為什麼97％的人都該學習人工智慧？

科技 07-14

編輯｜Julia & 廠白小

學習人工智慧效率最高的學習方式，其實是讓經驗豐富的老師帶你在實戰中學習。

人工智慧的概念從提出至今已經 60 多年了，近兩年更是得到了持續的關注，主要歸功於大規模的數據和計算能力的質的提升。目前，BAT 等各大廠都爭先恐後地進行 AI 布局，也隨之打響了一場激烈的人才爭奪戰。可以說，成為 AI 人才，是未來擁有主動權的必經之路。但是，機器學習和深度學習的高大上又似乎拒人千里之外。

如何踏入 AI 領域？跟上時代的步伐？是每一個 AI 工程師最先需要思考的問題。現在學習 AI，大部分同學會面對這些情景：魚龍混雜的大量學習資料，不得要領的學習方法，無法檢驗的學習成果，孤獨焦慮的學習過程。而《3 個月成為 AI 實戰工程師》這門課，專治這些疑難雜症。

正確選擇比低效努力更重要

StuQ 在跟 100+ 位同學進行溝通之後，發現大家對 AI 學習特別容易陷入這些誤區：

必須先把數學基礎補齊，從研究概率、微積分等入手，讓自己陷入數學學習的泥沼中，投入的時間越多對對 AI 懼怕心理就越強，導致放棄；

試圖窮盡所有的概念和知識，比如機器學習裡面其實包羅很多內容，一直糾結在學習了多少個知識點，逐漸產生疲憊感，且越學越混亂；

一心求快，信奉唯快不破，現實卻是欲速則不達。

StuQ 和多位 AI 專家深度溝通後，尋得 AI 學習的「正確」打開方式：

從具體場景出發，自下而上學習；

知識體系化，重知識結構與內在邏輯；

夯實基礎，慢一點比較快。

從具體場景出發，自下而上學習

本課程選擇的場景是高性能實時處理，帶領學員從 0 到 1 構建一個海量數據實時分析系統。高性能實時處理在許多領域都得到了廣泛應用，比如實時流量處理、日誌處理、交通數據處理等等，而這些領域又有很多的圖像處理和模式識別需求，通過將深度學習與高性能實時處理系統結合來解決現實問題，將深度學習真正應用在工程實踐中。從具體的應用場景出發，少去了自己去摸索的漫長過程，搭上從深度學習到工程實踐的直通車。

「 Talk is cheap, show me the code」確實一語中的，你會說再多的概念，都不如做過一個實戰項目來的實在。

知識體系化，重知識架構與內在邏輯

你看過一千片樹葉，還是不知大一棵樹到底長什麼樣子。高效的學習也是這樣，知識不是你的，知道才是你的，與其零碎地學習這些知識，不如通過一個成體系的課程讓這些知識瞭然於胸，將知識體系化，理清內在的框架和邏輯才能更好地形成對知識的理解和掌握，有了這棵樹，再去生長出更多的樹葉，讓它一步步枝繁葉茂。本課程從機器學習入手，重點介紹深度學習，並為實際開發補充高性能編程，落腳點均為工程實踐。

夯實基礎，慢一點比較快

工欲善其事，必先利其器，好高騖遠不可取，在基礎中兜兜轉轉不可取，這門課程會幫你打好紮實的基礎，課程設計共 5 部分，基礎篇、神經網路篇、深度學習篇、C+ + 編程篇和實戰篇，每一部分里涉及到的數學和編程都會詳細講解，每一部分都設計了足夠的時長，整個課程共 60 課時。

不必羨慕「別人家的孩子」，你也可以

學習的時候，最怕的就是「別人家的孩子」。而你有沒有想過，你的從入門到放棄，也許並不是意志力太差，而是還沒有掌握如何有效學習。

學習需要反饋

沒有反饋的學習和沒有檢測的學習是學習的攔路虎，你只是完成了學習的動作，並不知道學習的效果。本課程是直播大課，每次課程搜都會布置作業，檢測你的學習效果，並且會得到老師的點評反饋，讓你及時知道自己的學習進度和狀態，每次課程都會有答疑，你不理解、想要進一步了解的內容都可以立即提問，不把問題保留到自己都忘記了，或者多到你從入門到放棄。

不孤單的學習有更多樂趣

本課程每期都是一個班級，有班主任和助教和你一起學習，還會組織學習小組，與組內同學一起完成任務、交流討論、互相激勵。技能升級的同時也結識更多的好基友。

跟對的人，打怪升級

本課程邀請到了 Autodesk 軟體研發工程師盧譽聲老師和計算機科學博士金柳頎老師，盧老師會傾囊傳授他豐富的實戰經驗，金老師可以為你通俗透徹地解答數學、演算法等知識點，兩位老師密切配合，帶領學員打基礎，做實戰，實現 AI 技能進階！

盧譽聲，Autodesk 軟體研發工程師，從事平台架構方面的研發工作。在此之前，他曾在思科系統（中國）研發中心雲產品研發部工作，並參與了大規模分布式系統的伺服器後端以及 SDK 的設計與研發工作，在分布式系統設計與實現、性能調優、高可用性和自動化等方面積累了豐富的敏捷實踐與開發經驗。他主要從事 C/C+ + 開發工作，致力於高性能計算平台架構的研究與開發。此外，對 JavaScript、Lua 以及移動開發平台等也有一定研究。著有《分布式實時處理系統：原理、架構和實現》，並譯有《Storm 實時數據處理》、《高級 C/C+ + 編譯技術》、《JavaScript 編程精解（原書第 2 版）》。

金柳頎，計算機科學博士，現為老人福祉科技實驗室主要項目負責人，主要從事科研工作，研究方向為健康計算與軟體體系結構，同時具有較為豐富的工程經驗，能較熟練應用 C+ +、Java、Python、JavaScript 等多門語言。在 Web 開發和分布式系統方面均有所涉獵，開發項目涉及信息管理系統、數據處理、醫學圖像增強與存儲、智能設備健康數據收集與分析等領域，獲多項軟體著作權。在機器學習和深度學習方向有較多經驗，主要利用深度學習完成圖像模式識別與壓縮，對 Caffe 等常用深度學習框架較為熟悉，有裁剪和優化經驗。現為大數據實時處理 Hurricane 分布式框架的貢獻者之一。

你是不是 Mr.(Mis) Right?

這門課程的學習者有很清晰的畫像，如果你是：

相信 AI 的力量，緊跟時代發展的腳步，有先人一步的敏銳；

對機器學習、深度學習有濃厚興趣；

有強烈意願稱為 AI 工程師；

有一定的編程基礎（Python、C+ +、Java 均可）；

有一定的數學基礎（至少有高中數學基礎）；

有一定的軟體開發經驗。

那麼，這門課程就是專門為你量身定製的！