人工智能是不是特別難??？

恰巧做過計算機視覺方向的開發，也在公司負責過經典機器學習相關的一些項目。

一般情況，我都會先拋出問題的答案，再做詳細的解答。但這個問題。。。。。

誠然，人工智能方向并不是特別難，當然也可以學。但，這個“學”，我并不清楚提主所說的，是要達到什么樣的程度，衡量的量化標準是什么。

我把深度學習從業者的大致幾個層次和對應的知識技能要求分別列在這里，提主可以根據自己的期望和對應的門檻來決定，自己是否要選擇深入學習，是否適合自己。

1.簡單理解機器學習原理，以工程開發和落地為主。

這類技術人員往往是由技術轉型，或有其他學科理論知識限制，大多從事算法的工程落地和產品化。更多的是直接用第三方成熟或開源的半成品模型，來解決自己公司產品的落地問題。

比如：高數，統計，通信編碼等，理論欠缺。他們會由算法部門提供基本模型，或直接調用百度，騰訊，face++等廠商提供的開放平臺api，或半成熟方案定制產品。

這可能是這類工程落地人員比較喜歡的網站。

2.具備機器學習相關的比較扎實的各種知識理論，熟悉各種主流模型和主流算法。同時也熟練框架和模型開發。大部分人具有碩士學位，關注解讀主流峰會的相關論文和最新技術發展。

這類技術人員往往在大公司的算法部門。他們的主要工作就是針對已有模型結合自身業務目標，做模型的開發/遷移/魔改/調參。個別時候，可能會把效果較好的論文描述落地成算法模型。當然，大部分時候，他們的工作還是前者。所以，也有人戲稱，調參俠。

當然這部分同學的理論知識已經比較扎實。其實對于能沉下心的同學來說，幾本通信理論和幾本數學統計，幾本機器學習XX導論的書，學到這個程度，完全不難。

這里推薦2本好書給提主。我發現凡是，XXX導論的書，一般講的都不僅僅是導一下。

還有深度學習的一般概念書：

3. 完全精通深度學習相關各種生態知識，理論知識已經不再構成研究該領域的任何門檻。

這類大神，往往都具備高學歷，高智商，國際名校背景。在一流公司擔任算法研究。cvpr這類會議，經常會看到他們的論文刷屏。比如，各種主流落地開源模型的作者。這里不具體列出了。

提主可以根據自己期望的程度和知識要求，衡量下自己是否適合這個方向。不得不說，想在這個領域有所建樹，數學確實是個非常重要的基礎。所以大多算法研究崗對學歷的碩士要求，確實可以理解。

當然，從行業發展來看。懂深度學習的模型落地工程人員，才是市場需求量最大的。其次是模型的開發人員，也就是第二種。

如果希望在這個算法領域做工程落地，是沒有太大難度的。如果是做，有理論的調參俠，可能要自己沉下心，學習一些數學知識，也不算太難。

最近正準備做一些，零基礎入門人工智能相關的視頻教程。每天3-5分鐘，以最簡單有趣的方式，帶愛好者實操入門。

如果有任何相關的問題，歡迎留言與我討論。謝謝。