CobiNet(寧波)推薦文章：

為了收集有(you)關人工(gong)智能(AI)及其所有(you)變體(包括機器學習(xi)(ML)，深度學習(xi)(DL)，自然語言處理(li)(NLP)，預測分析和多重(zhong)神經(jing)網絡)情況的(de)見解，我們與(yu)22位熟悉(xi)人工(gong)智能領域的(de)高管進(jin)行對話。

我們向他們詢問: 開(kai)發人員精通AI項目需要有哪些技能?

下面是他(ta)們給(gei)出的答案:

數學

這(zhe)取決于(yu)(yu)你想要在這(zhe)個領域(yu)研究多(duo)深(shen)入。人工智(zhi)能是一門不可知(zhi)的(de)語(yu)言(yan)。你的(de)確需要知(zhi)道關于(yu)(yu)數據和其(qi)他的(de)一些技術。這(zhe)包(bao)括數學(xue)，代數和算法的(de)演算等，但其(qi)中的(de)很(hen)多(duo)知(zhi)識前人已經(jing)寫好了。你需要懂得自然語(yu)言(yan)處理的(de)人類思維(wei)過程, 包(bao)括上下(xia)文，意圖以及如何鏈接實(shi)體(ti)。更深(shen)入地洞察人類思維(wei)過程。

有統(tong)計學的基礎。數學專業(ye)的人(ren)員更(geng)容易(yi)成為軟(ruan)(ruan)件程序員。在統(tong)計學方面擁有堅(jian)實的基礎可以(yi)使你(ni)在人(ren)工智(zhi)能或者機器學習領域(yu)有所造詣。軟(ruan)(ruan)件開發者不(bu)能只(zhi)是簡單地把一個Python庫應用(yong)于(yu)一個問題上。

計算機科學(xue)，數(shu)學(xue)，統(tong)計學(xue)，人(ren)工智(zhi)能，深度學(xue)習(xi)，循環神經網絡(RNN)。創建更高(gao)層(ceng)次的抽象來將許多東西(xi)移植到機器上。

有 統計學，數(shu)據(ju)建(jian)模，大(da)數(shu)據(ju)的專業知識(shi), 并精通一(yi)(yi)種或多(duo)種編程語言方面對于(yu)嘗試進入AI領域的開發人(ren)員來說(shuo)是一(yi)(yi)個(ge)良(liang)好的開端.

我(wo)們發現需(xu)要(yao)以下(xia)技能: 良(liang)好的(de)數(shu)(shu)學技能 并有數(shu)(shu)據(ju)(ju)(ju)(ju)科學的(de)學術背景。能跟上這(zhe)個快速發展(zhan)的(de)領域(需(xu)要(yao)數(shu)(shu)據(ju)(ju)(ju)(ju)的(de)領域諸如(ru)費用(yong)統計，會議數(shu)(shu)據(ju)(ju)(ju)(ju)搜集(ji)，博客數(shu)(shu)據(ju)(ju)(ju)(ju)整理等(deng)(deng)等(deng)(deng))的(de)發展(zhan)。輕松(song)地操縱大(da)數(shu)(shu)據(ju)(ju)(ju)(ju)集(ji)。快速掌握機(ji)器學習工具集(ji)并將其集(ji)成到一個更大(da)的(de)項目中。

深入這個困難的領域(yu)并建立專長。了(le)解數(shu)學和(he)數(shu)據類型(數(shu)字和(he)類別)。學習機器學習，算法(fa)，決策(ce)樹和(he)神經網絡。了(le)解開源，Apache，谷(gu)歌，IBM，微軟，R語言，Python等(deng)技術(shu)或者IT公司(si)和(he)它們(men)的技術(shu)。

數據科學

有能(neng)(neng)力并(bing)樂意查看(kan)數(shu)據(ju)(ju)，了(le)解(jie)數(shu)據(ju)(ju)，預(yu)測數(shu)據(ju)(ju)，對數(shu)據(ju)(ju)有共鳴，能(neng)(neng)夠(gou)將數(shu)據(ju)(ju)圖形(xing)化(hua)以(yi)達到一(yi)(yi)定的(de)理解(jie)水平。只要(yao)求掌(zhang)握一(yi)(yi)定程度(du)的(de)數(shu)學運算(suan)技巧(qiao), 并(bing)且這個要(yao)求還在不(bu)斷降低(di)。理解(jie)過(guo)度(du)擬合(he)的(de)陷阱。這不(bu)是(shi)拖放式的(de)機器(qi)學習(xi)(xi)(xi), 人(ren)類可以(yi)給電(dian)腦更多的(de)數(shu)據(ju)(ju)。將人(ren)類的(de)洞察能(neng)(neng)力與編(bian)程輸入結合(he)起來。問(wen)(wen)問(wen)(wen)你自己，你真正知道的(de)有什么?數(shu)據(ju)(ju)能(neng)(neng)告訴自己什么?聰明的(de)軟件開發人(ren)員(yuan)會在思維上加入對數(shu)據(ju)(ju)的(de)感(gan)覺和預(yu)測來習(xi)(xi)(xi)得機器(qi)學習(xi)(xi)(xi)。

精通(tong)Python和Java。了解(jie)TensorFlow，Caf 和Torch等主流人工智能庫。能夠(gou)從HDFS(Hadoop Distributed File System, Hadoop分布式文件系統)數據庫中提取正確的數據。知道(dao)如何(he)使(shi)用(yong)過濾器。能夠(gou)融合和關聯(lian)不(bu)同(tong)的feed。提高(gao)解(jie)析度。了解(jie)神經(jing)網(wang)絡。精通(tong)數學。使(shi)用(yong)庫不(bu)要求開發者如同(tong)以前一(yi)樣(yang)知道(dao)很(hen)多知識。

知(zhi)道一些基礎(chu)。Coursera上可以獲(huo)得理論基礎(chu)。開始為一家人(ren)工(gong)智能公司工(gong)作或在工(gong)作中自己做一些與人(ren)工(gong)智能相關的(de)事情(qing)。尋(xun)找用(yong)例。我們只需讓開發人(ren)員使用(yong)神經網絡來構建一個應用(yong)程(cheng)序以了解圖像何時被完全正確呈現。了解AI框架和Spark。

什么是數據科學(xue)家? 他們需要會計算機(ji)科學(xue)，分析(xi)部署，攝取，ETL(Extract-Transform-Load, 數據倉庫技(ji)術(shu))，還有很多瑣(suo)碎的知識。知道如何實(shi)現價值。了解業務問題。

在學(xue)習中使(shi)用(yong)其(qi)他算法(fa)，觀摩其(qi)他客(ke)戶或業務問題(ti)來(lai)解決問題(ti)。利用(yong)現有(you)的算法(fa)。關注可(ke)用(yong)數據, 思考如何訓(xun)練(lian)系統，如何提供最佳結果，提升訓(xun)練(lian)級(ji)別, 組織開(kai)展編程馬拉松。學(xue)習TensorFlow，Spark和(he)R語言.

數據科學家需要從R語言(yan)，Scala和Python入手。如果從事機器學習(xi)算法研(yan)究，請依靠語言(yan)學團隊的成(cheng)員來確定如何針對機器學習(xi)進(jin)行數據預處理。

使用(yong)開(kai)源社(she)區工具。專(zhuan)注于(yu)解決業務問題。學習Scala，R語言(yan)和(he)Python。數(shu)據科學和(he)機器學習正在使用(yong)R語言(yan)和(he)Python進(jin)行(xing)迭代建(jian)模，但是它們不會縮(suo)放規(gui)模。因(yin)此必(bi)須使用(yong)Scala來(lai)進(jin)行(xing)縮(suo)放實現真正的分布式(shi)計算(suan)。

弄(nong)懂業務(wu)問題。理解認知(zhi)系統。知(zhi)道可用(yong)的(de)服務(wu)有(you)哪些才不會(hui)學(xue)(xue)習(xi)一(yi)些你用(yong)不上的(de)東西。學(xue)(xue)習(xi)算法和大眾數(shu)據(ju)科學(xue)(xue)。學(xue)(xue)習(xi)如(ru)何使用(yong)Torch，Caf ，TensorFlow，回歸，Python，R語(yu)言和JavaScript。更深入地收集訓練數(shu)據(ju), 數(shu)據(ju)的(de)質量很重要。明白如(ru)何組織和準(zhun)備數(shu)據(ju)。

其他

后端開發人(ren)員(yuan)需要(yao)知道機器(qi)學(xue)習和大量圍繞人(ren)工(gong)智能的開源技術(shu)。前端開發人(ren)員(yuan)需要(yao)學(xue)習有關機器(qi)人(ren)和會話流(liu)程的知識。

人工智(zhi)能(neng)(neng)領域的(de)(de)知識。人工智(zhi)能(neng)(neng)不像(xiang)Tableau。你需要知道對應的(de)(de)問題的(de)(de)正確解(jie)決方案。弄懂統計學。建立深(shen)層(ceng)次的(de)(de)人工智(zhi)能(neng)(neng)知識。

人工(gong)智能(neng)有一套完(wan)整的技術。

通(tong)過開(kai)始(shi)嘗試其(qi)中任何的一(yi)些技術來開(kai)始(shi)獲得(de)一(yi)種不同(tong)的思(si)維方式。這比任何工具都重要(yao)。從(cong)教程上(shang)著(zhu)手開(kai)始(shi)。

作為人工智能開發人員, 我(wo)們的(de)工作是關于訓練的(de)。分解(jie)(jie)問(wen)題(ti)，思考如何有(you)(you)效地(di)進行訓練。觀察并(bing)回到某個(ge)(ge)學習基礎點(dian)上。思考你需要系統理(li)解(jie)(jie)的(de)核心概(gai)念。有(you)(you)很多條路徑可以完成你正尋找的(de)東西。獲得一(yi)個(ge)(ge)不同的(de)思維方式(shi)并(bing)解(jie)(jie)決手頭的(de)問(wen)題(ti)。

在上層應用真實(shi)世(shi)界的(de)用例(li)。采取具體的(de)原始用例(li), 看看技術如(ru)何應用在它們上面(mian)。如(ru)果你這么做了, 只要想(xiang)得到沒有(you)辦不到的(de)。

有某個領(ling)域應該是(shi)屬(shu)于機(ji)器(qi)人(ren)(ren)領(ling)域。我從(cong)事(shi)人(ren)(ren)工智能(neng)軟件(jian)(jian)方面(mian)的(de)工作，所以(yi)(yi)我傾向(xiang)于考慮以(yi)(yi)軟件(jian)(jian)為(wei)中心的(de)解決(jue)方案，例如機(ji)器(qi)人(ren)(ren)和應用(yong)程序，但是(shi)有整(zheng)個的(de)人(ren)(ren)工智能(neng)機(ji)器(qi)人(ren)(ren)應用(yong)。我很好奇(qi)軟件(jian)(jian)和硬件(jian)(jian)如何融(rong)合(he)在一起(qi)，使得(de)真實的(de)設備和物理對象變得(de)聰明起(qi)來(lai)。

現在(zai)，由于人(ren)工智能的(de)最新應(ying)用所需的(de)高度專業化的(de)理論和實(shi)踐(jian)知識，擁有博(bo)士學位正在(zai)迅(xun)速成為此領域所需的(de)最低要求(qiu)。

那(nei)么, 你的經驗又告訴你開(kai)發者精(jing)通AI項目需要(yao)些什(shen)么呢?

以下是我(wo)們進(jin)行訪談的人士(shi):

首(shou)席執行(xing)官Gaurav Banga, 首(shou)席技術官 Vinay博士 Sridhara，來自Balbix

數字(zi)服務集團領導, 阿比納夫 夏(xia)爾馬(Abhinav Sharma), 來(lai)自(zi) Barclaycard, 美國

Birst產(chan)品(pin)戰略(lve)副總(zong)裁(cai) Pedro Arellano

BlueMetal副(fu)總(zong)裁兼全國總(zong)經(jing)理Matt Jackson

Bonsai公司(si)首席執行(xing)官Mark Hammond

CA Technologies大型機總經理Ashok Reddy

DataProM聯合(he)創(chuang)始人兼首席執(zhi)行(xing)官Sundeep Sanghavi

Deep Instinct聯合創(chuang)始人兼首席技術官Eli David

dinCloud總(zong)經理(li)和首席營銷官Ali Din，以及研發(fa)總(zong)監(jian)Mark Millar

FogHorn Systems首席技術官Sastry Malladi

Flavio Villanustre，LexisNexis風(feng)險解決方案技術副總裁, 來自HPCC Systems

Rob High，IBM首席技術官(guan)Watson

iManage首席(xi)技術官Jan Van Hoecke

Jetlore公(gong)司首席執行官兼聯合創始人Eldar Sadikov

Kinetica首席執行官兼(jian)共(gong)同創始人Amit Vij

Ted Dunning博士(shi)，MapR首席(xi)應(ying)用(yong)程序架構師

首席技術官和聯合(he)創始(shi)人(ren)Bob Friday，營銷(xiao)副總(zong)裁(cai)Jeff Aaron, 來(lai)自 Mist

甲(jia)骨文(Oracle)公司人工智能(neng)機器(qi)人和移動部門副總裁Sri Ramanathan

Sinequa高級產品營銷(xiao)經理Scott Parker

TIBCO首席分析官Michael O'Connell

 

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類線，屏蔽模塊，配線架及相關模塊配件的(de)研發和生(sheng)產。

歡迎來電咨詢0574 88168918,郵箱sales@aliance.cn，網址aliance.cn