如何成为人工智能+大数据应用开发工程师？_大数据偏ai应用的工程师发展之路

如何成为一个合格的人工智能+大数据应用开发工程师呢？其晋升之路，大致上分为五个层次：代码级、应用级、工程级、算法级、专家级，下面我就针对这五个层次，做一些介绍，包括每个层次主要的内容是什么，是一个什么样的水平等。

阶段一：代码级

• 内容
  Python语言及数据分析包

• 水平
  具备人工智能必备的基本编码能力

• Python 工具包

科学计算库： Numpy、Scipy
数据分析库：Pandas
数据分析可视化库：matplotlib

阶段二：应用级

• 内容
  机器学习的算法的基础了解，算法的Python代码实现

• 水平
  利用Python代码结合算法解决实际人工智能/机器学习业务分析预测问题

• 框架
  机器学习框架：scikit-learn

阶段三：工程级

• 内容
  了解人工智能/机器学习工作流程中最重要的几个环节，数据准备、数据特征、数据模型的深入介绍、算法优化

• 水平
  对机器学习上升到工程应用的级别，能够进行基本的算法评估与优化

• 框架
  集成学习框架：Bagging、Boosting 、Stacking

阶段四：算法级

• 内容
  对人工智能/机器学习算法有更进一步的深入理解，主要涉及深度学习、自然语言等机器学习领域的算法

• 水平
  结合相关机器学习框架/深度学习框架(Tensorflow、Keras)简化人工智能/机器学习、深度学习的代码实现

• 框架
  深度学习框架：TensorFlow、Keras

阶段五：专家级

• 内容
  本阶段偏大数据+人工智能及真实项目实战，大数据部分侧重于大数据快速入门及大数据分析并结合人工智能的一些具体应用，项目主要对时下流行且主流的人工智能/机器学习的项目为主线进行讲解。

• 水平
  通过具体的项目实战机器学习、数据分析\挖掘，对之前所学的知识得到充分应用，从而达到融会贯通、举一反三的目的。借助四大商业级项目实战，对推荐系统、大数据下的人工智能应用有一个全面的理解与认识，在工作中有机会冲击数据科学家工作岗位，从而成为这个领域的专家

• 框架
  大数据框架：Hadoop
  大数据分析框架：PySpark
  大数据SQL分析框架：Hive
  大数据机器学习语言：SCALA