CobiNet(寧波)推薦文章：

為了收集有關(guān)人工智能(AI)及其所有變體(包括機(jī)器學(xué)習(xí)(ML)，深度學(xué)習(xí)(DL)，自然語(yǔ)言處理(NLP)，預(yù)測(cè)分析和多重神經(jīng)網(wǎng)絡(luò))情況的見(jiàn)解，我們與22位熟悉人工智能領(lǐng)域的高管進(jìn)行對(duì)話。

我們向他們?cè)儐?wèn): 開(kāi)發(fā)人員精通AI項(xiàng)目需要有哪些技能?

下面是他們給出的答案:

數(shù)學(xué)

這取決于你想要在這個(gè)領(lǐng)域研究多深入。人工智能是一門(mén)不可知的語(yǔ)言。你的確需要知道關(guān)于數(shù)據(jù)和其他的一些技術(shù)。這包括數(shù)學(xué)，代數(shù)和算法的演算等，但其中的很多知識(shí)前人已經(jīng)寫(xiě)好了。你需要懂得自然語(yǔ)言處理的人類(lèi)思維過(guò)程, 包括上下文，意圖以及如何鏈接實(shí)體。更深入地洞察人類(lèi)思維過(guò)程。

有統(tǒng)計(jì)學(xué)的基礎(chǔ)。數(shù)學(xué)專(zhuān)業(yè)的人員更容易成為軟件程序員。在統(tǒng)計(jì)學(xué)方面擁有堅(jiān)實(shí)的基礎(chǔ)可以使你在人工智能或者機(jī)器學(xué)習(xí)領(lǐng)域有所造詣。軟件開(kāi)發(fā)者不能只是簡(jiǎn)單地把一個(gè)Python庫(kù)應(yīng)用于一個(gè)問(wèn)題上。

計(jì)算機(jī)科學(xué)，數(shù)學(xué)，統(tǒng)計(jì)學(xué)，人工智能，深度學(xué)習(xí)，循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)。創(chuàng)建更高層次的抽象來(lái)將許多東西移植到機(jī)器上。

有 統(tǒng)計(jì)學(xué)，數(shù)據(jù)建模，大數(shù)據(jù)的專(zhuān)業(yè)知識(shí), 并精通一種或多種編程語(yǔ)言方面對(duì)于嘗試進(jìn)入AI領(lǐng)域的開(kāi)發(fā)人員來(lái)說(shuō)是一個(gè)良好的開(kāi)端.

我們發(fā)現(xiàn)需要以下技能: 良好的數(shù)學(xué)技能 并有數(shù)據(jù)科學(xué)的學(xué)術(shù)背景。能跟上這個(gè)快速發(fā)展的領(lǐng)域(需要數(shù)據(jù)的領(lǐng)域諸如費(fèi)用統(tǒng)計(jì)，會(huì)議數(shù)據(jù)搜集，博客數(shù)據(jù)整理等等)的發(fā)展。輕松地操縱大數(shù)據(jù)集?？焖僬莆諜C(jī)器學(xué)習(xí)工具集并將其集成到一個(gè)更大的項(xiàng)目中。

深入這個(gè)困難的領(lǐng)域并建立專(zhuān)長(zhǎng)。了解數(shù)學(xué)和數(shù)據(jù)類(lèi)型(數(shù)字和類(lèi)別)。學(xué)習(xí)機(jī)器學(xué)習(xí)，算法，決策樹(shù)和神經(jīng)網(wǎng)絡(luò)。了解開(kāi)源，Apache，谷歌，IBM，微軟，R語(yǔ)言，Python等技術(shù)或者IT公司和它們的技術(shù)。

數(shù)據(jù)科學(xué)

有能力并樂(lè)意查看數(shù)據(jù)，了解數(shù)據(jù)，預(yù)測(cè)數(shù)據(jù)，對(duì)數(shù)據(jù)有共鳴，能夠?qū)?shù)據(jù)圖形化以達(dá)到一定的理解水平。只要求掌握一定程度的數(shù)學(xué)運(yùn)算技巧, 并且這個(gè)要求還在不斷降低。理解過(guò)度擬合的陷阱。這不是拖放式的機(jī)器學(xué)習(xí), 人類(lèi)可以給電腦更多的數(shù)據(jù)。將人類(lèi)的洞察能力與編程輸入結(jié)合起來(lái)。問(wèn)問(wèn)你自己，你真正知道的有什么?數(shù)據(jù)能告訴自己什么?聰明的軟件開(kāi)發(fā)人員會(huì)在思維上加入對(duì)數(shù)據(jù)的感覺(jué)和預(yù)測(cè)來(lái)習(xí)得機(jī)器學(xué)習(xí)。

精通Python和Java。了解TensorFlow，Caf 和Torch等主流人工智能庫(kù)。能夠從HDFS(Hadoop Distributed File System, Hadoop分布式文件系統(tǒng))數(shù)據(jù)庫(kù)中提取正確的數(shù)據(jù)。知道如何使用過(guò)濾器。能夠融合和關(guān)聯(lián)不同的feed。提高解析度。了解神經(jīng)網(wǎng)絡(luò)。精通數(shù)學(xué)。使用庫(kù)不要求開(kāi)發(fā)者如同以前一樣知道很多知識(shí)。

知道一些基礎(chǔ)。Coursera上可以獲得理論基礎(chǔ)。開(kāi)始為一家人工智能公司工作或在工作中自己做一些與人工智能相關(guān)的事情。尋找用例。我們只需讓開(kāi)發(fā)人員使用神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建一個(gè)應(yīng)用程序以了解圖像何時(shí)被完全正確呈現(xiàn)。了解AI框架和Spark。

什么是數(shù)據(jù)科學(xué)家? 他們需要會(huì)計(jì)算機(jī)科學(xué)，分析部署，攝取，ETL(Extract-Transform-Load, 數(shù)據(jù)倉(cāng)庫(kù)技術(shù))，還有很多瑣碎的知識(shí)。知道如何實(shí)現(xiàn)價(jià)值。了解業(yè)務(wù)問(wèn)題。

在學(xué)習(xí)中使用其他算法，觀摩其他客戶(hù)或業(yè)務(wù)問(wèn)題來(lái)解決問(wèn)題。利用現(xiàn)有的算法。關(guān)注可用數(shù)據(jù), 思考如何訓(xùn)練系統(tǒng)，如何提供最佳結(jié)果，提升訓(xùn)練級(jí)別, 組織開(kāi)展編程馬拉松。學(xué)習(xí)TensorFlow，Spark和R語(yǔ)言.

數(shù)據(jù)科學(xué)家需要從R語(yǔ)言，Scala和Python入手。如果從事機(jī)器學(xué)習(xí)算法研究，請(qǐng)依靠語(yǔ)言學(xué)團(tuán)隊(duì)的成員來(lái)確定如何針對(duì)機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)預(yù)處理。

使用開(kāi)源社區(qū)工具。專(zhuān)注于解決業(yè)務(wù)問(wèn)題。學(xué)習(xí)Scala，R語(yǔ)言和Python。數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)正在使用R語(yǔ)言和Python進(jìn)行迭代建模，但是它們不會(huì)縮放規(guī)模。因此必須使用Scala來(lái)進(jìn)行縮放實(shí)現(xiàn)真正的分布式計(jì)算。

弄懂業(yè)務(wù)問(wèn)題。理解認(rèn)知系統(tǒng)。知道可用的服務(wù)有哪些才不會(huì)學(xué)習(xí)一些你用不上的東西。學(xué)習(xí)算法和大眾數(shù)據(jù)科學(xué)。學(xué)習(xí)如何使用Torch，Caf ，TensorFlow，回歸，Python，R語(yǔ)言和JavaScript。更深入地收集訓(xùn)練數(shù)據(jù), 數(shù)據(jù)的質(zhì)量很重要。明白如何組織和準(zhǔn)備數(shù)據(jù)。

其他

后端開(kāi)發(fā)人員需要知道機(jī)器學(xué)習(xí)和大量圍繞人工智能的開(kāi)源技術(shù)。前端開(kāi)發(fā)人員需要學(xué)習(xí)有關(guān)機(jī)器人和會(huì)話流程的知識(shí)。

人工智能領(lǐng)域的知識(shí)。人工智能不像Tableau。你需要知道對(duì)應(yīng)的問(wèn)題的正確解決方案。弄懂統(tǒng)計(jì)學(xué)。建立深層次的人工智能知識(shí)。

人工智能有一套完整的技術(shù)。

通過(guò)開(kāi)始嘗試其中任何的一些技術(shù)來(lái)開(kāi)始獲得一種不同的思維方式。這比任何工具都重要。從教程上著手開(kāi)始。

作為人工智能開(kāi)發(fā)人員, 我們的工作是關(guān)于訓(xùn)練的。分解問(wèn)題，思考如何有效地進(jìn)行訓(xùn)練。觀察并回到某個(gè)學(xué)習(xí)基礎(chǔ)點(diǎn)上。思考你需要系統(tǒng)理解的核心概念。有很多條路徑可以完成你正尋找的東西。獲得一個(gè)不同的思維方式并解決手頭的問(wèn)題。

在上層應(yīng)用真實(shí)世界的用例。采取具體的原始用例, 看看技術(shù)如何應(yīng)用在它們上面。如果你這么做了, 只要想得到?jīng)]有辦不到的。

有某個(gè)領(lǐng)域應(yīng)該是屬于機(jī)器人領(lǐng)域。我從事人工智能軟件方面的工作，所以我傾向于考慮以軟件為中心的解決方案，例如機(jī)器人和應(yīng)用程序，但是有整個(gè)的人工智能機(jī)器人應(yīng)用。我很好奇軟件和硬件如何融合在一起，使得真實(shí)的設(shè)備和物理對(duì)象變得聰明起來(lái)。

現(xiàn)在，由于人工智能的最新應(yīng)用所需的高度專(zhuān)業(yè)化的理論和實(shí)踐知識(shí)，擁有博士學(xué)位正在迅速成為此領(lǐng)域所需的最低要求。

那么, 你的經(jīng)驗(yàn)又告訴你開(kāi)發(fā)者精通AI項(xiàng)目需要些什么呢?

以下是我們進(jìn)行訪談的人士:

首席執(zhí)行官Gaurav Banga, 首席技術(shù)官 Vinay博士 Sridhara，來(lái)自Balbix

數(shù)字服務(wù)集團(tuán)領(lǐng)導(dǎo), 阿比納夫 夏爾馬(Abhinav Sharma), 來(lái)自 Barclaycard, 美國(guó)

Birst產(chǎn)品戰(zhàn)略副總裁 Pedro Arellano

BlueMetal副總裁兼全國(guó)總經(jīng)理Matt Jackson

Bonsai公司首席執(zhí)行官M(fèi)ark Hammond

CA Technologies大型機(jī)總經(jīng)理Ashok Reddy

DataProM聯(lián)合創(chuàng)始人兼首席執(zhí)行官Sundeep Sanghavi

Deep Instinct聯(lián)合創(chuàng)始人兼首席技術(shù)官Eli David

dinCloud總經(jīng)理和首席營(yíng)銷(xiāo)官Ali Din，以及研發(fā)總監(jiān)Mark Millar

FogHorn Systems首席技術(shù)官Sastry Malladi

Flavio Villanustre，LexisNexis風(fēng)險(xiǎn)解決方案技術(shù)副總裁, 來(lái)自HPCC Systems

Rob High，IBM首席技術(shù)官Watson

iManage首席技術(shù)官Jan Van Hoecke

Jetlore公司首席執(zhí)行官兼聯(lián)合創(chuàng)始人Eldar Sadikov

Kinetica首席執(zhí)行官兼共同創(chuàng)始人Amit Vij

Ted Dunning博士，MapR首席應(yīng)用程序架構(gòu)師

首席技術(shù)官和聯(lián)合創(chuàng)始人Bob Friday，營(yíng)銷(xiāo)副總裁Jeff Aaron, 來(lái)自 Mist

甲骨文(Oracle)公司人工智能機(jī)器人和移動(dòng)部門(mén)副總裁Sri Ramanathan

Sinequa高級(jí)產(chǎn)品營(yíng)銷(xiāo)經(jīng)理Scott Parker

TIBCO首席分析官M(fèi)ichael O'Connell

 

文章編輯：CobiNet(寧波)  
本公司專(zhuān)注于電訊配件,銅纜綜合布線系列領(lǐng)域產(chǎn)品研發(fā)生產(chǎn)超五類(lèi)，六類(lèi),七類(lèi)線，屏蔽模塊，配線架及相關(guān)模塊配件的研發(fā)和生產(chǎn)。

歡迎來(lái)電咨詢(xún)0574 88168918,郵箱sales@cobinet.cn，網(wǎng)址www.10166888.com