开启辅助访问
 找回密码
 立即注册

三本本科生能搞人工智能吗?

cheneyceo 回答数20 浏览数378338
呵气成冰
不能搞!

如果你是自主创业,这个领域虽然不是红海,但是成本巨大,尤其是人力成本。另外,市场、法规这些都尚未完善,初创公司获取数据、资金的能力很弱。你没人脉、没技术、没人才,资本看都不看你。即便你意外做起来了,也可能成为先烈。

如果你想去AI企业,这么说吧,我认识的大部分公司招的基本上都是科班和211以上院校的研究生,985院校有的可以放宽到本科。可能我圈子不大,但是你三本真没竞争力。学校背景某种程度也是验证学生学习能力创造能力的一种体现。

当然,也别灰心,实在想做,如果看中某个公司,可以先入职相关岗位,看看有无转岗机会吧。
回复 赞 踩
使用道具 举报
siqihan
首先优达菌的回答是:能,而且还十分有必要。 有这样一个优达学员 Richard 的成功案例,令优达菌十分受到鼓舞。
Richard 是一个来自四线城市、毕业于非重点普通院校的奶爸。不满足于国企职员的现状,为了给家人带来更好的生活,2017年3月他选择通过裸辞学习来改变。毕业 Udacity 的数据分析课程后,不到一个月他就转行进入互联网金融行业,从事商业智能相关的数据分析工作,年薪涨了不止三倍,他和家人的生活都顺利了很多。他说人都有惰性,要克服自己的懒惰,排除外界的干扰,非常不容易。但他没有放弃。即使最开始他下班还要带孩子,把媳妇和儿子都哄睡就十一点了,才到了他的学习时间。他还是通过自己的努力,最终获得了改变。
由此可见,能否学好一个技能,能否做好一件事情,与你是否是三本本科生并没有必然联系。只要你付出足够多的努力和时间,搭配科学的学习路径,加上适合你成长的平台以及氛围,人工智能专家并非遥不可及。优达君认为花再多的精力去学习人工智能也不为过,原因是人工智能所展望的前景十分宽广。
1.有必要进入人工智能领域吗?

进入人工智能领域是你不会后悔的一个选择。打个不恰当的比喻,如今的人工智能可以说就是十年前房价的那个风口。
第一,机器学习领域的泰斗级学者,加州大学伯克利分校教授Michael Jordan发表言论称人工智能革命尚未正式开始,目前人工智能领域仍有许多要解决的问题和面临的挑战。
第二,尽管人工智能发展如火如荼,但是作为人工智能最重要的支持力量,人工智能人才培养却完全跟不上节奏,互联网公司对相关人才需求大,高校的培养周期长,造成了需求与供给之间的严重断链,目前国内对于人工智能的人才缺口约有150万,因此人工智能是一个很受欢迎的领域。
第三,由于需求巨大,而且技术门槛相对高,因此在薪资和待遇方面都比其他行业都高出不少。以热门的无人车开发,最高可达50k的月薪。

而对于有3-5年经验的机器学习工程师,可以有40k-80k的月薪。

从以上招聘网站上面的信息可以看出,人工智能相关工作者薪资十分高,是一个值得进入的行业。第四,世界发展趋势需要更高级的技术和人才。与30年前的劳动密集型产业不同,未来趋势是智能化,无人化,因此人工智能领域的职业是长期发展,并且资深的人工智能专家随着其自身的经验积累,其价值也是愈发宝贵。
2.人工智能的分类

人工智能是一个很宽泛的概念,目前技术所能及的是狭义的人工智能,包括机器学习、深度学习、机器人以及很火的无人驾驶。难度实际上也是依次递增的,目前许多互联网巨头所招聘的大多是机器学习,其技术门槛在人工智能领域里面是相对比较低的,应用是最广泛的,招聘也是最多的,其技术已经相当成熟了,主要重点是将已有的算法模型,在调整参数以后应用到实际的项目解决当中,优达学城本身的课程项目就是来自于互联网巨头最真实的工作项目,机器学习在当下更多属于工程问题,许多算法都是已经成熟的了,只有极少一部分是在研发新的算法。
而对于深度学习来说,难度要比机器学习更难一些,但并不是遥不可及的。深度学习依赖于神经网络模型,根据应用场景的不同可以分为一般分类问题下的ANN(人工神经网络),计算机视觉当中的CNN(卷积神经网络)以及自然语言当中的RNN(循环神经网络)等。深度学习能够组合底层的特征形成更加抽象的高层表示属性特征,因此可以通过逐层递进将图像的像素抽象成一些边和角,这些边角又可以抽象成更复杂的结构,从而实现图像识别的功能。相对于机器学习,深度学习的发展潜力更加大,应用场景也更加广阔,未来的方向是深度学习。
机器人的话涉及的是多个方面,需要许多软件和硬件条件的参与,在这里不展开,但是之前波士顿动力所研制的机器人所能实现的各种逆天功能已经在很多方面赶上了人的作用,机器人未来或许在很大程度上可以发挥相当重要的影响。
无人驾驶相对于以上的三个方面来说,所需要的专业能力更加高,并且所面临的挑战也是最大的。但尽管如此,各个科技巨头,比如谷歌、Uber、滴滴以及百度都在这个领域不吝重金,投入巨大的资金和人才,足以证明无人驾驶是一个未来商业和技术的一个制高点,因此可预见无人驾驶的相关从业者相应的待遇和薪资会如何了。
3. 入门人工智能的路径

重点来了!如何入门人工智能呢?
了解篇

关于人工智能是什么,以及它会给我们带来什么样的影响,可以查看下BBC的短片:What is artificial intelligence?以及 Facebook关于AI的系列教育视频关于AI简单扼要的介绍。
入门编程

实现人工智能的必备基础就是编程能力,假如你具备了基本的编程能力的话,用Python的sklearn工具包就可以几行代码实现一个简单的机器学习分类模型。
对于编程基础优达菌认为有以下内容要掌握:
    Python对象和数据结构的基础:包括数字、变量赋值、字符串、字典等对象。Python声明:判断语句(if,elif),while的循环Python方法和函数:方法和函数的概念和使用,命名空间生成器和装饰器模块和包类和面对对象编程
学习编程需要有几点注意:
    合适且完整的学习大纲对新手来说要友好,梯度上升强调动手训练,在实践当中理解编程


Python的数据分析库
要掌握常用的几个数据分析库:
    Pandas用于数据分析Numpy用于矩阵运算Scipy用于科学计算


Python的机器学习/深度学习库
sklearn,keras,gensim等


数学基础
    概率论与数理统计
    随机变量及其分布极大似然估计贝叶斯估计

    线性代数
    矩阵基础矩阵变化以及线性空间

    微分
    求导数求偏导数


机器学习算法
    特征工程
    包括数据预处理、特征分析。

    监督学习
    线性回归、决策树、SVM、朴素贝叶斯等算法的基本原理。

    非监督学习
    聚类、降维PCA


深度学习原理
ANN、CNN以及RNN的基本原理


深度学习框架
Tensorflow/keras,Caffe,Pytorch
完成一个机器学习/深度学习项目

没有什么学习方式比直接动手实现它来得更加直接和有效了。人工智能如果不是作为学术课题研究的话,要注意避免把过多的冗杂理论作为学习重点,而忽略了将其与实践联系起来。也就是与基础学科不同,学习人工智能(尤其是就业)应当以项目为导向,在独立完成项目的基础上解决掉一个人工智能的应用问题,这样在实践当中提升对人工智能的认识,专业能力还有问题解决能力,这些项目经历还有锤炼过的经验才会被面试官所青睐。 在掌握了基本的编程知识之后,你就已经有了开始机器学习的能力了。有一些最为简单的现成的数据集和工具包可以帮助你完成一个简单入门的项目。
UCI数据集是美国的Federal University of Sao Carlos的一个有关机器学习的数据集合,是学习机器学习很实在的数据来源网站。
Python的sklearn.dataset模块下就有丰富的机器学习数据集和新手友好的案例教程,讲解也十分详细,可以很方便地通过import的方式调用,并且通过照葫芦画瓢的方式实现自己的机器学习模型,满满的成就感有木有?
比如在这里就实现了一个简单的手写数字的识别模型。

kaggle上面有很多或有趣和实在的机器学习和深度学习项目,你可以查看别人的代码,通过比赛的形式去推动自己完成一个项目,既锻炼了自己完成项目的机器学习能力,也增加了项目经验,而且分析有趣的数据分析项目也是一个很有(zhuang)趣(ku)的事情,比如以下就是利用“权力的游戏”战役数据集去做数据挖掘的一个项目

如果觉得部分数据集有些难度,还可以从最为经典的一些项目比如“泰坦尼克号的生还者预测”项目入手,这些项目非常容易实现,包括了基本的机器学习流程,并且也有很多讨论,适合入门。
完善理论知识

如果说前面是让初学者知道机器学习和深度学习是如何在代码上轻松实现的,那么完善理论知识就是告诉学习者机器学习和深度学习是怎么一回事,以及我们如何去把我们的模型变得更好(不仅仅是更准确)?数学是学习人工智能、机器学习和深度学习等很多工作的必备要求,需要学习线性代数,概率论和统计学,微积分等一系列有关的课程,这些在你真正理解机器学习和深度学习内部的原理的时候大有用场,理解了原理你会发现一个全新美妙的世界,只有理解了才能真正去优化你的模型。在具备基本的数学知识之后,你还得对各种常用的算法要有所了解。
设计自己的技能树

在开始学习之前,应该要参照未来的发展方向和职位要求,结合自己的兴趣爱好去选择一个领域集中突破,比如自然语言,计算机视觉等,并且当前有哪些发展迅猛的工具(比如Hadoop,Hive,Spark等)。这些在开始学习之前需要先计划好。 建议选择一门比较容易入门,能够适用于机器学习和深度学习的潮流的编程语言。目前应用于机器学习和深度学习的编程语言是Java和Python等,Python由于其十分灵活的可扩展性受到广泛重视,它用用非常完善的数据分析生态系统,它具有多个数据分析包:Pandas,Numpy,Scipy以及Matplotlib,并且jupyter notebook可以提供数据分析的交互环境,而且还可以方便地生成数据分析报告,十分强大。另外,Python的机器学习和深度学习的工具环境也是相当完善的,keras就是tensorflow封装的一个工具包,几行代码就可以实现深度学习,从未有如此便利过。并且许多课程也是围绕Python开展的。 因此推荐的入门编程语言是Python,领域可以选择深度学习当中的自然语言或者是计算机视觉抑或是最为广泛的机器学习,想要挑战难度大点的可以选择无人车领域。工具从数据体量小的入门,可以用keras,gensim,sklearn等工具包,进阶地掌握Hadoop和Spark等大数据工具。 总体上而言,一般是先从整体完整地了解一个大的框架,比如说深度学习了解ANN,CNN还有RNN等各种神经网络的原理,然后更高阶地选择一个领域比如计算机视觉和自然语言进行突破发展。可以参考以下的学习路径图。



最后安利一下我们人工智能的系列课程:
人工智能编程基础
深度学习
机器学习工程师
计算机视觉工程师
自然语言处理工程师  
无人驾驶入门
无人驾驶工程师
用PixPix生成超酷炫电视壁纸
回复 赞 踩
使用道具 举报
chemistry_130
一、首先,难的不是【搞人工智能】这件事情,
而是【让别人相信你能搞人工智能】这件事情。


二、其次,智商这种东西,确实是存在鸿沟的。
但是三本的天花板跟985的地板真的有巨大差异么?
在下看来不见得吧~


三、人工智能就那么高大上?这里面的水深得不行,有三分靠技术七分靠参数的炼丹派,也有公式无限好落地渣如草的数理派,还有七拼八凑大杂烩的瞎猫派。这些人都在搞人工智能,你说人工智能有多高大上?


所以,肯定能搞呀!既然问题是【能与不能】,那么比较的自然不能是三本的均值和985硕士的均值。


985能搞,三本的天花板不比985地板差,怎么不能搞。
各种玄学流派能搞,三本里认认真真的实干派不比他们差,怎么不能搞。


真正难的是如何拿到面试资格,因为公司过简历的时候,可能直接就忽略了三本的同学。因为招聘成本是很高昂的,100个三本里如果有10个合格,那么985的硕士里可能有90个合格,最终HR可能直接筛掉所有三本的同学,其简历根本不会出现在技术面试官的桌子上(至少我们公司是这样的)


三本与985的最大差距只是那场全国瞩目考试,只不过此后所有人都换了眼色看他们罢了,而他们之间本质的差距绝没有那些强加标签来的遥远。


值此高考前夕,祝愿众学子稳定发挥,心愿得偿。因为
这一场最公平的考试将在未来带给相当一部分人最不公平的待遇
回复 赞 踩
使用道具 举报
wlQdodbj
这个回答没什么参考性 ,我自己也有不少问题的,学校学历专业简历和数学基础都不好。而且还在广州(广州岗位比较少)




个人意见:慎重。
今年算法岗感觉竞争已经很激烈了,我双非一本,阿里天池一个top20,找个实习找到怀疑人生,一个好offer都没,很多时候都很看学历和学校真的,招算法的公司要么是大公司,要么是比较强的创业公司,要求不比大公司低多少。而且招算法的公司是挺少的相对其他岗位来说。你现在是大一,等到出来的时候人工智能都不知道是什么情况了。所以说,要慎重!!!!
回复 赞 踩
使用道具 举报
mfk123456
老老实实写代码不好么……为什么要选择地狱模式……
回复 赞 踩
使用道具 举报
cck123
学历是个好东西,但是唯学历论是真的坑爹,三本和双一流最大的差距仅仅是在教育资源和人脉上,其他的都看学生自己的态度,想要混的人,别说双一流本科,读到博士都有水毕业的,想要在一个方向上努力的,即使三本甚至专科都可以,特别是现在名牌大学有很多网络课程资源,cs还有的博客和github,实话说想学的人只要有网在哪都能学。名牌大学的好处仅仅是在paper好找,大牛有机会见到面而已,然而大部分名牌大学本科生直到毕业怕是都没用上过这些资源。硕博的问题也有,有些硕博可能开始还认真点,后面因为各种原因开始划水熬毕业,那么这些人的水平真的能跟他们的文凭匹配吗?
像前面有回答说弄数据集建模型跑训练看看自己是否适合搞机器学习,我也想建议各HR在招机器学习岗的时候能够调出招聘数据跑LR来看看应聘者是否可能达到通知面试的要求而不是直接学历关键词筛选一刀切。
至于题主的问题,我认为当你还在用人工智能这个词的时候,你还差得很远,你应该去看看一些入门课程,看看自己能不能理解,如果不能建议直接放弃;如果可以,那么就从基础按部就班地补起,只要你看得明白,那么剩下的事努力能够解决。
回复 赞 踩
使用道具 举报
喜欢电影
当然能。三本本科毕业的 @勃加蕊 现在就在世界顶尖的Facebook研究人工智能
回复 赞 踩
使用道具 举报
yuboonly
丑话说在前:
别尽想些没用的,你觉得数据科学大数据就是人工智能吗?你连数学基础编程基础都没有打好,就好高骛远,喊着我要搞人工智能(赚大钱),这样只会多了一个调包侠,cltr+c,cltr+v,美滋滋,科科。


你的课程表中我个人觉得重要的学科是:数分,解几,高代,C,概统,运筹(最好是看最优化算法),数值,应统,常微,ML,离数,矩阵计算,python。(我想吐槽一下,一个数学专业,竟然没有实分析,复分析,泛函分析,抽象代数。。。。。如果做想ML,还是最好看看)。然而仅仅是这些课程只是用来打基础的,后续还有一大堆东西要学。
知乎很多人分享了关于机器学习的入门,学习路线,你自己搜搜看就知道你要补什么知识了。
机器学习该怎么入门?深度学习如何入门?“泰迪杯”没参加过不了解。
“数学建模”不建议参加,只是一个用三天时间生产学术垃圾的比赛。
如果想做一些关于数据分析方面的比赛,可以去Kaggle上打打比赛。
如果你真的想搞AI,我劝你还是好好打好基础,刷好GPA,争取考研或者保研到985的学校再说。
(广东985独立学院???难道是北师大珠海?中山新华?中山南方?)
回复 赞 踩
使用道具 举报
deadiori
最近在组里在招人工智能相关的职位,也帮忙面试过几个,就顺便聊一下对候选人有什么样的期待。学历当然很重要,但并不是我们最看重的,我们最看重的是候选人的工程能力,然后是算法知识。就算是算法工程师,其实你的大部分时间还是需要编写工程代码的,因为最终我们需要的是做出一个实实在在面向用户的产品,是端到端一整套的系统,而不是发个paper,或者在某些比赛上刷一个排名,这个是和国内很多AI创业公司最不相同的一点。我们收到一些名校的同学简历,上面写着有几年python, 算法模型调参经验,这都还不够,我们还希望你能够体现出你扎实的代码功底,例如C++,cuda并行计算相关的知识和项目经验。


回到问题本身上来,首先我们是不卡学历的,只要你能够在简历和面试中表现出我们想要的特质,都是我们需要的人才。不知道题主的意思想做算法工程师还是想做人工智能的项目。 如果是想做算法工程师,那么你需要多看看paper, 及时跟进业界的最新进展。如果想做人工智能的项目,你也可以从前后端开发工程师做起,在这过程中学习人工智能相关的知识,当组内有你感兴趣的机会的时候,就是你一展身手的时候了。


最后,我们人工智能实验室在招聘各种人才, 欢迎简历砸过来啊
朝言:阿里巴巴AI Lab 招聘算法/研发工程师第二弹
回复 赞 踩
使用道具 举报
一棵树期待
东南大学都成立人工智能学院了你不知道?


这个问题类似于问初中毕业能不能进世界五百强工作?
肯德基麦当劳也是世界五百强啊。
回复 赞 踩
使用道具 举报
快速回复
您需要登录后才可以回帖 登录 | 立即注册

当贝投影