機(jī)器學(xué)習(xí)工程師的職位并不只是為 AI 博士準(zhǔn)備的：通過網(wǎng)絡(luò)上公開的課程和視頻，人們可以學(xué)習(xí)人工智能領(lǐng)域的基礎(chǔ)知識(shí)、培養(yǎng)寫代碼的能力，最終找到 AI 領(lǐng)域的相關(guān)工作——只要你不輕言放棄。本文中，這位名為 Daniel Bourke 的小哥介紹了自己從零開始的心路歷程。

我曾經(jīng)在蘋果商店工作，我想要改變，那么就從自己服務(wù)的技術(shù)入手吧。我開始學(xué)習(xí)機(jī)器學(xué)習(xí)和人工智能——這個(gè)領(lǐng)域非常熱門，每一周，谷歌、Facebook 這樣的科技公司都在推出新的 AI 技術(shù)，不斷改善我們的體驗(yàn)。

現(xiàn)在也有數(shù)不清的自動(dòng)駕駛汽車公司，雖然這項(xiàng)技術(shù)很好，但我并不喜歡駕駛，而且道路很危險(xiǎn)。

即使看到了今天正在發(fā)生的一切，我們?nèi)匀粺o法給出「人工智能」一詞的明確定義。一些人認(rèn)為深度學(xué)習(xí)可以被稱為 AI；另一些人則認(rèn)為除非完全通過圖靈測(cè)試，否則就不算 AI。缺乏定義這一問題確實(shí)給我入門人工智能前期造成了很多麻煩，如果你在學(xué)的東西有很多種不同的定義，那么學(xué)習(xí)它真的很難起步。

所以我們先拋開定義。

我是如何起步的？

我和朋友想創(chuàng)建一家互聯(lián)網(wǎng)創(chuàng)業(yè)公司，結(jié)果失敗了。我們覺得做這件事沒有意義，所以就放棄了。但在這個(gè)過程中，我對(duì) ML 和 AI 的了解越來越多。

「計(jì)算機(jī)可以為人類學(xué)習(xí)？」我覺得不可思議。

我偶然發(fā)現(xiàn)了優(yōu)達(dá)學(xué)城（Udacity）的深度學(xué)習(xí)納米學(xué)位。宣傳片里有一個(gè)名叫 Siraj Raval 的有趣角色。他活力四射，非常具有感染力。盡管沒有達(dá)到基本要求（我一行 Python 代碼都沒寫過），我還是選擇了注冊(cè)。

距開課還有三周時(shí)間時(shí)，我給優(yōu)達(dá)學(xué)城發(fā)了郵件，詢問退款相關(guān)事宜，因?yàn)槲覔?dān)心自己無法完成課程。

我沒有拿到退款，因?yàn)槲以谥付〞r(shí)間內(nèi)完成了整個(gè)課程。課很難，有時(shí)非常難。我的前兩個(gè)項(xiàng)目遲了四天才交上。但涉獵世界上最重要的技術(shù)帶來的興奮驅(qū)使我繼續(xù)走下去。

拿到深度學(xué)習(xí)納米學(xué)位之后，我就能繼續(xù)攻讀優(yōu)達(dá)學(xué)城的 AI、自動(dòng)駕駛汽車或機(jī)器人學(xué)納米學(xué)位。這些都是很好的選擇。

我感覺有點(diǎn)迷茫?！附酉聛硪鍪裁茨兀俊?/p>

我需要一個(gè)課程表。深度學(xué)習(xí)納米學(xué)位為我打下了一點(diǎn)基礎(chǔ)，現(xiàn)在是時(shí)候構(gòu)思下一步了。

我自己創(chuàng)建的 AI 碩士學(xué)位

我不打算回大學(xué)繼續(xù)讀書，畢竟我沒有 10 萬美元讀完碩士課程。所以我和以前一樣，向我的「導(dǎo)師」——谷歌求助。

我在事先對(duì)該領(lǐng)域沒有任何先驗(yàn)知識(shí)的情況下，開始鉆研深度學(xué)習(xí)。我不是奮力攀爬至 AI 這座冰山的頂上的，而是乘坐直升機(jī)飛上去的。

在研究了一系列課程之后，我在 Trello 上列出了最感興趣的課程。

Trello 是我的個(gè)人助理/課程協(xié)調(diào)員

我知道在線課程的輟學(xué)率很高，我不想成為其中的一份子。我有一個(gè)使命。

為此，我開始在網(wǎng)上分享學(xué)習(xí)經(jīng)歷。這樣我能在網(wǎng)上找到其他志同道合的人，并與之交流。當(dāng)我進(jìn)行 AI 冒險(xiǎn)之旅時(shí)，我的朋友們都認(rèn)為我瘋了。

我公開了我的 Trello board，并寫了一篇關(guān)于自己奮斗歷程的博客。

自從我***次寫了自己的經(jīng)歷以后，課程略有變化，但仍然相關(guān)。我每周會(huì)查看幾次 Trello board，以跟蹤自己的進(jìn)度。

找份工作

我買了一張去美國(guó)的單程機(jī)票。我已經(jīng)學(xué)習(xí)了一年，現(xiàn)在是時(shí)候?qū)W以致用了。

我的計(jì)劃是飛到美國(guó)并找份工作。

然后 Ashlee 在領(lǐng)英上給我發(fā)消息說，「你好，我看過你的博客了，非常好，我覺得你應(yīng)該去見見 Mike?！?/p>

于是我見了 Mike。

我告訴他我在線自學(xué)的經(jīng)歷、我有多熱愛醫(yī)療技術(shù)，以及我計(jì)劃去美國(guó)。

「你***在這里待上一年左右，看看自己能找到什么，你可以去見 Cameron?！?/p>

我見到了 Cameron。

我和他的對(duì)話與和 Mike 的差不多，關(guān)于醫(yī)療、技術(shù)、在線學(xué)習(xí)、美國(guó)。

「我們正在研究一些醫(yī)療問題，你可以周四過來看看?！?/p>

周四到了，我有點(diǎn)緊張。但有人曾告訴過我，緊張和興奮是一樣的，然后我開始變得興奮。

那天我見到了 Max Kelsen 團(tuán)隊(duì)，了解了他們正在研究的問題。

兩周后，***執(zhí)行官 Nick、***機(jī)器學(xué)習(xí)工程師 Athon 和我去喝咖啡。

Nick 問我：「你要不要加入我們團(tuán)隊(duì)？」

我說：「好啊」。

然后我的美國(guó)之旅推遲了幾個(gè)月，現(xiàn)在我還有了返程票。

分享你的工作

我知道在線學(xué)習(xí)是非常規(guī)的。我申請(qǐng)的所有職位都有碩士或某種技術(shù)學(xué)位的要求。

而我什么都沒有。但我確實(shí)從許多在線課程中學(xué)到了同樣的技能。

其間我在網(wǎng)上分享自己的工作。我的 GitHub 里存了我做過的所有項(xiàng)目，我的領(lǐng)英資料非常豐富。此外，我還練習(xí)了在 YouTube 和 Medium 上學(xué)到的溝通技巧。

我從沒有向 Max Kelsen 投過簡(jiǎn)歷?！肝覀?cè)陬I(lǐng)英上發(fā)現(xiàn)了你?！?/p>

我存的那些工作就是我的簡(jiǎn)歷。

無論你是在線學(xué)習(xí)還是去讀碩士學(xué)位，將你做過的工作打包呈現(xiàn)給別人都是一種在游戲中創(chuàng)建皮膚的良好方式。

ML 和 AI 技能很搶手，但這不表示你不需要將它們展示出來。如果沒有貨架空間，再好的產(chǎn)品也賣不出去。

這個(gè)「貨架」可以是 GitHub、Kaggle、領(lǐng)英或博客，要找一個(gè)別人可以發(fā)現(xiàn)你的地方。再者，在互聯(lián)網(wǎng)上擁有一個(gè)自己的角落也很有意思。

如何開始？

去哪兒學(xué)習(xí)這些技能？哪些課程***？

沒有***答案。每個(gè)人要走的路都不同。有些人通過書本學(xué)習(xí)效果很好，而有些人通過視頻學(xué)習(xí)會(huì)更好。

比如何開始更重要的是你為什么要開始？

先問問自己為什么。

• 為什么你想學(xué)習(xí)這些技能？
• 你是想通過這些來賺錢嗎？
• 還是想構(gòu)建一些東西？
• 還是想有所作為？

仍然沒有***答案。每個(gè)人的答案對(duì)自己來說都很重要。

先問清楚為什么，因?yàn)樗仍趺醋龈匾Ｅ宄槭裁匆馕吨?，?dāng)你學(xué)習(xí)遇到困難時(shí)（一定會(huì)遇到的），這些答案能幫你撐過去。它們會(huì)提醒你為什么走上這條路。

了解了「為什么」？很好，現(xiàn)在學(xué)習(xí)一些比較難的技能吧。

我只能推薦一些自己嘗試過的東西。

我按順序完成了以下課程：

• Treehouse：Python 介紹
• Udacity：深度學(xué)習(xí)&AI 納米學(xué)位
• Coursera：吳恩達(dá)的深度學(xué)習(xí)課程
• fast.ai：目前還在 part1，很快進(jìn)入 part2

這些課程都是***的。我是視頻學(xué)習(xí)者，通過看這些東西的出現(xiàn)過程和解說，我能學(xué)得更好。所有這些課程都是這樣的。

如果你完全是一個(gè)新手，可以從介紹 Python 的課程開始看，當(dāng)你有了更多信心之后，可以向數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和 AI 進(jìn)軍了。

需要多少數(shù)學(xué)知識(shí)？

我最多只學(xué)到高中數(shù)學(xué)。其它知識(shí)都是通過可汗學(xué)院學(xué)習(xí)的。

投身機(jī)器學(xué)習(xí)和人工智能需要多少數(shù)學(xué)知識(shí)因人而異，下面是我的選擇。

如果你想應(yīng)用機(jī)器學(xué)習(xí)和 AI 技術(shù)來解決某個(gè)問題，那么你不必深入了解數(shù)學(xué)也能取得好的結(jié)果。TensorFlow 和 PyTorch 等庫(kù)使僅具備一點(diǎn) Python 經(jīng)驗(yàn)的人也能構(gòu)建當(dāng)前***的模型，而數(shù)學(xué)知識(shí)藏在幕后。

如果你想通過博士項(xiàng)目或者其它類似的項(xiàng)目來深入機(jī)器學(xué)習(xí)和 AI 研究，那么你需要具備深厚的數(shù)學(xué)知識(shí)。

就我本人而言，我不打算深入學(xué)習(xí)數(shù)學(xué)，留給比我聰明的人學(xué)吧～使用 TensorFlow 和 PyTorch 等庫(kù)來解決問題，我覺得更開心～

機(jī)器學(xué)習(xí)工程師做什么？

機(jī)器學(xué)習(xí)工程師真正做的事情可能和你想的并不相同。

盡管很多在線文章的封面照片中有紅眼睛的機(jī)器人，但這不代表你會(huì)研究機(jī)器人。

以下是機(jī)器學(xué)習(xí)工程師每天都要問自己的一些問題：

• 語境：如何利用機(jī)器學(xué)習(xí)幫助自己了解問題？
• 數(shù)據(jù)：是否需要更多數(shù)據(jù)？數(shù)據(jù)應(yīng)該是什么格式？如果數(shù)據(jù)丟失，你要怎么做？
• 建模：應(yīng)該使用哪個(gè)模型？該模型是否過于適應(yīng)數(shù)據(jù)（過擬合）？或者為什么模型無法很好地適應(yīng)數(shù)據(jù)（欠擬合）？
• 生產(chǎn)：如何將模型投入生產(chǎn)？它應(yīng)該是在線模型還是隔一段時(shí)間不斷更新？
• Ongoing：模型崩潰了會(huì)發(fā)生什么？如何利用更多數(shù)據(jù)改進(jìn)模型？是否存在更好的方式？

這些問題來自 fast.ai 聯(lián)合創(chuàng)始人 Rachel Thomas 的一篇文章（http://www.fast.ai/2018/07/12/auto-ml-1/）。

沒有既定道路

進(jìn)入機(jī)器學(xué)習(xí)或 AI 領(lǐng)域的路沒有對(duì)錯(cuò)之分。

該領(lǐng)域的美妙之處在于我們可以接觸到世界上最棒的技術(shù)，我們只需要去學(xué)習(xí)如何使用它們。

首先，你應(yīng)該學(xué)習(xí) Python、研究微積分和統(tǒng)計(jì)學(xué)、學(xué)習(xí)決策的哲學(xué)。

機(jī)器學(xué)習(xí)和 AI 是上述領(lǐng)域的交叉地帶，這使我非常著迷。我對(duì)此了解得越多，越意識(shí)到還需要學(xué)習(xí)更多。這讓我充滿動(dòng)力。

有時(shí)代碼無法運(yùn)行或者我不理解某個(gè)概念時(shí)也會(huì)覺得挫敗。這種時(shí)候我會(huì)暫時(shí)放下這個(gè)問題，休息一下或出去走走。再回來看這個(gè)問題時(shí)我好像換了一個(gè)角度，激情又回來了！

該領(lǐng)域每時(shí)每刻都在發(fā)生很多事情，開始本身令人畏懼。太多選擇導(dǎo)致沒有選擇。請(qǐng)忽略它。

從你感興趣的地方開始，然后沿著這條路繼續(xù)前進(jìn)。如果它把你帶到了死胡同，很棒，你會(huì)發(fā)現(xiàn)自己對(duì)哪些事物不感興趣。重新找一條路！

計(jì)算機(jī)很智能，但是它們?nèi)匀粺o法自行學(xué)習(xí)。它們需要你的幫助。