wobushinv
軟件工程師轉行做人工智能是一個不錯的選擇，但是要根據自身的知識結構進行相應的準備。對於研發級軟件工程師（研發級程序員）來說，轉行做人工智能是相對比較容易的，因為研發級工程師往往都有紮實的算法基礎。對於應用級軟件工程師（應用級程序員）來說，轉行做人工智能需要一個系統的準備（學習）過程。
人工智能目前的研究方向比較多，比如自然語言處理、機器學習以及計算機視覺都是不錯的研究方向，下面就以機器學習為例，說一下作為應用級軟件工程師來說，都應該做好哪些準備。
首先，需要系統的學習一下算法知識。機器學習的研發是以算法為核心進行展開的，所以要有一個紮實的算法基礎。這個過程需要了解一些比較經典的算法設計過程，逐步培養起解決問題的思路。這部分的學習內容包括隨機算法、堆排序算法、快排、計數排序、貪心算法、核算法、勢能法、圖算法、多線程算法、數論算法和近似算法等，在學習算法的過程中也會連帶著把數據結構一併學習一下，因為算法和數據結構本就不分家。
其次，瞭解機器學習的實現步驟。機器學習的流程包括數據收集、數據整理、算法設計、算法實現、驗證算法和應用算法，數據收集是機器學習的第一步，目前可以用於機器學習的公共數據集並不少，對於實驗來說已經夠用了。接下來就是了解常見的機器學習算法，目前比較常見的機器學習算法包括NB、k-mean、kNN、SVM、Apriori、EM、PageRank、CART等算法，對於有算法基礎的人來說，這些算法的學習並不困難。
最後，選擇一門編程語言來實現這些算法並對其進行驗證。對於軟件工程師來說，這個步驟還是相對比較輕鬆的，目前使用Python做機器學習的算法實現是一個比較常見的做法。
人工智能是我的主要研究方向之一，目前我也在帶相關方向的研究生，我會陸續在頭條寫一些關於人工智能方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有人工智能方面的問題，也可以諮詢我，謝謝！
IT人劉俊明
首先人工智能肯定是未來的一個方向，無論是否想轉行，都有必要去了解人工智能技術。
其次我認為學習人工智能主要有四種境界，你需要確定自己需要達到哪種境界，才好確定你的努力方向和策略。
2.工程師境界
3.應用者境界
4.知其然境界
科學家境界
科學家境界是很少很少一部分人能達到的境界，主要是那些從事人工智能研究的科學家，他們能原創出很多的算法和理論，解決一些最前沿的難題。比如深度學習的鼻祖Hinton,生成對抗網絡發明人 Ian goodfellow,Xgboost發明人陳天奇等等。
工程師境界
工程師境界也是很難的一種境界，需要用很強的理論背景和工程實現能力，能獨立復現最新的論文，深刻理解論文的實現原理，並能在上面做一些小創新。
應用者境界
應用者境界是大部分人工智能算法工程師所在的境界，主要就是明白算法原理，知道如何實現，核心在於知道如何把他應用在一個實際的業務場景之中。
知其然境界
最後一個是知其然，也知其所以然境界，知道當下的人工智能到底是什麼，知道機器學習和深度學習大概是個什麼東西，不會過分的去神話AI，知道目前AI的優勢，更知道目前AI的侷限。
不同的境界對應不同的要求，簡單點概括就是：
工程能力決定你的下界，理論能力與業務理解決定你的天花板。PS：本號作者目前是某大廠機器學習算法工程師，致力於全棧AI算法和業務場景落地，非常樂於在網上分享最新的AI知識，也經常開直播教同學AI算法和編程。感興趣的同學可以關注本頭條號，獲得最新的乾貨！
人工智能與未明學院
軟件工程師，首先上手python不是問題。
然後就得補機器學習的知識了。這個比較需要精力，初步的瞭解簡單網絡，以cnn最為常見。cnn家族很大，如果做的與圖像相關，肯定要深入瞭解並關注最新文獻狀態。其他還有很多類型的網絡模型，以rnn，對抗生成網絡，自編碼器等為代表，這些東西通過國內的博客就能大量學習，作為轉陣地的資學習資料足夠豐富了
接著，機器學習裡，作為程序員最喜歡的部分，深度學習框架，選擇主流幾種的一個，上手做實驗。代碼去github上找，數據集就用公開的。還是那句話，博客對愛學習的人來說，非常友好
機器學習要由淺入深，跑一跑經典的網絡，分析一下代碼，再對照論文理解理解。見得多，練的多，基本就進了機器學習的大門了。對於程序員來說，應該不用做學術研究吧，熟悉性能最優的最新網絡就夠了，用的好就行
allenlew312
人工智能和使用何種語言無關。目前主要是模糊控制（Fuzzy Logic Control)和神經元網絡（Neural Networks - NN),大多應用於模式識別，圖像處理，自動控制，語音識別等。基於NN, 就開發了機器學習（Machine Learning - ML)和深度學習(Deep Learning - DL)等應用領域，這二者是有區別的。ML 需人工干預（設定輸入和輸出以訓練Training NN),但DL無需人工干預，可自動實現訓練和學習過程。且ML有有限的層（2層 - 2 Layers), 但DL具有多層（Multi-Layer), 屬於深度學習。所謂深度，就是具有更多盡（深層）NN.
YingBai910
需要很深的數學功底，其它都不重要
等著我96988731
先可以學python,之後再學神經網絡搭建。
真IT小叮噹
只聽說過卷積神經網絡。
藍色土耳其267
我是打醬油的，進錯門了不好意思😜
傻傻的衝1
看書學習，實踐。基本就是這個套路
JosephKwok659
學習就可以轉
