又到年底了，這不，今年的斯坦福全球AI報告終于發(fā)布了！

　　斯坦福全球AI報告是從去年開始，由斯坦福大學(xué)發(fā)起，匯集麻省理工學(xué)院、哈佛大學(xué)、OpenAI、麥肯錫等機構(gòu)的多位專家教授，從學(xué)術(shù)、工業(yè)、開源、政府等方面，追蹤和分析人工智能的發(fā)展現(xiàn)狀和趨勢。

 

　　其中斯坦福大學(xué)、麻省理工學(xué)院、哈佛大學(xué)都是目前AI和機器人等學(xué)術(shù)領(lǐng)域的最高學(xué)府，也是AI人才的“搖籃”，該報告可以說是具備相當?shù)臋?quán)威性和可信度。

 

　　AI“網(wǎng)紅級”科學(xué)家吳恩達為報告提煉了以下兩個結(jié)論：

 

　　1.AI正在快速發(fā)展，不管是學(xué)術(shù)界還是工業(yè)界都是如此。

 

　　2.AI的發(fā)展仍不均衡，在多樣性、包容性方面仍需努力。

 

 

　　其中一個典型的特點就是美國無論在論文發(fā)表、創(chuàng)業(yè)公司數(shù)量及AI綜合實力上都是全球第一。

 

　　中國AI追趕的速度也相當驚人，例如論文數(shù)量、學(xué)習(xí)AI及機器學(xué)習(xí)學(xué)生數(shù)量以及機器人的部署等方面，正在奮起直追。

 

　　而值得關(guān)注的是，據(jù)報告顯示，2017年全球機器學(xué)習(xí)（ML）人才需求已經(jīng)是2015年的35倍！

 

　　從近期國內(nèi)外各大互聯(lián)網(wǎng)和科技企業(yè)求賢若渴“搶人”的勢頭來看，AI人才短缺早已成為整個行業(yè)共同的難題。

 

　　此外，最近業(yè)界還曝出AI相關(guān)專業(yè)應(yīng)屆博士畢業(yè)生年薪高達80萬、62%的中國高校相關(guān)畢業(yè)生選擇去美國工作等消息，讓人對如此“人才荒”感嘆不已。

 

　　與此同時，有人發(fā)出疑問，傳統(tǒng)程序員能不能轉(zhuǎn)行AI？現(xiàn)在轉(zhuǎn)行算晚嗎？

 

　　答案當然是可以的！

 

　　但是，對于傳統(tǒng)程序員來說，AI行業(yè)的門檻和難度都不低，傳統(tǒng)程序員轉(zhuǎn)行需要經(jīng)過系統(tǒng)和深入的相關(guān)專業(yè)知識的學(xué)習(xí)，并非易事。

 

　　我們今天就從AI最基礎(chǔ)的機器學(xué)習(xí)（MachineLearning，簡稱ML）為例，與大家探討一下程序員轉(zhuǎn)行AI領(lǐng)域。

 

　　什么是機器學(xué)習(xí)？

 

　　首先，機器學(xué)習(xí)是AI的入門，也可以說是一個分支。

 

　　其次，從字面上來解釋，機器學(xué)習(xí)就是讓機器實現(xiàn)自我學(xué)習(xí)，模仿或?qū)W習(xí)人的行為，并不斷完善自己。

 

　　再者，要掌握機器學(xué)習(xí)并不簡單，它是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。

 

　　簡單來說，機器學(xué)習(xí)是一門極具基本功的學(xué)科或領(lǐng)域，除了程序語言外，還需要掌握數(shù)學(xué)基礎(chǔ)（數(shù)學(xué)統(tǒng)計）、經(jīng)典算法等一系列專業(yè)性較高的知識。

 

　　因此，從事機器學(xué)習(xí)的人主要包括兩類人。

 

　　第一類，是程序員出身，并具有數(shù)據(jù)基礎(chǔ)。

 

　　第二類，則是擅長統(tǒng)計學(xué)，同時熟悉算法和程序語言。

 

　　與數(shù)據(jù)打交道

 

　　數(shù)學(xué)是機器學(xué)習(xí)的一大門檻。

 

　　機器學(xué)習(xí)不僅需要大量的數(shù)據(jù)積累，更要輸出特定的算法模型，以便讓機器實現(xiàn)自我學(xué)習(xí)。

 

　　這一過程需要經(jīng)過復(fù)雜的數(shù)學(xué)計算，其中包括大量的數(shù)據(jù)挖掘和分析。

 

　　基本所有常見機器學(xué)習(xí)算法都需要的數(shù)學(xué)基礎(chǔ)，例如微積分、線性代數(shù)、概率學(xué)、統(tǒng)計學(xué)等知識都不可或缺。

 

　　所以，機器學(xué)習(xí)入門的第一步就是與數(shù)據(jù)打交道，學(xué)好數(shù)學(xué)非常有必要。

 

　　從“術(shù)”到“道”

 

　　算法和程序語言的區(qū)別在哪里？

 

　　通俗的來說，算法是處理解決問題的思路及辦法，程序語言是按照一定語法把算法表達出來。

 

　　算法，就是一系列清晰的指令和邏輯判斷，以計算出結(jié)果。算法的優(yōu)劣不僅體現(xiàn)在時間、空間，還對執(zhí)行效率和結(jié)果起到?jīng)Q定性作用。

 

　　現(xiàn)在機器學(xué)習(xí)領(lǐng)域有很多的經(jīng)典算法，例如感知機、KNN、樸素貝葉斯、K-Means、SVM，AdaBoost、EM、決策樹、隨機森林、GDBT，HMM等等。

 

　　程序語言，就是用來定義計算機程序的形式語言，例如常見的Python、C++、Java、Lisp、Prolog等。

 

　　它是一種標準化的交流形式，用來向計算機發(fā)出指令。任何一種程序語言都能夠正確的定義和處理計算機所需要的數(shù)據(jù)，并在不同情況下執(zhí)行適當?shù)男袨椤?/div>