不太妙!计算机专业的我差点没搞定AI人工智能

相信有不少人工智能相关专业的同学,已经计划好未来要进入AI行业,在学校也有初步的学习了,但是目前所学的比较简单,担忧步入职场之后可能会出现断档的情况,所以仍然希望能够得到一些进阶的培训来和企业内真正的应用衔接起来,是吧?

可以说是一模一样的心路历程了家人!!!

作为互联网相关专业的大学生一枚,仿佛无时无刻不在被卷,其他天坑专业的同学想转CS,而身在围城中的我们为了避免被挤掉,只能通过自学来不断地提升自己的价值(从这方面说,好像也不算坏事)(www.Lin8.cn)。

最主要的是,在学校里的课总给我一种感觉:学这个以后真的能用上?or 确定学这个就足够了?

从品类冗杂的培训课程中挑选出符合自己要求的那个并不是一件容易的事。而当准备着手去学习时,这一步又是十分重要的。如果选中了不靠谱的机构,轻则一无所获、浪费时间,重则对方卷款跑路,人财两空。而且作为没有什么经济来源的抠门大学生,当然是每一分钱花的有价值最为重要。前期的搜索资料、筛选、看评价、对比、下决定实属是让人头大,我也用了不少时间在这些看似杂乱的事情上。

而现在我已经能够基本掌握初级算法工程师所需的技能,同时具备基础的AI开发能力,对数据集懂得如何做处理并搭建模型、验证效果,几乎所有AI项目都有如何去一步步实现的方法。最重要的是,在求职面试的时候有了更大的底气,更加自信了,没有出现之前那种心虚的感觉。下面就来分析一下当时同样迷茫的我,进行选择的思路是怎样的。

首先,不要眼高手低、急于求成,囤积过多超出自己现有水平的论文或教程。

人工智能行业现今可谓是如日中天方兴未艾,我的初衷是在就业时多给自己一些选择的机会,所以希望能学会一些职位要求必备的技能,同时也是提前体验一下在公司与在学校不同的知识侧重、学习方式和使用场景。

当今AI头部企业里,工程师往往不是只负责一个部分,而是要完成数据探索、数据处理、建立模型到最终的模型验证、部署上线、维护更新的一系列工作。

因为之前在学校系统学习过一些课程作为基础,我的起点实际上是比较高的,已经养成了相应的思维习惯。而且像线性代数啦、Python啦都不用从头学一遍,这代表我们可以跳过一些过分简单的培训课程,也无需跟随那些完全针对0基础的攻略或经验贴,直接从中高等级的课程开始学起。

而且,不要试图完全掌握所有的相关数学知识再开始学习!除了微积分的求导和极限、线性代数的矩阵表示和运算是基础以外,在AI领域里对数学和编程的知识有所侧重,并不一定用到所有,比如图像处理就要求熟练使用matlab或者Python调用opencv库。

建议是学到的时候选择性复习,没必要一下子头脑发热决定先全部看完再学新的,那样很容易导致拖延症。

不过一开始我还是处于一头雾水的状况当中,不管三七二十一直接展开搜索,得到的有效信息量却如同大海捞针,淹没在各式各样、令人眼花缭乱的推送里。

不太妙的是,遍历备受我等广大学生青睐的视频学习网站如b站、中国大学mooc等,却发现热门的或者比较多人推的要么就是如上面两点所说,追求高效率而低层次的“速通”、从基础手把手教起的“入门”,要么就是单个课程只覆盖了人工智能这个大领域中的一小块知识点,如果想要全部学一遍还得把它们拼凑起来,既不够全面也不能满足我们的要求。

虽然也有自己的优点:有各个大学的教授讲解,课程体系明确、资源较多。但水平参差不齐,存在因为无脑收藏而难以下手的问题。(俗称养马场

我其实也走了一段弯路,直接去看fast.ai的深度学习实战课程,以及arXiv的深度学习领域的论文,结果自然撞了南墙,没有考虑实际的情况,囫囵吞枣看了个热闹,最终还是回来一步一步扎实地学起。

其次,选择课程的关键在于能否辅助你应用。

实践是检验真理的唯一标准,对于人工智能则更是如此。

网上比较出名的Coursera上的吴恩达网课,不是母语,理解有时候存在困难,而且没有线上的交互环境,还是停留在书本理论知识被动摄取上,于实践方面起到的收效甚微。即便是小学的手工课也能让人意识到动手的重要性,要知道,听课听得懂和自己能独立解出一道问题之间的差距可不小,而这也正是困扰面临就业的应届大学生的一个苦恼。

不会只有我一个人在学编程的时候是“一看全都会,一做全都废”吧,不会吧???

总之为了避免上面这种情况再一次发生,我很果断地把有实践、有案例、有项目作为我的首选要求,不满足这点、只有一段录播课的那些网站全部pass掉。其实这样一来,所剩的可选的已经不多了,大部分都是专攻人工智能的培训机构。

最后一点,算是加分项吧,有没有跟大企业合作

非常好意思地说,要是报名一个培训班能保证我进腾讯华为,那我肯定毫不犹豫就选它了是吧。当然这是夸张说法,不过要是有内推渠道或者内部锻炼机会的话,那无疑是一个很好的优势——有真实的AI研发环境、工作流程和研发产品。

这样积累了商用交付项目的经验,一方面有直接入职企业的机会,另一方面,有了工作经验也能大大提升竞争力。不说一不一定进大厂,光是参与到大型的AI项目中就能学到很多在学校无从接触的东西。

以上,就是我总结的选择工作要注意的三大点。

我以这几点为基础,用了一天时间把硕果仅存的几家课程分门别类、按照各自特点排了个序,最终从中选择了贪心科技。当然这是我一己之见,其实并列的其他几个比如达内和黑马也都有自己的优点,只不过要结合自己的目标需求来判断哪个比较合适。

我经过了解之后选了机器学习中级课程。全部下来是6299元,一年的有效期,其实这一点我其实不太喜欢,希望以后可以改进。主讲人是李文哲,人工智能和知识图谱领域专家,上课也没有过于晦涩难懂,还是蛮友好的。

官网上有针对不同人群的课程分级,像其他同学也可以按以后想从事的岗位或者研究方向选择不同的高级课程,难度应该会稍微大一些,但是相应的门类也会细化,可以根据数据分析师、产品经理、算法工程师、机器学习工程师、风控算法工程师、NLP工程师等职业各自侧重的内容来决定深入学习哪方面。

其实我从市面上那么多培训课程中挑选了贪心科技,不仅仅是因为它满足了上面所说的三个基本要求,它还有自身独特的长处。

一,以机器学习中级课为例,总体思路可以分为两个部分:监督学习和无监督学习,其中侧重点在于前者,进一步分为回归和分类问题。全部内容包括了所有核心机器学习算法:决策树、K-Means、朴素贝叶斯、主成分分析等,而且讲解细致,逻辑推导比较合理。

二,课程模式完善。可以看到采用了视频讲解+文字总结+随堂选择题+代码运行题的形式,这一整套针对某个特定知识点的组合拳打下来,更容易让人印象深刻,不会出现只停留在表面,光听听热闹就过去了的状况,而是真正学会了内在逻辑以及如何运用,这点是和其他非针对性课程最大的区别。尤其是补充代码题,把数学的基础理论知识和编程彻底联系起来,告别了纸上谈兵的传统学习方法,既可以纠正自己的细节理解,也可以延伸到现实中的体系架构应用。最关键的是快捷方便,在同一个界面回顾课程、打代码、看运行结果和参考答案,不用下载各种运行平台。

三,也是对于我们这种情况最重要的一点,是几乎每一章的最后都有一个案例。包括问题描述、数据理解、数据预处理、模型训练、模型评估、编程实现几个部分,相当于对一章所学内容的总结和应用。

总体来说,贪心科技的课程对我是一个比较新奇的体验。当然,这是我的个人选择。要是同学们也有想法的话,可以按我的思路尝试一下,祝大家收获令人心动的offer~

主营产品:饮用水处理设备,供水设备,原水处理设备