那些年人工智能在学习发展路上给你带来的伤害

人工智能技术几经寒冬复苏，毫无疑问地又一次站到了时代风口，随着各大巨头纷纷下场，AI 也在各种各样的声音中迎来了持续落地应用的大爆发时期。这厢一批 AI 先进企业战略决策搞得轰轰烈烈势如破竹，那厢一波技术爱好者站在今日甚为喧嚣的大风里满目沧桑——关于人工智能，学就一个字，已经连跪好多次。

两年前业内从事算法的专业人才还比较稀缺，简单统计了下，我们发现今年互联网公司投递算法岗位的应届毕业生暴增，遍布机械自动化、电气工程、电子信息、计算机工程、软件工程、统计学、数学等专业，几乎每个同学都会写Python、会用 TensorFlow，对大致的技术趋势也能信手拈来，在这样人满为患的形势下，如何脱颖而出？

要知道以上这些要点是作为一名算法工程师最基本的技能，并非是你简历的加分项。某互联网巨头的业内人士曾向 CSDN 表示，今年 AI 人才太多、竞争激烈，投简历数和 Offer 数的比例要比普通的开发人员要高很多。不过，从另一个角度来讲，在 CVPR、NIPS 等国际顶会或学术会议上发表过论文的学生，议价能力很高；相反，一般水平的同学反而有点过剩了。

对此，CSDN 于近日放出了一份相关问卷，根据截至目前的有效反馈数据显示，关于“目前面临的 AI 学习/发展瓶颈”这一问题，34% 的人填写了自己在自主学习过程中遭遇的难处或承受的压力，其中包括缺乏专业基础知识、缺少学习方法指导、缺少优质学习资源、缺少学习时间等细节因素（详见下图）。下面就让我们开个“土味贴”，聊一聊AI 技术学习的痛点一二三。

818 那些年人工智能在学习发展路上给你带来的伤害

▌AI 虐我千万遍，我待 AI 如初恋——AI 斗士，绝不认输

这里楼主，如题，今天开扒人工智能。

我是人工智能老粉，站在巨人的肩膀上观望风向后决定快乐转型，爱好变学习，然后就是原地表演从入门到卡住。难！太难了！一没时间二没资源，高处风光正好，可惜没有指导。当然，放弃是不可能放弃的，我只是来看看大家都有哪些痛点或者学习建议，同好请进。

最后，我只想说一句：风里雨里，我们等你！AI 向前飞，AI 粉永相随！

▌无落地不 AI

沙发。

楼主“脑残粉”石锤，鉴定完毕，是时候让本理智粉上线了。人工智能技术之所以面对诸多质疑，归根结底还是“落地应用”的锅。所谓无落地不技术，诚然，2018 年的人工智能已经在落地应用这条路上不断向前走了，但这些仍仅是冰山一角。放眼整个行业而言，还有很多方向在等待研究覆盖。而应用落地场景往往也是像我这样的初学者最为关注的问题——落地方式、产品化手段、知识向实际项目的迁移、缺少案例……处于初学阶段的我们很难找到合适的跳板，借以了解目前的落地状况，以及如何挖掘我们所学技术更好的落地场景，或是人工智能技术和我们所处行业的融合方向。

学而不悔，有的放矢，从风口到普及，我们都在期待。

▌你给我来波有效实践，我就还能续一秒

实践经验真的是一切技术学习的坑王。

起步阶段的我们该热忱热忱，该啃书啃书，该实验实验，但始终缺少实践积累。即使在校期间在专业方面有所涉猎，但鉴于高校教育层次递进的模式特征，学习往往也仅停留在理论层面，缺少有价值的项目，而且学习深度较浅，并不适合想要进一步深入行业的学生。这就导致这我们在走出理论框架或是实验室之后，尚未形成将理论与实践结合的应用能力，就被推向了当前工作中的各种实际问题，也就只能在摸索中迷茫加迷茫了。

▌团队不咋行，创新不咋见，项目不咋有

排楼上。不想说啥，爸爸真的疲惫了。想学吗？想！咋学呢？不知道！

我们公司不大，内部资源也有限，还一天到晚整些个 55667788 的，接触同好的交流机会就更少了。团队内部没有领头人，这也导致周围整体的学术氛围不够浓厚。在这样的环境下，创新突破可谓难上加难，反复走老路已是常事，无论是新鲜的 idea 还是新的技术及算法，都不会生自死水。如此我们自然也就很难有优质项目实践练手的机会，可以说是恶性循环了。

因此，现在的我们急需成熟产品的借鉴启发，以期从先进企业的实践中获得点拨。

▌你节奏太快，我承受不来

恕我直言，楼上的在我这里都是人才。

至少，你们已经开始了。

而我，还在迷茫，大写的迷茫。

我没有方向，视线所及之处，皆是马赛克。

上帝给了我一身 IT 之魂，却收走了我的时代嗅觉，AI 的 beat，我永远追不上。我想转型，但永远赶不上趟，总是与时代趋势脱节的我可以说是一直在加载，从未有行动。受制于不够开阔的视野，对 AI 行业大趋势及前沿领域的把握不足又增加了一分学习顾虑。再加之人工智能技术的学习范围太过宽广，庞大的系统令人无从下手，这更让我难于抉择出一个深耕或是能尽快上手的方向。

这里求一波神仙指路——前沿一线技术分享、AI 趋势分析、系统的路线指引，带我升级带我飞。

▌出门全靠自学，一路横躺坑底

自学什么的，楼主真的扎心了。

基础薄弱、专业知识匮乏、学习方法指导缺失、优质学习资源难觅、交流渠道狭窄、学习时间紧张……自主学习的过程中，太多问题让我们卡在了深入挖掘的第一步，瞬间躺平坑底，被安排得明明白白。从缺少训练数据到缺少学习氛围，从专业知识的晦涩难懂到难于深入接触到最新前沿知识，从算法优化到思维开拓，自学阶段的困难来自很多方面。此外，虽然网络上的学习资源有很多，但干货却太少，易于吸收的优质干货更如沙里淘金。

这里同求圈中大佬指点迷津，提供一些高浓缩的技术学习资源及案例分析，为我们的学习方法优化提供方向。