本人16屆土木的,想學人工智慧,是自學還是報班,半路出家,不知道前途如何


有幾位已經說出了人工智慧的過度火爆問題,一般人我也覺得轉是沒必要,但是可以根據自己的專業,不用轉行,直接結合自己的專業,融入人工智慧的元素。本來人工智慧慢慢褪去熱潮的原因就是大家只吹牛,不落地,因為在每個行業落地都需要大量的行業內經驗,所以都只想做共通的產品,但是難度又大,做不下去的很多。你有土木方面的專業,可以嘗試在相應行業內引入人工智慧,肯定是有需求的。

如果你本專業學的不好的話,當我沒說。那你還是出去幹幾年基本的,等有了行業應用經驗再說吧,否則你早晚還會轉行的。


不是很建議。

因為人工智慧的風潮已經開始往下退了,等你學出來的時候估計不會再像現在這麼火爆。

風潮退下去之後,依舊能在行業裏混的好的人,要麼是有資本的,要麼是有真技術的。題主專業跨度很大,而且還是自學,很難成為真正頂尖的技術人員。所以前途並不一定會很好。

另外也別迷信報班,跟風開出來的培訓班質量其實也不咋地。不要覺得人工智慧就是隨便敲兩段代碼就結束的東西,這玩意兒想深挖一點都不簡單。真心誠意想轉行的話,建議跨專業考研。


培訓班,我勸你算了

人工智慧不是一般的技術,必須到企業內部去鍛煉 培訓班都是紙上談兵

像一些大型的人工智慧企業內部的人才培養可以去試試,以下是我收集來的大型企業在做人才培養的:

百度和東軟,交大和深蘭科技(好像叫交大人工智慧中心,就是直接在深蘭科技內部培養的),還有曠視,寒武紀,科大訊飛等等企業都有 具體可以自己搜一下

去參加大型企業內部鍛煉最好


目錄

首先我先說下我的結論:找個懂的人帶著你自學。我們不缺課程缺專業的人指導

1.人工智慧方向發展如何?是否值得奮力一搏?

2.你的背景轉行人工智慧方向成功率大不大?

3.解決了前兩個問題後,纔是要怎麼轉的問題?自學和報班各有哪些優劣勢?

4.我是怎麼從機械專業轉行到人工智慧方向?

首先我先說下我的結論:找個懂的人帶著你自學。我們不缺課程缺專業的人指導

1.人工智慧方向發展如何?是否值得奮力一搏?

出來混,誰還不是為了多賺錢,談什麼理想的夢想的,先給我往後稍稍,我就是個俗人,我就是當初看重了這個行業的高工資,然後就是他的發展空間,不能今天賺的多,明天就喝西北風了。先boss直聘看一波市場薪資!(公正的說Boss直聘的招聘薪資普遍還是比較準的,對於剛剛轉行的,主要就參考薪資範圍的下限就夠了)

3-5年的AI工程師平均都在20K以上,要知道這個薪資可能是很多方向工作5-10年未必能達到的狀態。一個行業的薪資高低取決於市場的需求量和他的門檻。說實話AI方向技能含量和入門門檻確實相對於其他行業要高出一大塊。

再來看看他未來的發展,這裡我們先看國家在這個行業有哪些政策,人民網作為政府的喉舌網站,多次對人工智慧國家戰略發聲,而且2016年我國就已經將AI定為國家戰略。包括騰訊,百度,阿里更是投入大量資金在人工智慧發展上。

百度對無人駕駛汽車在北京大興這邊長年國家給畫出來試驗區域,並且多長在春晚和央視進行發布成果。

國家政策方面,人工智慧自2016年起進入國家戰略地位,相關政策進入爆發期,今天我們首先來為大家簡單梳理下近幾年來人工智慧在頂層設計方面的各種相關政策,隨後我們將對政策在各行各業的影響以及相關細分政策進行梳理。

所以無論從國家政策,還是行業各大公司的動作來看,都在積極的佈局人工智慧。

跟著大佬們走肯定不會錯。然後肯定就會有槓精同學來問:

這玩意能火幾年啊,幹幾年就不行了那不白忙活了麼?

解釋這問題前,我先介紹下兩個概念:

弱人工智慧:不具備完全智慧,但能完成某一特定任務的人工智慧。

強人工智慧:具備完全人類思考能力和情感的人工智慧

就現在的發展階段來看,我們尚處於弱人工智慧的初期要走的路還非常非常遠。強人工智慧很多連學術上都還沒有實現,而且未來的人工智慧會像互聯網一樣成為整個社會的基礎設施,互聯網到今天還沒有完全達到萬物互聯,而人工智慧未來的趨勢也一定是萬物智能。要走的路還很久,到我們退休之前能達到這種強人工智慧就已經很不錯了。

我還記得我當初轉行的時候,各大高校都還沒有這個專業,只有極其少數的幾個學習有,我記得最清楚的就是北航人工智慧,那個時候也剛剛成立一兩屆好像,那是2016年的時候.而且連培訓機構都沒有幾個。我還差點被坑過,想想都後怕。(當時到一家機構還挺知名的,說3個月時間每週六日上課,好像是2萬多,能就業。我這一算一共纔多少節課啊,我一個完全0基礎的你讓我3個月就業,就學這麼點時間,開什麼玩笑,所以機構真的是玉龍很雜,要擦亮雙眼。)而現在各大高校都紛紛開人工智慧專業,各種培訓機構各種網課各種書籍也非常豐富。

對於這個行業,結論肯定是非常有潛力的,無論是國家政策,各大公司的需求量,薪水,還有未來發展空間都是非常不錯的方向。

方向沒問題,那就是我們要怎麼去做的問題?

2.你的背景轉行人工智慧方向成功率大不大?

主要就是考慮:

1.學歷背景 (學校,專業,院校級別)

2.年齡

3.就業城市

4.興趣

學歷背景:這個行業說實話還是挺喫學歷的,你看很多開發崗位對學歷要求其實並不是很高(大廠肯定是一如既往的死磕學歷),但是人工智慧行業如果你是三本,專科,幾乎就可以直接不用考慮了,確實轉行難道太大。一本,二本也是有難度,如果拚命學也是有可能的。

本科985,211會有一定優勢,再就是碩士學歷,學校也要好,如果是好學校的博士那就很加分了。

年齡:一般29,30歲下會比較好,剛畢業最好以此類推

城市:一般建議是一線城市(北上廣之類),然後是新一線城市(南京,杭州之類的)核心就是崗位要多。這樣容錯率更高。否則你一個城市就5家,2家面試就會,都把握不住,這個城市你就混不了了。。。。。。

興趣:我覺得這是最重要的,如果你真的對他感興趣,才能把他做好。因為轉行是一個很考驗人性的事情,你所做的事情很多時候身邊確實同伴和支持,更多的棱槽熱諷,不理解不支持,找到一個圈子,找到志同道合的人一起去努力是很重要的。只有你真的熱愛,你才能堅持下去,才能用心把這件事情做好。

3.解決了前兩個問題後,纔是要怎麼轉的問題?自學和報班各有哪些優劣勢?

自學:

優勢:

成本低:自學除了成本低,沒任何優勢。

劣勢:

失敗風險高:因為你對你想去的行業一無所知,你只能憑感覺,如果感覺準的話,我買股票為什麼還總賠錢?因為我不懂。

效率低:經常遇到問題不知道怎麼解決,網上查各種資料也給不瞭解決方案,很多時候網上資料是錯的還不知道,會走很多彎路,遇到問題也不知道問誰,加各種學習交流羣,根本沒人能幫助自己

沒方向:不知道學什麼,怎麼學,學到程度,怎麼能就業,簡歷怎麼搞,面試怎麼準備。。。。

找機構

優勢:有系統的學習進度和規劃

劣勢:

學費高:各種班課少1,2萬,多者3,4,還都沒有保障,學完就不管了

坑多:被各種機構坑的屢見不鮮了,去網上一搜一大把,我之前有個朋友花了2萬多上個機構,奶奶的,上完課老師就不管了,跟你說話的都是助教班主任啥的,他們啥也不會就瞎指揮,連個輔導的人都不會,學了一年我一給他模擬面試,還是啥也不回。

我就跟他說:課程這個東西太多了,我這百度雲盤5個T的資料你要都給你,給你了你還是學不會,你上直播課不也是看課程麼,上課和你學會是兩個概念,然後我就把我轉行時候找到一個地方給了,有懂得人輔導纔是王道

4.我是怎麼從機械專業轉行到人工智慧方向?

最開始我也是找的IT培訓的機構,因為當時已經畢業有幾年時間了,而且也是從東北老家一個人過來,就想著一定要轉行成果,那個時候我在老家做運營管理一個月也還可以也能達到1萬2左右,那個時候就看好人工智慧,但是找了一圈沒找到個靠譜的畢竟那個時候AI培訓真的少,然後就想這從大數據開發入行,一開始去了一家,讓我先交100元之後覺得合適再補,那個老師我一問點問題就搪塞我,明眼人一看就是不會啊。而且我發現講義還是抄的別的機構的,連舉例子的老師名字都沒變(來北京之前我也自學過一點,還花300多買了個盜版視頻的網站,買到時候感覺如獲至寶啊,學上了之後各種問題解決不了,還有賬號 想用的可以分享給你們,但我感覺意義不大,後來感覺不行)果斷換了另外一家。

找了半天 這是我之前報名的支付截圖。

但是路走過來看,當時的課程設計確實有問題,而且很多時候進度非常快,也不管我們有沒有消化掉,因為是班課,我們班120多人,也沒有人指導,也就是和身邊的同學交流下,在最後的3個月,我幾乎都不怎麼聽了,我就開始想找老師指導,後來在淘寶找了一家四對一指導的,從最開始的筆試測評啊,到階段考試,也有平時也有各種老師一對一到指導,感覺對我幫助還是很大的。

我把我當時老師給制定的學習計劃分享下,希望對大家有幫助

指導最後的簡歷的輔導,項目優化模擬面試都會有,給我的感覺絕對不輸給市面上那種2,3萬那種班課,其實我們缺的不是上課,現在資源這麼多,缺的是有專業的老師去指導你。

需要視頻課的也可以聯繫我,但我感覺沒啥用,我是不咋看了!

哈哈哈!百度雲盤都裝滿了

我相信大部分初學者都跟我一樣,一開始弄了一大堆視頻課程,感覺找到視頻就會了,結果雲盤滿了,腦袋還是空的

這都是冰山一角,要是需要可以私聊我,無私分享給你

這是我的簡單經歷分享吧,經過這次學習東西的經驗,未來我還有計劃學習經濟和金融方向的東西,也會想找類似這種師傅帶徒弟的地方,這種個性化的指導對於來說是非常重要的。

也非常希望和大家進行交流,有想交流的可以私信我哦,我看到都會回復的!希望幫助大家成功轉行哦!


可以先嘗試著學習一下卷積神經網路,如果能夠學會,說明可以入門。

卷積神經網路是一種非常實用、而且應用廣泛的人工智慧演算法,其原理如下:

卷積神經網路

深度殘差網路是卷積神經網路的變體,加入了恆等路徑。

深度殘差網路

深度殘差收縮網路又是深度殘差網路的改進,加入了軟閾值化,適合強噪數據。

(適合強噪數據的)深度殘差收縮網路


推薦閱讀:
相關文章