人工智能包含的内容很丰富，常见的学习内容包括数学、编程、计算机数据结构、算法、推荐系统、cv（计算机视觉）、nlp（自然语言处理）、数据分析、数据可视化等等...人工智能职业没有最香，只有更香，大致分为如下几大类：数据管理及数据清洗从业者数据分析师BI，即智能业务（BusinessIntelligence）算法工程师（CV计算机视觉、NLP自然语言处理、推荐系统）

    总的来说他们的业务范围是不同的，但这些职业的诞生都与数据密切相关。

    数据：人工智能的基础

    人工智能是从数据中产生的，这里的数据是指计算机能够识别的数据，可以说没有数据，就没有人工智能。计算机出现后，信息存储形式发生了很大变化。把信息数字化后再进行存储成为了信息存储的主要形式。1932年发明于奥地利的磁鼓内存是最早出现的一种依靠磁介质的资料存储装置，也是20世纪五六十年代计算机所用内存的早期形式。

    资料来源：磁鼓内存维基百科

    当数据逐渐增多，我们产生了对不同数据管理的需求，这就产生了数据库，数据库内的数据是被标准化整理好的，方便我们查询使用。数据量再大一点的时候，查数据就慢了，这时提出了数据仓库，数据仓库中的数据是对原有分散的数据库数据进行抽取、清理的基础上经过系统加工、汇总和整理得到的，这时的数据就更标准化了。同时数据量也更大了。互联网发展到现在，产生了更巨量的数据，我们称为大数据。巨量的数据就要用到分布式和云了，分布式是让不同的机器分开存数据，云是说数据的读取和使用者之间通过网络来链接（例如百度云）。通过这些方式，数据的存储方式能快速根据数据量的变化而适配。

    -数据管理及清洗

    数据管理和清洗的需求带来了很多新职位：数据库管理员：管理数据库权限，决定谁能用到什么范围的数据，并维护数据库更新等工作。数据抽取员：根据业务部门的需要，从数据库抽出业务部门所需要的数据。数据清洗员：对数据存在的缺失，不统一等各种数据质量问题进行处理，保证数据质量及可用性。数据标注员：最简单的例子是自动驾驶，自动驾驶需要机器去学习车子行进过程中遇到的问题，学习的对象是一张张图片，机器是没法识别每张图片含义的，这时需要数据标注员对每张图片中出现的物体手动划框加注释，让机器学习带数据标注的图片。这几个职位由同一个人复合担任也是很正常的。

    数据分析及预测：人工智能的发展

    我们在拥有数据之后，就可以对数据进行分析了，其实这部分和人工智能联系还不是很大，但因为有的数据分析岗位会用到算法，所以也是和人工智能相关的。与分析相关的岗位有：数据分析师BI，即智能业务（BusinessIntelligence）数据分析师更偏向预测，预测一些趋势和挖掘一些更深层次的隐含的有价值的内容。有时会用到机器学习的手段。预测趋势：肉类价格变化，可以通过以前的数据预测未来肉类价格。数据挖掘：通过购物小票的分析发现人们常会在买啤酒的同时买婴儿尿片。挖掘这些隐含的知识能更好的规划经营策略。BI更多的是基于现有的数据来进行分析，通过一些SWOT分析法等完备的手段和方法论，对现有的问题进行描述，做可行性分析、调研等等。并常常会把分析结果可视化成ppt等文件。不同之处在于：BI更倾向描述现在，数据分析师则关注预测及数据挖掘。接近的地方是：例如数据分析师有可能也需要对现有数据做描述分析，也可能需要画图做ppt，甚至还需要做一部分数据清洗和管理的工作。这取决于公司岗位职责是不是分得这么细致。数据分析入门常见的要求：sql数据查询能力、python或者别的编程语言的编程能力、一定的机器学习算法基础、传统方法去分析问题的能力和画图做ppt的能力。还有个变种职位是数据分析工程师。多了工程两个字的意思是要求数据分析师也要有编程基础，能把想法实现。这就说明这个岗位常接触到的数据很可能不是很干净，有可能需要自己处理数据或者自己去找数据。对技能要求会更高。

    -算法：人工智能的核心

    算法指的是为了达成某种目的，而规划的一些计算机能理解，并能通过运算得出结果的手段。算法是人工智能的核心，从事算法优化或者应用的工作就是算法工程师。算法工程师有几个常见的细分：

    CV（计算机视觉）NLP（自然语言处理）推荐系统CV主要面对的任务是图像或者视频，例如百度或者淘宝的以图搜图、自动驾驶等都会用到CV技术。NLP主要面对的是语言的理解，常见的使用场景例如百度翻译、自动问答机器人、天猫精灵等。推荐系统比较独立，常见的应用场景是淘宝推荐、音乐推荐、视频推荐、抖音和快手是推荐系统用得比较好的代表。

    人工智能入门建议先从编程语言入门，python是比较好上手的，去找比较有趣的教程就比较容易坚持下来。每天2小时，大概1个半月基本就能较好的使用python了。接下来补一下数值线性代数基础，因为计算机计算和表示形式很多是基于矩阵的，不懂一点数学基础看不懂公式也看不懂别人写好的运算代码，那就没办法修改使用了。另外，数值线性代数和高数不是一样的东西...数值线性代数简单很多。每天2小时，大半个月就好。然后，进入机器学习算法的学习，先了解几个算法怎么使用，怎么来的。代码的实现网上已经有很多成熟的解决方案或者已经封装好的程序，例如sklearn就是一个常用的机器学习包，直接导入python就可以使用了，不需要所有代码都自己重新写。每天2小时，10天都差不多了。然后再补一下数据处理技能，因为我们拿到的数据格式常常不是直接能用的，怎么转化或者修正成算法能接受的格式，是用算法的前提，格式不对，就进不了算法。

    当我们连数据都处理好了，就可以进算法了。这个过程会学个几天，然后遇到零碎的问题会需要百度。完整的流程是：拿到数据-处理数据-进入算法-得到结果。这就是一个完整的人工智能入门和实现流程。-过来人时刻：如果一开始就目标人工智能，会因为发现有很多技能需要学习而感到焦虑，大家需要合理安排时间，并思考下将来自己想去人工智能那个细分领域，针对对应的细分领域，将所需的能力一个个拆分，逐个完成。总会抵达！人工智能是一个实践性很强的学科，所从事的工作内容和公司职位强相关，就业时公司会很喜欢有三年工作经验的应届毕业生，所以早实习，熟练代码和算法，并参加一些数据竞赛获得名次，会对进入这个行业有很大的帮助。

Tags：