转AI的程序员最应该注重的是学习方法

在大的行业趋势下，很多普通程序员都逐渐开始转人工智能，特别是电话机器人特别吃香，几乎每天都会有企业上门找公司进行商务洽谈，电话机器人代理，电话机器人贴牌等等…

但是由于人工智能的门槛相对于较高，对于许多人来说有些许的难度。所以笔者在这里推荐一个学习的方法，这个方法相对于其他的方法来说比较平滑，易于实现的学习方法，让更多人的普通程序员能够踏入AI领域。

先来说人工智能领域的简单介绍吧！人工智能也称为AI，很多人把它看做机器学习，这只是片面的。在AI中，符号与逻辑是实现人工智能的关键，不过AI发展日新月异，在大数据的加持下基于统计的机器学习占据了主导地位。要记住人工智能是不等同与机器学习的，所以这方面一定要清楚，不清楚的可以去看看周老师所写的《机器学习简介》

第一个问题：AI容易吗？这个问题因人而异的，如果是从来没接触过的普通程序员来说是有点难度进行跨越，因为你要面对大量的数据公式以及艰辛的调参，想很好的学习这门学科，就需要找到独特的方法。

任何学科都要持之以恒，用下面的学习方法会让你事半功倍

1.首先了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。
2.基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。这时还是可以把机器学习方法当作一个黑盒子来处理的。
3.实战经验积累以后，可以考虑继续进行学习。这时候有两个选择，深度学习或者继续机器学习。深度学习是目前最火热的机器学习方向，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。除了深度学习以外，机器学习还包括统计学习，集成学习等实用方法。如果条件足够，可以同时学习两者，一些规律对两者是共通的。
4.学习完后，你已经具备了较强的知识储备，可以进入较难的实战。这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码；学术界的可以看特定领域的论文，为解决问题而想发论文。
5.无论哪者，都需要知识过硬，以及较强的编码能力，因此很能考察和锻炼水平。经过这个阶段以后，可以说是踏入AI领域的门了。

除此之外还推荐一些书籍进行辅助学习
Deep learning (paper)：2015年Nature上的论文，由三位深度学习界的大牛所写，读完全篇论文，给人高屋建瓴，一览众山小的感觉，强烈推荐。如果只能读一篇论文了解深度学习，我推荐此篇。这篇论文有同名的中文翻译；
推荐，UFLDL： 非常好的DL基础教程，也是Andrew Ng写的。有很详尽的推导，有翻译，且翻译质量很高；
推荐，Neural networks and deep learning：这本书的作者非常擅长以浅显的语言表达深刻的道理，虽然没有翻译，但是阅读并不困难；
推荐，Recurrent Neural Networks： 结合一个实际案例告诉你RNN是什么，整篇教程学完以后，会让你对RNN如何产生作用的有很清晰的认识，而这个效果，甚至是读几篇相关论文所没有的；

这些主要是帮助想入门，但是找不到目标的程序员来写的，因为智能行业要想专精，是不能一蹴而就的，需要常年累月的积累与学习，当然，学习是很枯燥和乏味的，只有兴趣才是最好的老师，也是能让你进行下去的动力。