Google I/O：不要擔心 AI 毀滅人類，要讓 AI 好好為人類工作
5月8日，谷歌召開一年一度的Google I/O大會。谷歌CEO直接祭出了這次大會的王牌AI，這個智能過人的Al讓人看完不禁倒吸一口涼氣……
在現場演示的整段對話中，Google Assistant表現的自然流暢，理髮店那頭絲毫沒有察覺到自己竟然是在和AI對話！有人認為：AI將越來越快顛覆人類社會秩序，Google Assistant這樣可怕的人工智慧將會逐步掌控我們的生活。
阿里的王堅博士曾在一次主題演講里談到：「不要擔心 AI 毀滅人類，要相信人們能夠設計出一個好的架構讓 AI 好好為人類工作」。
要讓AI好好為人類工作，離不開AI 工程師和科學家。騰訊近期發布的報告顯示，目前人工智慧領域合格的研究人員數量僅為30萬，其中包括相關研究領域的學生。然而，全國範圍內，人工智慧的人才缺口卻為一百萬甚至更多。因此，2018年及未來的幾年內，「搶得到人才」絕對是人工智慧企業發展的前提及關鍵。
（圖片來源：騰訊研究院-全球人工智慧人才白皮書）
巨大的人才缺口就意味著無數的潛在機會。在這波AI熱潮下，要不要踏入或轉型成為人工智慧工程師，應該是很多人關心的問題。
與之前的雲計算、移動互聯網相比，成為 AI 工程師，門檻相對較高，而且需要在現有技能樹的基礎上再有較長時間的積累才行。要成為一名合格的人工智慧工程師，在掌握開發工程師的通用技能以外，還需要掌握一張不算小的知識網路。
如果以機器學習演算法工程師的技能圖譜為例，大概就是這樣子的 ↓
（文末告知如何獲取圖片清晰版）
?對於機器學習工程師來說，想要入門，先得解決以下三個基礎知識攔路虎。
基礎一：數學基礎
線性代數和微積分基礎
統計學相關基礎
相關線性分析
基礎二：編程基礎
掌握相關的編程語言，比如 C++ / Python / Go / Java 等，目前 Python 是機器學習深度學習領域最主流的編程語言，熱的發燙。
基礎三：機器學習的基礎
在互聯網領域從事機器學習的人，有下列兩類背景的人比較多：
1.程序員出身，這類同學工程經驗相對會多一些
2.學數學統計領域出身，這部分同學理論基礎相對紮實一些。
因此對比上圖，2類同學入門機器學習，所欠缺和需要加強的部分是不一樣的。下面就上述圖中的部分，展開來分別扯幾句：
數學基礎
機器學習相對於其他開發工作更有門檻的根本原因就是數學。基本所有常見機器學習演算法需要的數學基礎，都集中在微積分、線性代數和概率與統計當中。
典型演算法
絕大多數問題用典型機器學習的演算法都能解決，粗略地列舉一下這些方法如下：
機器學習里所說的「演算法」與程序員所說的「數據結構與演算法分析」里的「演算法」略有區別。前者更關注結果數據的召回率、精確度、準確性等方面，後者更關注執行過程的時間複雜度、空間複雜度等方面。 當然，實際機器學習問題中，對效率和資源佔用的考量是不可或缺的。
編程語言、工具和環境
看了無數的理論與知識，總歸要落到實際動手實現和解決問題上。對初學者而言，Python和R語言是很好的入門語言，很容易上手，同時有活躍的社區支持，豐富的工具包幫助我們完成想法。
基本工作流程
以上我們基本具備了機器學習的必要條件，剩下的就是怎麼運用它們去做一個完整的機器學習項目。工作流程如下: 抽象成數學問題—— 獲取數據——特徵預處理與特徵選擇——訓練模型與調優——模型診斷——模型融合——上線運行。
這些工作流程主要是工程實踐上總結出的一些經驗，並不是每個項目都包含完整的一個流程。只有大家自己多實踐，多積累項目經驗，才會有自己更深刻的認識。
說了這麼多，你應該對機器學習都有了基本框架。如果覺得自個兒學習累，想找些引路人，可以聽一些免費的人工智慧入門直播課，比如網易雲課堂接下來的人工智慧免費公開課。
直播分享
帶你快速入門人工智慧
除了免費直播，進群還有人工智慧學習資料和源代碼待領取~ ↓↓
