传统程序员如何转行到AI人工智能？_从代码到ai
赞
踩
近年来，随着 Google 的 AlphaGo 打败韩国围棋棋手李世乭之后，机器学习尤其是深度学习的热潮席卷了整个 IT 界。所有的互联网公司，尤其是 Google 微软，百度，腾讯等巨头，无不在布局人工智能技术和市场。百度，腾讯，阿里巴巴，京东，等互联网巨头甚至都在美国硅谷大肆高薪挖掘人工智能人才。现在在北京，只要是机器学习算法岗位，少则月薪 20k，甚至 100k 以上……
不错，新时代时代来了，我们从互联网走向移动互联网，现在又从移动互联网走向人工智能时代。业内有人称这一次的人工智能爆发是互联网 3.0 时代的开启。所以现在搞 IT 开发的工程师的不懂机器学习，就相当于低级程序员。赶紧从基础学起，入门机器学习，走进人工智能的大门……
人工智能学习路线规划：
1. 人工智能的三起三落
20 世纪 50-70 年代，人工智能提出后，力图模拟人类智慧，但是由于过分简单的算法、匮乏的难以应对不确定环境的理论，以及计算能力的限制，逐渐冷却。
20 世纪 80 年代，人工智能的关键应用——专家系统得以发展，但是数据较少，难以捕捉专家的隐性知识，建造和维护大型系统的复杂性和成本也使得人工智能渐渐不被主流计算机科学所重视。
进入 20 世纪 90 年代，神经网络、遗传算法等科技 “进化” 出许多解决问题的最佳方案，于是 21 世纪前 10 年，复兴人工智能研究进程的各种要素，例如摩尔定律、大数据、云计算和新算法等，推动人工智能在 20 世界 20 年代进入快速增长时期。预计未来十年，会在一些难以逾越的困惑中迎来奇点时代的爆发式增长。
2. 新浪潮为什么会崛起
人工智能（AI）问世之初曾经狂妄自大、令人失望，它如何突然变成当今最热门的技术领域？这个词语首次出现在 1956 年的一份研究计划书中。该计划书写道：“只要精心挑选一群科学家，让他们一起研究一个夏天，就可以取得重大进展，使机器能够解决目前只有人类才能解决的那些问题。” 至少可以说，这种看法过于乐观。尽管偶有进步，但 AI 在人们心目中成为了言过其实的代名词，以至于研究人员基本上避免使用这个词语，宁愿用 “专家系统” 或者 “神经网络” 代替。“AI” 的平反和当前的热潮可追溯到 2012 年的 ImageNet Challenge 在线竞赛。
ImageNet 是一个在线数据库，包含数百万张图片，全部由人工标记。每年一度的 ImageNet Challenge 竞赛旨在鼓励该领域的研究人员比拼和衡量他们在计算机自动识别和标记图像方面的进展。他们的系统首先使用一组被正确标记的图像进行训练，然后接受挑战，标记之前从未见过的测试图像。
在随后的研讨会上，获胜者分享和讨论他们的技术。2010 年，获胜的那个系统标记图像的准确率为 72%
