关键词：
---恢复内容开始---
导语：高扬，现某创业公司数据科学家、人工智能专家。前欢聚时代资深大数据专家，有丰富的机器学习、深度学习实战经验。
在高扬老师此前的分享中，有不少同学问到高扬老师各种关于入门深度学习这个前沿技术领域的问题。部分重要问题，高扬老师做了具体的回复。真传X技术教育平台致力于让更多技术人受益其中，经高扬老师授权，我们将在此分享高扬老师专业的答疑。
今天的分享，将集中在初学深度学习的解惑：传统技术程序员要不要转型人工智能，怎样做才比较合适在AI浪潮下发展。
近来有一位同学在奇点大数据公众号发了一条对话消息，消息内容如下：
【能不能分析一下，已经工作的传统技术程序员在AI浪潮下怎么做比较合适 在AI的浪潮下要不要转型AI；还是在原方向继续专攻，并自学了解AI。
因为：
I、AI学习曲线很陡自学成本高，难度大。
II、若没有实际项目经验，应聘AI职位时，不能提供背书，只是一个初级入门者。
III、工作公司若有AI项目，往往直接应聘AI相关人员，公司内部岗位调整不宜
IV、转向AI以往的工作经验作废
V、担心AI浪潮太猛，使得传统程序员只能在夹缝中生存。在公司中不受重视，非常容易被替换掉！】
我想，这样的一个困惑是很多初学的同学都会有的。那我就说说我对这几个问题的理解。
问题 I、AI学习曲线很陡自学成本高，难度大。
这个难度是客观存在的，AI的学习曲线确实相对陡峭。对比一些工程应用型的产品，比如MySQL、Hadoop等，这些产品基本上会安装、会一些基本操作就能先用起来，概念清晰简单。当然了，在这些领域如果修炼成专家，也是要经过一系列的系统学习和工程经验的积累。只不过这些领域基本相对比较成熟，按照标准套路去学就OK了，而且中文学习资料很多，学习的难度也就小很多。
人工智能方面的难度来自几个方面，一方面，全世界最尖端的技术和理论都是英文资料先出来，例如一些大会上发布的重要论文。这些论文不仅考验每个人的英文阅读能力，里面还夹杂着非常多的专有名词和技术名词，这些名词对于很多初学者来说，即便正确无误地翻译成了中文仍然没办法理解是什么含义。所以，当大厦的前两层没有建立好的时候就开始建第三层会痛苦异常毫无斩获。
不过这个问题仍旧可以通过其他变通的方式克服，例如现在已经有了很多中文的书籍。这些书籍偏重的角度不一样，对于理解英文论文有难度的初学者来说，不妨找一些通俗易懂的材料来看，毕竟有很多中文材料中并没有故弄玄虚、照本宣科，而是用很考究的例子从程序员的角度来解读AI解决问题的方式，这对于学习这门学科还是有很大的提示作用。
所以，既然不能一步到位，那就从山底爬起。
问题 II、若没有实际项目经验，应聘AI职位时，不能提供背书，只是一个初级入门者。
背书不是靠项目本身背书的，到现在为止，真正能算得上完整的人工智能项目还非常少。有很多项目也是老瓶装新酒，我就曾经见过不止一个项目就是一个普通的数据挖掘项目或者BI项目，套个人工智能的外壳就开始“骗钱”。从这样的项目中出来，我也不认为就算是项目能给自己背书了。
背书要靠自己——在GITHUB上有很多很多的AI工程项目，这些你都可以拿来研究。你能够读得懂他们吗？你可以清楚地讲出他们的实现原理吗？你可以在必要的时候比较快地找到相应的位置并做修改吗？你可以用你自己的能力进行有益的改进吗？如果答案是肯定的，这些能力会在你面试的时候有很好的体现。别说什么“我能，就是我说不出来”，永远不存在这个问题。只要你确实肯下功夫，思路清晰，项目也是万变不离其宗的，你一张嘴面试官就知道你是什么水平。
所以，功夫是自己下的，别指望一定会在从零到一的时候有项目有人给你背书。
问题 III、工作公司若有AI项目，往往直接应聘AI相关人员，公司内部岗位调整不宜
这个问题可就不一定了。公司内部岗位调整，在很多公司里是相对自由的，但是前提是，你要让你的领导确认你到新的岗位会比你现在所从事当前岗位的价值更大。你能想明白这个逻辑吗？你能让你的领导想明白这个逻辑吗？如果能的话，剩下的事情都不是问题了。
所以，功夫下在平时，厚积薄发，时刻准备了解自己的实力与能力，才能在有机会的时候抓住机会。
问题 IV、转向AI以往的工作经验作废
这只是一个舍得的问题，舍，得，有舍才有得，你需要做的就是根据自己的情况度量舍与得的部分哪个对自己更划算一些。AI只是一个新生的领域，没有人能够保证你做这个会有更好的结果，当然了，你不转型同样也没有人能够保证你能够干到退休，不是吗？每个人的情况不同，所以，不能一刀切地让所有人一窝蜂地都去全身心研究AI，并承诺AI在未来毕竟年薪百万……这听着就像邪教在蛊惑人心。
另外，以往的工作经验我并不认为是完全作废。你在工作中总会总结出来一些东西，总会有些心得。所谓的积累不仅仅是在简历上写的我写Java代码写了6年，而更多的是对客观世界的理解，或者是自己的哲学观点在新生事物上应验的能力。
所以，人和人是有差别的，这个我们要承认，而且要因地制宜地进行合理的取舍，并且不失时机地进行经验的更高维度的总结与归纳，才更能让自己立于不败之地。
问题 V、担心AI浪潮太猛，使得传统程序员只能在夹缝中生存。在公司中不受重视，非常容易被替换掉！
这个不必太担心，至少暂时不会有问题。所谓，尺有所短寸有所长。程序员的生存是靠他们做一些机器做不来的事情。做个不甚恰当的类比吧，现在工业化程度这么高了，生产能力很强大了，可是很多看似不太高级的工种并没有什么影响——你看倒垃圾的阿姨失业了吗？送快递的小哥们失业了吗？餐馆里做饭的厨师们失业了吗？如果他们尚且没有失业，程序员就会失业吗？你不觉得程序员做的东西比起他们来说，可替代性更差吗？
AI有自己的优势，那必定有自己的局限性。而这些局限性，很多都是人本身的不可替代的优势。
所以，踏踏实实做好工作，尤其是努力去做那些机器不会做的事情，你就会更有价值，更不可替代。
---恢复内容结束---
时间紧资金少人才缺？8位产业专家带你破局ai智能化升级
...设【产业护航聚力共振】平行论坛，该论坛由上海市人工智能行业协会、上海市人工智能标准化技术委员会秘书长钟俊浩担任主席，另外还邀请了7位AI产业落地先锋企业的资深专家，分享大型企业如何通过AI技术突破... 查看详情
什么是深度学习，促进深度学习的策略
最近几年，人工智能技术快速发展，深度学习领域迎来爆发，越来越多的人才加入到深度学习行业。很多小白在初学深度学习的时候，经常会遇到各种各样的问题，如何才能快速入门呢？我们知道，深度学习是一个将理论算法与... 查看详情
决胜ai人工智能与深度学习实战课程
【决胜AI】人工智能与深度学习实战课程（深度学习机器学习人工智能python数据分析数据挖掘TensorflowCaffe）网盘下载：https://pan.baidu.com/s/1i5h8Rop密码:zv3w课程背景基于人工智能与深度学习领域,使用python作为课程的实战语言,随着大... 查看详情
人工智能与深度学习
人工智能的关键是机器学习，机器学习的突破是深度学习，人工神经网络。 1956年，在达特茅斯会议（DartmouthConferences）上，计算机科学家首次提出了“AI”术语，AI由此诞生，在随后的日子里，AI成为实验室的“... 查看详情
干货分享：五大最适合学习ai开发的编程语言
AI（人工智能）为应用开发者开创了一个全新的可能性。通过利用机器学习或深度学习，您可以生成更好的用户配置文件、个性化设置和推荐，或者整合更智能的搜索、语音界面或智能助手，或者以其他数种方式改进您的应用。... 查看详情
2022服贸会进行时百度吴甜：深度学习平台+大模型加速ai产业落地
...心、世界贸易网点联盟、北京市商务局共同主办的“世界人工智能融合发展与安全应用论坛”在服贸会期间举行，来自全球产学研届AI专家汇聚一堂，共同探讨AI赋能产业的实践探索与行业准则。百度集团副总裁、深度学... 查看详情
人工智能第一弹|机器学习和深度学习入门教程
...时间没有分享教程资源了，今天就为大家分享精选的人工智能入门教程，带小伙伴们一起入门人工智能，这只是第一弹哦，月底还有最新最全的AI人工智能全套教程。 ● 内容简介：教程主要内容涉及机器学... 查看详情
认识：人工智能ai机器学习ml深度学习dl
人工智能人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的... 查看详情
人工智能初学笔记系列：基础概念与进化流程(代码片段)
自学人工智能时记下的笔记系列（1）先了解了人工智能思想的发展流程。在平时提及人工智能总是伴随着很多新概念和新名词，比如机器学习、深度学习、卷积、RNN、CNN、强化学习等等，很容易就绕晕在了。所以... 查看详情
人工智能机器学习和深度学习的区别
目录人工智能人工智能：AI目标：AI领域机器学习神经网络 查看详情
14深度学习-卷积
1,简述人工智能、机器学习和深度学习三者的联系与区别人工智能人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、zhi延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是... 查看详情
智能算力ai破局！英特尔携手百度飞桨，共话ai技术创新引领新征程
...的产业实践和共创共享的生态成果。还有来自产学研界的专家学者和资深AI工程师将在七大平行论坛带来精彩的前沿观点分享。今天将为大家介绍【智能算力AI破局】平行论坛精彩亮点，一起来先睹为快！数字化技术日益... 查看详情
智能算力ai破局！英特尔携手百度飞桨，共话ai技术创新引领新征程
...不在的计算、无处不在的连接、从云到边缘的基础设施、人工智能、传感和感知。英特尔与百度飞桨在这次数智化浪潮中携手，以软硬件融合创新的方式，共同赋能产业智能化升级。在本次WAVESUMMIT+2022中，英特尔... 查看详情
深入云原生ai：基于alluxio数据缓存的大规模深度学习训练性能优化(代码片段)
...据统一管理和高效缓存功能日趋成熟。然而，随着云原生人工智能（CloudNativeAI）的兴起，灵活的计算存储分离架构大行其道。在此背景下，用户在云上训练大规模深度学习模型引发的数据缓存需求日益旺盛。为此，阿里云容器... 查看详情
深入云原生ai：基于alluxio数据缓存的大规模深度学习训练性能优化(代码片段)
...据统一管理和高效缓存功能日趋成熟。然而，随着云原生人工智能（CloudNativeAI）的兴起，灵活的计算存储分离架构大行其道。在此背景下，用户在云上训练大规模深度学习模型引发的数据缓存需求日益旺盛。为此，阿里云容器... 查看详情
[ai开发]深度学习如何选择gpu？
...的影响下，准确性越来越高、速度越来越快。深度学习对人工智能行业发展的贡献巨大，这得益于现阶段硬件计算能力的提升、互联网海量训练数据的出现。本篇文章主要介绍深度学习过程中如何选择合适的GPU显卡，如果你是深... 查看详情
深入云原生ai：基于alluxio数据缓存的大规模深度学习训练性能优化(代码片段)
...据统一管理和高效缓存功能日趋成熟。然而，随着云原生人工智能（CloudNativeAI）的兴起，灵活的计算存储分离架构大行其道。在此背景下，用户在云上训练大规模深度学习模型引发的数据缓存需求日益旺盛。为此，阿里云容器... 查看详情
深入云原生ai：基于alluxio数据缓存的大规模深度学习训练性能优化(代码片段)
...据统一管理和高效缓存功能日趋成熟。然而，随着云原生人工智能（CloudNativeAI）的兴起，灵活的计算存储分离架构大行其道。在此背景下，用户在云上训练大规模深度学习模型引发的数据缓存需求日益旺盛。为此，阿里云容器... 查看详情