你以為報了AI培訓班就真的能入行？

全文共2907字，預計閱讀時長3分鐘

「你知道嗎？現在AI行業很缺人，工資高到沒朋友。」

「我也早聽說了，正猶豫著要不要報個培訓班學一下。」

「這得多久能學完？」

「我看有說零基礎90天就能學會，還包找工作呢。」

「學費應該不便宜吧。」

「一兩萬吧。不過，捨不得孩子套不著狼，如果入了行，分分鐘來錢，還差這點？這叫投資，懂嗎？」

這樣的對話，也許我們並不陌生。不過咱心裡還得打個問號，這樣的投資究竟值不值？培訓班都靠譜嗎？

短平快的AI速成班

在網路上搜索人工智慧培訓班，一定能看得你眼花繚亂。避開「零基礎90天從入門到高薪」「包學包會」這類明顯的雷區，讀芯君點開一個看上去比較低調的人工智慧培訓介紹。

在這個名為「人工智慧+Python」的課程大綱里，分為7個階段。

第一、二階段主要學習Python基礎編程語法。人工智慧的內容集中在第六階段，涉及機器學習和深度學習。其他階段是Web開發、前端開發、後台開發等。每個階段的課時控制在一個月左右。單階段課程結束後，有上機操作測試，方便學員檢測知識掌握情況。

課程的設置主要是講解技術，每個階段也有實訓項目，但幾乎沒有理論方面的課程。

在另一家計算機視覺方面的培訓營里，覆蓋了人工智慧計算機視覺領域的人臉識別，目標識別，目標跟蹤，表情識別，姿態識別，圖像語義分割等熱點內容，除了課程以外，還有4個實訓項目和案例，但所有這些內容的課時只有兩天，共15個學時，課程教學7小時，「全案例實戰」7小時。

側重技術、短期集中授課是大多數AI培訓班共同的情況。

但實際上，像是機器學習和深度學習概念，僅入門教材就厚達數千頁。龐大的知識體系再加上細分的專業部分，不研究個三五年很難搞清楚。

在正統「學院派」里，學習和訓練還要求學生具備基礎的數學分析、線性代數、概率論和凸優化等理論知識，否則根本無法理解內容。

報名速成班的都是哪些人？

短平快、只學技術不讀理論，這很符合多數人的投入產出預期，於是有培訓班生意越來越好，保持著每月一期的擴張節奏，每個班級招進了超過100名學員。

有媒體探訪過一期AI培訓班學員，他們有些剛從原來的程序員崗位退下陣來，希望借爆紅的Python編程語言跳板進到更熱門的AI公司；更多的人則完全是零基礎，被身邊的朋友或是「標題黨」新聞鼓動，一心想著依靠人工智慧走上「人生巔峰」。

不過也有大學生不滿學校的偏理論的授課方式，或者不喜歡自己所學的專業，前來補技術。

還有一些想法也挺現實，切中了很多痛點。

「都已經畢業了，每天要上班，只有業餘時間能學點東西，培訓班雖然貴點，但時間短，比較靈活。」

「自己從頭看書太辛苦了，注意力容易分散，怕動力不足，網上的文章又太碎片化，報一個培訓班，交點錢聽人講更容易學會。」

「有老師指導，不懂的可以隨時問；安排好的課程，不用自己操心，省時省力。」

速成班畢業，老闆要不要？

雖然培訓班是有這些優點，但首先得確保，你找到一個靠譜的、能講乾貨的培訓機構，這個姑且不談，因為更關鍵在於，當你從速成班走出來，AI公司的老闆到底要你不要？

在上個月的一個AI論壇上，幾位Boss也談到了這個問題。

中科視拓CEO劉昕認為：「AI人才是不能速成的，所有號稱速成的說法和做法，最終也會傷害到AI人才自身的成長。」

他舉了「跨行工程師」的例子，「半年轉行基本是不可能的，頂多是非常快速的去溫習一下數學，然後我們拿成熟框架去跑贏兩個程序，然後玩一些主流的，我覺得這不足以成為一個合格的深度學習工程師。」

如果有人因為一時的人員緊缺，進入了AI工作，百納公司CEO劉鐵峰卻說：「我會花3-6個月時間帶他們，但是兩年之後這些人一個都不剩，全換成更好學校質量更好的人才。」

有企業的HR的態度是：「我們願意招基礎好，但是經驗少的這種高潛力的侯選人，如果學歷背景差，基礎一般，AI 速成是達不到我們的要求的。任何東西都沒有速成一說，我們更願意花時間去建一座堅固的房子，也不願意搭一個漏雨的棚子。」

一位從事AI工程化工作的技術專家在接受「AI前線」採訪時說，他們最需要兩種人：「一種是理解演算法和模型，並且能夠訓練模型、調整參數的人，這需要一定的數學基礎和感覺，通過 AI 速成的人一般很難具備這些能力。一種是工程化的人，這個基本技能跟軟體行業相同，所以不需要進行所謂的 AI 速成。」

還有一種觀點認為：不排除 AI 速成班裡有可用之才，但通過 AI 速成班絕對不是雪中送炭，還有可能是減分項，你需要花更多時間和精力對對方的回答做進一步的判斷，才能搞清楚他真正理解到了什麼程度。

大多數企業Boss對速成班走出來的人，似乎並無好感。

學習AI的正確路子

「反正現在大多數職位都要求Python，Tensorflow，直接報個班學學怎麼用 Python 調用現成的演算法，或者怎麼用 tensorflow 處理數據不就好了？何必那麼麻煩，還要看什麼論文，學什麼理論。」

擁有這樣的想法，你很可能被「捷徑」誤導了。在AI行業從事技術工作，如果想做得長久，成為企業的中流砥柱，理論學習是必不可少的。

在GitChat平台上，@李燁分享了對AI技術培訓的看法，他打了這樣一個比方：工具就像是武器，學會使用一種工具，只是學會了使用這種武器的最基本的招式和套路。而理論學習則是學習策略，決定了未來在真實對戰中，遇到對手攻擊時，你選取哪些招式套路，如何組合起來去迎敵。

策略的價值遠比武器要來得高，來的穩，才是最核心的競爭力。

我們希望你從一開始就走上正確的路。

下面這個方法，值得一試。

不要覺得繁瑣，在整個過程中，你會了解到行業里的很多基本情況，會知道什麼是體系，會明白理論知識是怎麼相互關聯的，也就不容易被各種唬人的宣傳所誤導。

一、明確目標：

Step1. 先確定一個領域（圖像、語音、自然語言處理等等）

Step2. 了解本領域當前的科研狀況

Step3. 了解本領域理論的落地技術以及相關企業

Step4. 了解具體崗位的招聘需求

二、制定學習計劃：

Step1. 明確知識範疇和應用目的；

Step2. 劃定知識體系並確定深度目標，比如：

Step 3. 填充知識模塊，像下面這樣：

Step 4. 列舉針對具體模塊的主要知識點。

現在有很多優秀的免費資源，找起來也並不費勁。不妨先從免費資源開始，循序漸進。Get it started.

讀芯君開扒

起步得正確，欲速則不達

學習其實沒有什麼捷徑，方向對、方法科學、穩紮穩打，再加上堅持，才是正道。培訓班雖然能滿足部分需求，但速成的思路還是欠妥。欲速則不達，越是專業，越急不來。

想省事兒？還有比做夢更好的選擇？

有人可能覺得，培訓班可以給自己更多動力和更好的氛圍，但其實，這個問題不是沒有其他的解決辦法，比如，找一兩個或者一群有著相同目標的學友，組隊學。

當然，培訓班並不是一無是處，如果你沒有任何相關的背景（計算機、自動化、電子工程等等），培訓班或許是個入門的不錯選擇，但是別指望它能讓你成為技術專家，更別說什麼短期速成。

如果你不是零基礎，學過數學、編程，或者有一定的程序猿經驗，想要提升自我，在線網路課程就能滿足你的需求，同時多積累實戰的項目經驗。

如果你還是在校生，想進入 AI，而且是發自內心的興趣，那麼不妨繼續深造一下，研究生會比本科生看得更多更深。

留言 點贊 發個朋友圈

我們一起探討AI落地的最後一公里

作者：六個太陽

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！