职位描述:
人工智能领域的知识体系是什么?也就是说,要真正成为一名深度学习工程师,我们应该在现有工程师的基础上做哪些准备?简而言之,旧的东西并没有那么吸引他,而且有了新的兴趣。他决定改变他的工作方向。如何自学成为数据科学家或人工智能工程师?自学是一门艺术,需要足够的自律、勤奋和专注。如果使用得当,它可以使你灵活地将学习和工作结合起来。然而,自学数据科学、人工智能或机器学习的开始将非常困难,但请相信这一切都是值得的。
学习数学听起来很烦人,但对这个领域来说是非常必要的。读这篇文章的读者应该从高中学到一些初级和高级数学知识。这是一个很好的开始,但只有这些知识在数据科学、人工智能和机器学习领域还远远不够。你需要更深入地学习一些统计学、代数和其他数学概念。首先,了解什么是编程,现有的编程语言类型,以及如何正确地编写代码。这些东西非常重要,因为你会学到很多重要的概念,而这些概念将永远伴随着你。只要你花足够的时间学习和坚持,你就可以更容易地学习这些语言,而且它们的发展速度非常快。学习各种语言是绝对正确的,事实上,这是一件好事。然而,当你学习每一种编程语言时,你需要慢慢来,尽量不要同时学习各种语言,因为这可能会让你在一段时间内迷失方向。
基础要扎实,基本上很多学生都是半桶水,只是会用一些工具来实现特定的目标,但是没有这些工具就写不出来,这就是半桶水。所以,要想成为一名工程师,不仅要有用工具解决问题的能力,还要有理解工具的能力。有很多工程经验。工程师没有工程经验,只能纸上谈兵,这是不可能的。面试过程中,一般面试官会对你是否有过目标测试经验、语义分割项目经验等感兴趣。如果没有,他什么都回答不了。David继续面试,在技术面试和非技术面试方面积累了很多经验(大部分人都不及格),知道自己缺少的知识,然后花时间去弥补。
当时什么都不知道的时候,我觉得真的很难。还要理解业务的意义。端茶送水,外卖跑腿,打印纸帮不了你。以上是数据操作层,主要包括卷积函数、激活函数等操作。再往上是图计算层,也是我们需要了解的核心,包括本地计算图和分布式计算图的实现。然后是API层和应用层。从工程转型的人,之前缺乏阅读论文的习惯,可能一时半会努力阅读。再加上英语语言障碍,他们会在外面徘徊很长时间,无法入门。