工程实践能力和行业场景知识的积累，今年有几名拿到算法岗的同学，就是因为有行业场景积累方面的优势。其二是就业出口进一步多元化。近些年大部分同学会选择去互联网大厂发展，但是目前很多的传统行业企业也表现出了对于算法岗的极大兴趣，尤其是手里握有大量产业数据的企业，迫切希望招募大数据和人工智能方向的人才，从而开辟自身的数据价值空间。

近两年有很多传统行业企业希望能借助与导师开展科研合作，来让同学们了解到传统行业的“美”，确实有一部分同学会考虑到自己的发展规划来选择去传统行业发展，相信未来会有更多的同学走进传统行业企业。其三是高附加值岗位数量依然呈现增长趋势。随着大数据和人工智能技术开始逐渐落地应用，数字孪生、元宇宙等技术必然会为产业领域带来新的创新空间和价值空间，这个过程必然会陆续释放出大量的高附加值岗位。

学习人工智能需要学习那些知识？

机器学习入门指南（2021版）向大家分享我机器学习之路看过的一些书、教程、视频，还有学习经验和建议，希望能对大家的学习有所帮助。pdf版思维导图，后台回复：指南Python——书之前跟出版社合作，书柜里积攒了很多Python相关的书，这里推荐三本最有价值的吧。《流畅的Python》，很厚，比较全面，可以作为工具书常常翻看。

《 从入门到实践（第2版）》 非常全面，对新手还算友好，里面有很多的练习项目非常不错。《利用Python进行数据分析·第2版》 数据分析入门必读书，主要介绍了python 3个库numpy（数组），pandas（数据分析）和matplotlib（绘图）的学习。有开源版，就不用买了，下载链接及代码如下：https://github.com/iamseancheney/python_for_data_analysis_2nd_chinese_versionPython——教程学习Python最好的入门线上教程，首推Python官方文档https://docs.python.org/zh-cn/3/tutorial/index.html官方文档足够详细和系统，但是内容太庞大，学习来会有点吃力，我建议只看tutorial即可，就是上面的链接。

直接啃官方文档的教材，不如老师讲给你听来的效率高。廖雪峰的Python新手教程也是个不错的选择，每一节都有练习题，学习来更顺畅，对新手很友好。https://www.liaoxuefeng.com/wiki/1016959663602400机器学习最常用的库少不了Numpy Pandas Matplotlib这些库我觉得看官方文档就好了，不过英文不好的同学可能就不满意了，这里分别列一下这些库的官方文档和我觉得很不错的中文教程，提醒一下哈，官方文档只需要看我列出的链接即可。

Numpy官方文档：https://numpy.org/doc/stable/user/quickstart.html中文教程：https://www.numpy.org.cn/user/quickstart.htmlPandas官方文档：https://pandas.pydata.org/docs/user_guide/10min.html中文教程：https://www.pypandas.cn/docs/getting_started/10min.htmlMatplotlib官方文档：https://matplotlib.org/stable/tutorials/introductory/usage.html中文教程：https://www.matplotlib.org.cn/tutorials/Python——视频实话实话，我没有完整的看过任何Python视频。

归根结底，Python入门很简单，看视频效率太低。传言B站的[小甲鱼]零基础入门学习Python不错，简单看了一眼，确实0基础。我们用Python是用来学机器学习的，喜欢看视频学习的同学可以看看，建议只看P1-P53即可。《零基础入门学习Python》：https://www.bilibili.com/video/av27789609机器学习——书市面上凡推荐机器学习的书，都少不了李航的《统计学习方法》和周志华的《机器学习》，我当初也是看了大佬推荐，在这两本书上耗费了极多的时间。

但这两本我觉得都很不适合入门，尤其是统计学习方法，简直就是上等武功秘籍，太过精炼，啃起来太吃力。对比起来周老师的《机器学习》相对好点，其中有些公式推导有点跳，Datawhale 出了一本开源的《机器学习公式详解》是个很好的补充。周世华的《机器学习》是必不可少的工具书，还是必读的，而且要反复阅读，不过建议在看过视频教程之后。

https://datawhalechina.github.io/pumpkin-book偏应用的书，只推荐一本，其他的都不要看！！！：《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第2版）》，入门可以先看前 9 章。市面上很少有书能够把机器学习在业务层面的应用介绍清楚，比如模型解释、模型上线，模型监控等等，没有看到特别详细的，有一本还算满意，就是知名度比较低：《机器学习：软件工程方法与实现。

《机器学习：软件工程方法与实现》现在无论是竞赛还是工业界，boost模型都应用十分广泛，分类、回归、排序，XGBoost都能搞。最后再介绍一本我认为的必读：《深入理解XGBoost：高效机器学习算法与进阶》，作者是XGBoost开源社区贡献者何龙。这本书以机器学习基础知识做铺垫，深入剖析了XGBoost的原理、分布式实现、模型优化、深度应用等。

机器学习——教程教程没有看到太好的，除了sklearn的文档，只推荐吴恩达、李宏毅、林轩田三位老师的视频课件。课件这里不单独列出来了，下载链接我放到思维导图里了。Sklearn官方文档：https://scikit-learn.org/stable/user_guide.html中文教程：https://sklearn.apachecn.org/机器学习——视频与Python不同，机器学习基础我觉得最好还是跟着视频学，因为初学机器学习算法，涉及很多公式推导，非常难理解，跟着视频学起来会轻松不少。

视频首推吴恩达的公开课，这是学习机器学习基础知识的最好的课程。英语不好的同学也不要担心，视频是有中文字幕的。https://www.bilibili.com/video/BV164411b7dx作为补充，时间充裕的同学可以看看台大李宏毅的机器学习公开课，特点是中文授课，比较轻松愉快。https://www.bilibili.com/video/BV1pE411g7Wi时间更充裕的也可以看看林轩田的视频课，只看基石部分即可。

https://www.bilibili.com/video/BV1Ft41197Dy机器学习——数学基础系统地学习机器学习所必须的数学知识数学基础这一块是个无底洞，不太建议大家耗费过多时间，用到了再补也不迟。也不建议大家看书，基础确实特别薄弱的同学，推荐一本：《机器学习的数学》，这本书特别全面的介绍了微积分、线性代数、概率统计、信息论、随机过程、图论等内容。

再强调一遍，此书仅适于基础特别薄弱的同学。我感觉机器学习中用到最多的应该是线代，喜欢看视频的可以看看李宏毅的机器学习中的线性代数：https://www.bilibili.com/video/BV1G7411f7BE/或者3blue1brown：线性代数的本质https://www.bilibili.com/video/BV1Ys411k7yQ其他数学基础相关的电子书，我也放到思维导图中了。

一些经验和建议1、我敢肯定很多初学者都是资料收集爱好者，越攒越多反而不知道从何开始。我强烈建议把资料都扔掉，以我的这一套为准，一以贯之的学下去。2、就像前面我提到的，很多东西先不要深究，不要在某些地方卡太久（比如数学部分，比如编程基础），先学下去，学完。了解大的框架之后，以后用到哪里，再回过来补也不迟。

3、机器学习的各种算法没必要样样精通，常用的比如LR、树模型、RF、XGBoost等等掌握好就不错了。4、我身边一些优秀的程序员、分析师、工程师都非常推崇“做中学，学中做”，无论是书本还是视频，看到一些好的方法和技巧，要立即自己实现一遍。看起来非常简单的东西，真真动手的时候才会发现自己的不足。快速学完上述内容就尽快开始实践吧，可以先复现天池或kaggle上优秀的notebook，然后就参与一些入门竞赛。

5、如果你已有工作，最好的还是在业务中寻找机器学习应用场景，然后尝试去开发一个适用的模型。不懂就搜索，学习。这是我所知最好的，最有价值的学习方法。6、输出也是特别好的学习方式，输出就是把新学到的知识用某种方式讲给别人听，做到让他们也能理解、学会。我比较喜欢写笔记（我常用的是微软的OneNote），然后把笔记整理成文章发到博客上。

为什么说人工智能工作前景越来越严峻了？

目前正在从事ai相关工作，从自己的角度讲一下吧。1 现在的人工智能并不是真正的智能，相比人类的大脑来说，连幼儿都比不过。目前的人工智能只能从很多先验知识中学习一些强大且较为通用的规则，从而应用到一些类似场景中解放一些重复性劳动。它并不具备任何学习新知识的能力。2 人工智能门槛降低，从研发角度来说，人工智能=数据 算法 算力，数据主要依赖一些第三方外包标注，算法的话只要学过高等代数就可以入局，对一般的大学生来说没有任何门槛，算力其实就是cpu gpu机器，这部分长期被国外巨头掌控，在国内基本都有就业机会。

因为门槛低，因此涌入的人越来越多，内卷极其严重。3 缺乏业务场景，目前除了搜索，推荐，安防，翻译等领域，基本没有成熟的落地业务，像无人车之类的还在烧钱阶段，最后能不能落地还么有定论，这也是ai四小龙集体哑火的原因。这么多年了，ai投资人的钱也消耗的差不多了，没有资本进入市场，那么职位肯定会减少，不可避免。