人工智能（AI）領(lǐng)域?qū)＜胰绾螣挸傻模?/h1>
轉(zhuǎn)自：數(shù)據(jù)派ID：datapi
原文鏈接：
https://dzone.com/articles/how-to-be-an-artificial-intelligence-ai-expert
本文共3800字，建議閱讀10分鐘。
本文教你如何成為人工智能領(lǐng)域的專家。
簡介
過去十年中，人工智能發(fā)展迅速，方興未艾。AI 宏圖，已在我們眼前展開。從自動駕駛汽車到谷歌大腦，人工智能始終是這些神奇而且影響深遠的項目的核心技術(shù)。
當新聞開始報道亞歷克莎（Alexa，亞馬遜語音助手）出乎意料地開懷大笑時，人工智能(AI)成了新聞頭條，電腦正在接管世界的笑話也遍地開花了。但是，如果把人工智能視為一項職業(yè)的話，就與好笑無關(guān)了。實際上，六個美國人之中，有五個人每天都以這種或那種形式使用人工智能提供的服務(wù)，可見人工智能是一個可行的職業(yè)選擇。
為什么選擇人工智能（AI）作為職業(yè)？
有很多原因可以讓學生選擇人工智能作為他們的職業(yè)，讓一些專業(yè)人士改行到人工智能。關(guān)于為什么選擇人工智能（AI）作為職業(yè)，現(xiàn)在我們來探究下其中的主要理由。
有趣且激動人心：人工智能（AI）為應(yīng)聘者提供的應(yīng)用領(lǐng)域富有挑戰(zhàn)性，激動人心，諸如：無人駕駛汽車、人類行為預(yù)測、聊天機器人等只是幾個簡單的例子。
高需求和高價值： 最近，該行業(yè)對數(shù)據(jù)科學家和人工智能專家的需求量巨大，從而創(chuàng)造了更多的工作機會和更高的價值。
高薪： 目前，隨著需求量的加大，工作量也在加大，這一領(lǐng)域的職位成了追求高收入職業(yè)者的選擇之一。在當今這個就業(yè)崗位減少、市場飽和的時代，人工智能已經(jīng)成為收入最高的工作之一。
如果你還在思考：為什么要選擇人工智能作為職業(yè)？那么我的回答很明確： “如果你不想讓人工智能接替你的工作，你就必須從事人工智能方向的職業(yè)”！
第0級：起點 （平地級）
如果太多的數(shù)學沒有嚇到你，而且你又喜歡編碼，那么便可以開始把人工智能當作你的職業(yè)了。如果你真的喜歡優(yōu)化算法和玩數(shù)學，或?qū)λ錆M熱情，不錯！0級條件已經(jīng)具備，你已經(jīng)準備好開啟AI職業(yè)生涯了。
第1級：初涉人工智能（入門級）
在這個層級，應(yīng)該首先掌握基礎(chǔ)知識。我所指的基礎(chǔ)知識，并不意味著僅僅了解4-5個概念，實際上要涉及到以下很多的概念(相當多的概念)。
包括線性代數(shù)，統(tǒng)計和概率：數(shù)學是首先要涵蓋的知識。首先需要掌握的數(shù)學基礎(chǔ)知識包括向量、矩陣及其轉(zhuǎn)換，然后繼續(xù)了解維數(shù)、統(tǒng)計量和各種統(tǒng)計檢驗，如z檢驗、卡方檢驗等。在此之后，應(yīng)該把注意力集中在了解概率學的概念上，比如貝葉斯（Bayes）定理等。數(shù)學是理解和建立復(fù)雜人工智能算法的基礎(chǔ)步驟，而正是這些算法，使我們的生活變得更簡單！
選擇一種編程語言： 掌握了數(shù)學基礎(chǔ)知識之后，你需要選擇一種編程語言。我建議你學習一種或最多兩種編程語言，并深入理解它。你可以從R語言、Python語言，甚至Java語言中選擇！永遠記住，編程語言只是為了簡化你的生活，而不是用來定義你的生活。我們可以從Python語言開始，因為它比較抽象，并且提供了許多可以使用的庫。R也發(fā)展得非常快，所以我們也可以考慮從R語言開始，或者可以嘗試使用Java (前提是我們有一個良好的CS背景！)。
理解數(shù)據(jù)結(jié)構(gòu)：嘗試理解數(shù)據(jù)結(jié)構(gòu)，即如何設(shè)計一個系統(tǒng)來解決涉及數(shù)據(jù)的問題。好的數(shù)據(jù)結(jié)構(gòu)有助您設(shè)計一個準確和最優(yōu)的系統(tǒng)，而AI的目的是要獲得一個精確和最優(yōu)的結(jié)果，所以，需要了解所選編程語言提供的堆棧、鏈接列表、字典等其他數(shù)據(jù)結(jié)構(gòu)。
理解回歸的全部細節(jié)：嗯，這是每個AI人都會給的一個建議。回歸是數(shù)學的基本實現(xiàn)，這一點你必須已經(jīng)掌握到。回歸算法描述了如何利用現(xiàn)有知識對實際應(yīng)用進行預(yù)測。把握好了回歸，將極大地幫助你理解機器學習的基礎(chǔ)知識，也將會為你的人工智能職業(yè)生涯做好鋪陳。
繼續(xù)了解不同的機器學習模型及其工作原理：在學習回歸后，需要了解其他機器學習算法，如決策樹、支持向量機（SVM）、KNN、隨機森林算法等。你應(yīng)該能利用這些算法去解決日常生活中的不同問題，知道每一個算法背后的數(shù)學原理。起初，這可能有點困難，但一旦你開始行動，一切都會迎刃而解。目標是成為人工智能的大師，而不要只是個隨機的實踐者！
理解機器學習所解決的問題：你應(yīng)該理解不同機器學習算法的用例，關(guān)注為什么某一種算法比另一種更適合于特定的應(yīng)用。只有這樣，你才能體會算法中那些數(shù)據(jù)概念的妙處，這些概念使得算法更加適用于特定的業(yè)務(wù)需求或用例。機器學習本身分為三大類：監(jiān)督學習、無監(jiān)督學習和強化學習。只有對這三類機器學習的掌握程度超過平均水平，這個人才能真正進入深度學習的世界！
第2級：深入人工智能AI(深入級)
這是你為成為人工智能專家而奮斗的第2層級。在這個層級，只有當你已經(jīng)掌握了機器學習的原理，才能算得上是進入深度學習這一專業(yè)領(lǐng)域！
理解神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是一種以人腦為模型的機器學習。它通過一種允許計算機利用新數(shù)據(jù)的合成來學習的算法創(chuàng)造出一個人工神經(jīng)網(wǎng)絡(luò)。在這個階段，你需要通過了解神經(jīng)網(wǎng)絡(luò)的每個細節(jié)來開始你的深度學習。你需要了解這些網(wǎng)絡(luò)是如何利用智能做出決策的。神經(jīng)網(wǎng)絡(luò)是人工智能的核心，你需要徹底弄懂它！
揭示神經(jīng)網(wǎng)絡(luò)背后的數(shù)學：神經(jīng)網(wǎng)絡(luò)通常是層層相接的，每一層由多個相互連接的“節(jié)點”組成，每個節(jié)點包含一個“激活函數(shù)”。模式通過輸入層進入網(wǎng)絡(luò)中，輸入層再與一個或多個“隱藏層”進行通信。實際通信過程中，數(shù)據(jù)處理是通過系統(tǒng)中加權(quán)的“連接”完成的。隨后，隱藏層與輸出層通信，由輸出層輸出答案。你需要掌握神經(jīng)網(wǎng)絡(luò)背后隱含的數(shù)學概念，如學習權(quán)重、激活函數(shù)、降損，反向傳播，梯度下降方法等，這些是神經(jīng)網(wǎng)絡(luò)中使用到的基本數(shù)學概念。只有擁有強大的背景知識，你才能設(shè)計出自己的網(wǎng)絡(luò)，你才會真正了解神經(jīng)網(wǎng)絡(luò)發(fā)揮作用的地方和方法！ 同伴啊，這些都是數(shù)學，全部都是數(shù)學！
掌握不同類型的神經(jīng)網(wǎng)絡(luò)：正如我們在ML（機器學習）中所做的那樣，我們首先學習了回歸，然后學習其他的ML算法。同理，在了解了所有關(guān)于基本神經(jīng)網(wǎng)絡(luò)的知識之后，可以開始探索適合不同用例、不同類型的神經(jīng)網(wǎng)絡(luò)了。基礎(chǔ)數(shù)學可能保持不變，差別可能在于對數(shù)據(jù)進行了很少的修改和預(yù)處理。不同類型的神經(jīng)網(wǎng)絡(luò)包括多層感知器、遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、LSTMS等。
了解不同領(lǐng)域的人工智能，如NLP和智能系統(tǒng)：有了多種神經(jīng)網(wǎng)絡(luò)的知識，便可以開始掌握這些不同神經(jīng)網(wǎng)絡(luò)在不同商業(yè)中的應(yīng)用了，比如：構(gòu)建一個無人駕駛汽車模塊，或者像人類一樣的聊天機器人，甚至是一個可以與周圍的環(huán)境進行交互的智能系統(tǒng)，它可以通過自學習來執(zhí)行任務(wù)。不同的用例需要不同的方法和知識。當然，你不可能掌握人工智能的每個領(lǐng)域，因為它是一個非常龐大的系統(tǒng)，因此，我建議你在人工智能中選擇一個領(lǐng)域，比如：自然語言處理，并努力在該領(lǐng)域深耕細作。一旦你的知識到達了一個良好的深度，那么可以考慮將你的知識應(yīng)用到不同的領(lǐng)域。
熟悉大數(shù)據(jù)的基本知識： 雖然，獲取大數(shù)據(jù)的知識不是一項強制性的任務(wù)，但我建議你為自己配備大數(shù)據(jù)的基礎(chǔ)知識，因為所有的人工智能系統(tǒng)都只處理大數(shù)據(jù)。擁有大數(shù)據(jù)的基礎(chǔ)知識將是一個很好的優(yōu)勢，因為它將幫助你設(shè)計出更優(yōu)化和更現(xiàn)實的算法。
第3級：掌握人工智能（大師級）
這是你必須全力以赴的最后階段，這時需要少學點，但卻需要你更多地應(yīng)用已經(jīng)學到的東西！
掌握優(yōu)化技術(shù)：第1、2層級專注于應(yīng)用的精確實現(xiàn)，但現(xiàn)在我們必須討論如何優(yōu)化它。深度學習算法消耗了系統(tǒng)的大量資源，需要對系統(tǒng)的各個部分進行優(yōu)化。優(yōu)化算法幫助我們最小化(或最大化)一個目標函數(shù)(錯誤函數(shù)的另一個名稱)E(X)，它是一個依賴于模型內(nèi)部中可學習參數(shù)的數(shù)學函數(shù)，模型的內(nèi)部參數(shù)對于有效地訓練模型并產(chǎn)生準確的結(jié)果起著非常重要的作用。這就是為什么我們要使用各種優(yōu)化策略和算法來更新和計算這些模型參數(shù)的最優(yōu)值，從而優(yōu)化模型的學習過程和模型的輸出。
參加比賽：你應(yīng)該在Kaggle上參加黑客比賽和數(shù)據(jù)科學比賽，這將使你的知識得到更多的提升，并給你更多的機會去應(yīng)用和實現(xiàn)你的知識。
出版和閱讀大量論文
論文：研究-工具-創(chuàng)新-測試。通過閱讀大量與人工智能相關(guān)的研究論文，不斷重復(fù)這一周期。這將幫助你理解：你如何避免只是個從業(yè)者以及如何成為一個蓬勃發(fā)展的創(chuàng)新者。人工智能還處于起步階段，需要有創(chuàng)新能力的大師，也需要能夠為這一領(lǐng)域帶來革命的大師。
優(yōu)化數(shù)學知識，使自己脫穎而出
算法：創(chuàng)新需要大量的研究和知識。你的最終目的地是利用自己的數(shù)學知識和技能，助力整個人工智能的發(fā)展。一旦能夠掌握這門藝術(shù)，你將會距離人工智能的革新更進一步！
結(jié)論
掌握人工智能并不能一蹴而就。人工智能領(lǐng)域確實需要你艱苦奮斗，持之以恒，還得具備大量的耐心和知識！這可能是目前業(yè)內(nèi)最熱門的工作之一。成為一個從業(yè)人員或人工智能愛好者并不難，但如果你想成為一個大師，那你必須和創(chuàng)造人工智能的專家一樣優(yōu)秀！做任何事情都需要多年的時間和技巧，AI的情況也是如此。如果你有動力，這個世界上沒有什么能阻止你的步伐。 (不僅AI 如此，其他行業(yè)也一樣)。
轉(zhuǎn)自：數(shù)據(jù)派ID：datapi
原文鏈接：
https://dzone.com/articles/how-to-be-an-artificial-intelligence-ai-expert
本文共3800字，建議閱讀10分鐘。
本文教你如何成為人工智能領(lǐng)域的專家。
簡介
過去十年中，人工智能發(fā)展迅速，方興未艾。AI 宏圖，已在我們眼前展開。從自動駕駛汽車到谷歌大腦，人工智能始終是這些神奇而且影響深遠的項目的核心技術(shù)。
當新聞開始報道亞歷克莎（Alexa，亞馬遜語音助手）出乎意料地開懷大笑時，人工智能(AI)成了新聞頭條，電腦正在接管世界的笑話也遍地開花了。但是，如果把人工智能視為一項職業(yè)的話，就與好笑無關(guān)了。實際上，六個美國人之中，有五個人每天都以這種或那種形式使用人工智能提供的服務(wù)，可見人工智能是一個可行的職業(yè)選擇。
為什么選擇人工智能（AI）作為職業(yè)？
有很多原因可以讓學生選擇人工智能作為他們的職業(yè)，讓一些專業(yè)人士改行到人工智能。關(guān)于為什么選擇人工智能（AI）作為職業(yè)，現(xiàn)在我們來探究下其中的主要理由。
有趣且激動人心：人工智能（AI）為應(yīng)聘者提供的應(yīng)用領(lǐng)域富有挑戰(zhàn)性，激動人心，諸如：無人駕駛汽車、人類行為預(yù)測、聊天機器人等只是幾個簡單的例子。
高需求和高價值： 最近，該行業(yè)對數(shù)據(jù)科學家和人工智能專家的需求量巨大，從而創(chuàng)造了更多的工作機會和更高的價值。
高薪： 目前，隨著需求量的加大，工作量也在加大，這一領(lǐng)域的職位成了追求高收入職業(yè)者的選擇之一。在當今這個就業(yè)崗位減少、市場飽和的時代，人工智能已經(jīng)成為收入最高的工作之一。
如果你還在思考：為什么要選擇人工智能作為職業(yè)？那么我的回答很明確： “如果你不想讓人工智能接替你的工作，你就必須從事人工智能方向的職業(yè)”！
第0級：起點 （平地級）
如果太多的數(shù)學沒有嚇到你，而且你又喜歡編碼，那么便可以開始把人工智能當作你的職業(yè)了。如果你真的喜歡優(yōu)化算法和玩數(shù)學，或?qū)λ錆M熱情，不錯！0級條件已經(jīng)具備，你已經(jīng)準備好開啟AI職業(yè)生涯了。
第1級：初涉人工智能（入門級）
在這個層級，應(yīng)該首先掌握基礎(chǔ)知識。我所指的基礎(chǔ)知識，并不意味著僅僅了解4-5個概念，實際上要涉及到以下很多的概念(相當多的概念)。
包括線性代數(shù)，統(tǒng)計和概率：數(shù)學是首先要涵蓋的知識。首先需要掌握的數(shù)學基礎(chǔ)知識包括向量、矩陣及其轉(zhuǎn)換，然后繼續(xù)了解維數(shù)、統(tǒng)計量和各種統(tǒng)計檢驗，如z檢驗、卡方檢驗等。在此之后，應(yīng)該把注意力集中在了解概率學的概念上，比如貝葉斯（Bayes）定理等。數(shù)學是理解和建立復(fù)雜人工智能算法的基礎(chǔ)步驟，而正是這些算法，使我們的生活變得更簡單！
選擇一種編程語言： 掌握了數(shù)學基礎(chǔ)知識之后，你需要選擇一種編程語言。我建議你學習一種或最多兩種編程語言，并深入理解它。你可以從R語言、Python語言，甚至Java語言中選擇！永遠記住，編程語言只是為了簡化你的生活，而不是用來定義你的生活。我們可以從Python語言開始，因為它比較抽象，并且提供了許多可以使用的庫。R也發(fā)展得非常快，所以我們也可以考慮從R語言開始，或者可以嘗試使用Java (前提是我們有一個良好的CS背景！)。
理解數(shù)據(jù)結(jié)構(gòu)：嘗試理解數(shù)據(jù)結(jié)構(gòu)，即如何設(shè)計一個系統(tǒng)來解決涉及數(shù)據(jù)的問題。好的數(shù)據(jù)結(jié)構(gòu)有助您設(shè)計一個準確和最優(yōu)的系統(tǒng)，而AI的目的是要獲得一個精確和最優(yōu)的結(jié)果，所以，需要了解所選編程語言提供的堆棧、鏈接列表、字典等其他數(shù)據(jù)結(jié)構(gòu)。
理解回歸的全部細節(jié)：嗯，這是每個AI人都會給的一個建議。回歸是數(shù)學的基本實現(xiàn)，這一點你必須已經(jīng)掌握到。回歸算法描述了如何利用現(xiàn)有知識對實際應(yīng)用進行預(yù)測。把握好了回歸，將極大地幫助你理解機器學習的基礎(chǔ)知識，也將會為你的人工智能職業(yè)生涯做好鋪陳。
繼續(xù)了解不同的機器學習模型及其工作原理：在學習回歸后，需要了解其他機器學習算法，如決策樹、支持向量機（SVM）、KNN、隨機森林算法等。你應(yīng)該能利用這些算法去解決日常生活中的不同問題，知道每一個算法背后的數(shù)學原理。起初，這可能有點困難，但一旦你開始行動，一切都會迎刃而解。目標是成為人工智能的大師，而不要只是個隨機的實踐者！
理解機器學習所解決的問題：你應(yīng)該理解不同機器學習算法的用例，關(guān)注為什么某一種算法比另一種更適合于特定的應(yīng)用。只有這樣，你才能體會算法中那些數(shù)據(jù)概念的妙處，這些概念使得算法更加適用于特定的業(yè)務(wù)需求或用例。機器學習本身分為三大類：監(jiān)督學習、無監(jiān)督學習和強化學習。只有對這三類機器學習的掌握程度超過平均水平，這個人才能真正進入深度學習的世界！
第2級：深入人工智能AI(深入級)
這是你為成為人工智能專家而奮斗的第2層級。在這個層級，只有當你已經(jīng)掌握了機器學習的原理，才能算得上是進入深度學習這一專業(yè)領(lǐng)域！
理解神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是一種以人腦為模型的機器學習。它通過一種允許計算機利用新數(shù)據(jù)的合成來學習的算法創(chuàng)造出一個人工神經(jīng)網(wǎng)絡(luò)。在這個階段，你需要通過了解神經(jīng)網(wǎng)絡(luò)的每個細節(jié)來開始你的深度學習。你需要了解這些網(wǎng)絡(luò)是如何利用智能做出決策的。神經(jīng)網(wǎng)絡(luò)是人工智能的核心，你需要徹底弄懂它！
揭示神經(jīng)網(wǎng)絡(luò)背后的數(shù)學：神經(jīng)網(wǎng)絡(luò)通常是層層相接的，每一層由多個相互連接的“節(jié)點”組成，每個節(jié)點包含一個“激活函數(shù)”。模式通過輸入層進入網(wǎng)絡(luò)中，輸入層再與一個或多個“隱藏層”進行通信。實際通信過程中，數(shù)據(jù)處理是通過系統(tǒng)中加權(quán)的“連接”完成的。隨后，隱藏層與輸出層通信，由輸出層輸出答案。你需要掌握神經(jīng)網(wǎng)絡(luò)背后隱含的數(shù)學概念，如學習權(quán)重、激活函數(shù)、降損，反向傳播，梯度下降方法等，這些是神經(jīng)網(wǎng)絡(luò)中使用到的基本數(shù)學概念。只有擁有強大的背景知識，你才能設(shè)計出自己的網(wǎng)絡(luò)，你才會真正了解神經(jīng)網(wǎng)絡(luò)發(fā)揮作用的地方和方法！ 同伴啊，這些都是數(shù)學，全部都是數(shù)學！
掌握不同類型的神經(jīng)網(wǎng)絡(luò)：正如我們在ML（機器學習）中所做的那樣，我們首先學習了回歸，然后學習其他的ML算法。同理，在了解了所有關(guān)于基本神經(jīng)網(wǎng)絡(luò)的知識之后，可以開始探索適合不同用例、不同類型的神經(jīng)網(wǎng)絡(luò)了。基礎(chǔ)數(shù)學可能保持不變，差別可能在于對數(shù)據(jù)進行了很少的修改和預(yù)處理。不同類型的神經(jīng)網(wǎng)絡(luò)包括多層感知器、遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、LSTMS等。
了解不同領(lǐng)域的人工智能，如NLP和智能系統(tǒng)：有了多種神經(jīng)網(wǎng)絡(luò)的知識，便可以開始掌握這些不同神經(jīng)網(wǎng)絡(luò)在不同商業(yè)中的應(yīng)用了，比如：構(gòu)建一個無人駕駛汽車模塊，或者像人類一樣的聊天機器人，甚至是一個可以與周圍的環(huán)境進行交互的智能系統(tǒng)，它可以通過自學習來執(zhí)行任務(wù)。不同的用例需要不同的方法和知識。當然，你不可能掌握人工智能的每個領(lǐng)域，因為它是一個非常龐大的系統(tǒng)，因此，我建議你在人工智能中選擇一個領(lǐng)域，比如：自然語言處理，并努力在該領(lǐng)域深耕細作。一旦你的知識到達了一個良好的深度，那么可以考慮將你的知識應(yīng)用到不同的領(lǐng)域。
熟悉大數(shù)據(jù)的基本知識： 雖然，獲取大數(shù)據(jù)的知識不是一項強制性的任務(wù)，但我建議你為自己配備大數(shù)據(jù)的基礎(chǔ)知識，因為所有的人工智能系統(tǒng)都只處理大數(shù)據(jù)。擁有大數(shù)據(jù)的基礎(chǔ)知識將是一個很好的優(yōu)勢，因為它將幫助你設(shè)計出更優(yōu)化和更現(xiàn)實的算法。
第3級：掌握人工智能（大師級）
這是你必須全力以赴的最后階段，這時需要少學點，但卻需要你更多地應(yīng)用已經(jīng)學到的東西！
掌握優(yōu)化技術(shù)：第1、2層級專注于應(yīng)用的精確實現(xiàn)，但現(xiàn)在我們必須討論如何優(yōu)化它。深度學習算法消耗了系統(tǒng)的大量資源，需要對系統(tǒng)的各個部分進行優(yōu)化。優(yōu)化算法幫助我們最小化(或最大化)一個目標函數(shù)(錯誤函數(shù)的另一個名稱)E(X)，它是一個依賴于模型內(nèi)部中可學習參數(shù)的數(shù)學函數(shù)，模型的內(nèi)部參數(shù)對于有效地訓練模型并產(chǎn)生準確的結(jié)果起著非常重要的作用。這就是為什么我們要使用各種優(yōu)化策略和算法來更新和計算這些模型參數(shù)的最優(yōu)值，從而優(yōu)化模型的學習過程和模型的輸出。
參加比賽：你應(yīng)該在Kaggle上參加黑客比賽和數(shù)據(jù)科學比賽，這將使你的知識得到更多的提升，并給你更多的機會去應(yīng)用和實現(xiàn)你的知識。
出版和閱讀大量論文
論文：研究-工具-創(chuàng)新-測試。通過閱讀大量與人工智能相關(guān)的研究論文，不斷重復(fù)這一周期。這將幫助你理解：你如何避免只是個從業(yè)者以及如何成為一個蓬勃發(fā)展的創(chuàng)新者。人工智能還處于起步階段，需要有創(chuàng)新能力的大師，也需要能夠為這一領(lǐng)域帶來革命的大師。
優(yōu)化數(shù)學知識，使自己脫穎而出
算法：創(chuàng)新需要大量的研究和知識。你的最終目的地是利用自己的數(shù)學知識和技能，助力整個人工智能的發(fā)展。一旦能夠掌握這門藝術(shù)，你將會距離人工智能的革新更進一步！
結(jié)論
掌握人工智能并不能一蹴而就。人工智能領(lǐng)域確實需要你艱苦奮斗，持之以恒，還得具備大量的耐心和知識！這可能是目前業(yè)內(nèi)最熱門的工作之一。成為一個從業(yè)人員或人工智能愛好者并不難，但如果你想成為一個大師，那你必須和創(chuàng)造人工智能的專家一樣優(yōu)秀！做任何事情都需要多年的時間和技巧，AI的情況也是如此。如果你有動力，這個世界上沒有什么能阻止你的步伐。 (不僅AI 如此，其他行業(yè)也一樣)。