---

做好失業的準備。

我個人一邊是深度學習的開發者，一邊對人工智慧持悲觀態度。

現在大多數行業是為了人工智慧而人工智慧，如果不加入人工智慧概念，那麼就會被資本定義為落後，淘汰，無數行業被人工智慧綁架！其實很多行業原來就有完整的產業鏈，把人工智慧加進去，本質上做的是減法。

無論是投資，政府，還是廣大羣眾，往往對於人工智慧的想像太過於理想化，當然這也得益於媒體的宣傳。本質上所有所謂的人工智慧的工作，只是在做回歸，只是這個回歸更複雜一點，限制條件更少一點。

科學不會站在人工智慧上進步，因為人工智慧只能提供結果，不能提供智慧，動輒千萬計的參數是無法反演的。看到目前各大領域教授學生們為了灌水，不分三七二十一把所謂的人工智慧引入到自己的領域，隨便套個LSTM，GAN什麼的就稱之為學術成果，我的內心是很痛的。

資本在焦慮的尋找邊界，人工智慧也只是一朵浪花，這場fad遲早會歸於沉寂。到那時候，纔是人工智慧時代真正的開始。

---

謝邀！

先把基礎學好吧

Python

完事在多練習一下演算法

---

考研

---

題主可以看看我畫的這張腦圖，可以從右邊的編程語言，數學知識，機器學習開始學起。（公眾號「機器工匠」，閱讀更多關於人工智慧技術、資訊文章，更有面向入門者的系列文章）

---

推薦打紮實理論基礎，這樣不會太受工作崗位限制。如果你只學了怎麼調用API，怎麼調參，那麼不管工作中或者研究中如果出現一些靈活的需求，你就不能很好的做出有價值的貢獻。這個纔是比較關鍵的。理論基礎的話，如果你看大多數國際期刊paper沒有什麼理解障礙（演算法層面）那麼基本就差不多了。

---

首先得了解基本的演算法理論，其次，需要進入一個可落地的行業，一個可實際解決客戶問題的項目，通過對項目的需求挖掘，通過解決項目中的問題，通過對演算法調優，包括增加各類場景訓練數據集，選擇不同演算法模型，調優演算法參數等等。

其次，需要理解行業的痛點，如何通過人工智慧輔助解決客戶問題，輔助提升效率，替代原有的技術方案等

---

推薦閱讀：