我花了兩年，從不懂Python變成了AI工程師 - PTT新聞

有一位小哥，從不知道Python到找到AI工程的工作，用時兩年。

他的文章在網上獲得了5000多條點 ... 深度學習的課程更不能滿足做獲取AI專業技能的需求。

最新消息 日本獵奇咖啡廳專賣昆蟲料理：蟑螂咖哩&蟋蟀冰淇淋！ 我花了兩年，從不懂Python變成了AI工程師 公開日:2020-01-23 賴可發自凹非寺 量子位報導|公眾號QbitAI 想做機器學習的工作，卻覺得自己沒有專業技能？ 有一位小哥，從不知道Python到找到AI工程的工作，用時兩年。

他的文章在網上獲得了5000多條點讚。

有網友在他的故事裡看到了激情和好奇心 這條路不好走，這非常不容易。

享受路上小小的勝利，從遇到的眾多挫折中學習。

Allthebest! 他的經驗或許能給你一些啟發。

不知道Python,卻被”機器學習“吸引 這位DavidChong小哥在新加坡管理大學的專業是經濟和金融，本來畢業後打算在銀行工作。

畢業前的9個月，他找到了日企野村證券的工作。

這期間，他接觸了一些數據分析的軟體，學習了ExcelVBA編程，數據可視化軟體Tableau和PowerBI，還有機器人過程自動化軟體UiPath。

“機器學習“的世界深深吸引了他，最讓他著迷的是輸入數據，然後預測結果這個過程。

原來，他對銀行產品的複雜性著迷，經過了一段時間工作後，覺得不過是從客戶獲利的一種方式。

總之，舊的東西沒變得有那麽吸引他，又出現了新的興趣。

他決定改變工作方向了。

但現實是，他完全不會編程。

那時候的他的字典裡，Python是一種蛇，而Pig……是一頭豬。

在Mooc上瘋狂自學，紙上得來終覺淺 想學數據科學，網上資源大把大把，於是他在Mooc上注冊了不少課程： Python訓練營：Python3從零開始成為英雄[Udemy] 用於數據科學和機器學的Python訓練營[Udemy] 使用MySQL管理大數據[Coursera] Java初學者教程[Udemy] Web開發人員訓練營[Udemy] 機器學習A-Z：動手實踐數據科學中Python和R[Udemy] 用Docker進行機器學習和NLP模型[Udemy] 不過他隻完成了前三門課程。

Mooc的課程內容非常簡潔，也讓他很快就對一門課失去興趣，還沒有上完就去看下一門。

MOOC上教授傳統機器學習方法時，往往會跳過模型實際在做什麽這個部分。

比如，會教隨機森林是決策樹的集合，但不會講決策樹怎樣決定在哪個分支上選擇哪些特徵（也就是熵概念和與之相關的數學）；會簡單介紹支持向量機是分類方法，但不會講如何確定超平面。

深度學習的課程更不能滿足做獲取AI專業技能的需求。

相關課程通常會在Tensorflow上，在MNIST這樣不錯的數據集上給出大量代碼，然後讓你覺得自己是深度學習專家了。

但是這遠遠不夠。

研究論文通常包含複雜的體系結構，涉及理解深度神經網絡模型中的特徵提取，以及其他更複雜的特徵，例如Transformer和雙向編碼。

理解為什麽某些最新模型比其他模型更好，以及遷移學習transferlearning和元學習metalearning等概念也很重要。

小哥認為，Mooc的課程的優勢在於快速入門。

上面的課也容易給人誤導，任何人都可以成為機器學習的從業者，以為機器學習就是關於.fit()and.predict()的幾行代碼。

實踐和挫折 因此，上了在線課程後。

為了提高編程能力，David選擇在Hackerrank上進行練習，完成關於SQL和Python的問題。

同時，他還用python進行了一個項目，來實現在網上自動預訂羽毛球場。

新加坡的羽毛球場需要提前搶著預定，經常提前兩周就預訂完了。

經過一段時間的學習和操練，David對自己的技能水準心裡有了個大概： 對寫python很有信心，但是對代碼效率一無所知。

在機器學習上，是jupyternotebook專家，可以把Jupyternotebook的主題改為“darkmode”，並使用所有的鍵盤快捷鍵。

他想做數據科學家。

但是面試失敗了，涉及代碼的技術測試比他學習的“數據科學”發展更快。

他本來申請了技術分析師的職位，被轉去了另一部門，做了業務分析師。

這離他的目標還很遠。

接受專業學術訓練 為了有更好的技能，他決定在學校繼續讀商業IT碩士學位（專門研究AI） 接受專業教育的過程中，大大的補充了此前知識框架的不足。

他學習了傳統ML模型背後的數學原理，在自定義數據集上應用了最新的深度學習架構；有關AI的重要概念，包括常見的搜索算法，Q-learningand深度Q-learning；算法設計，包括圖形算法，時間和空間複雜度，名稱匹配算法以及其它很多算法。

他還參加了幾個學校的碩士項目。

這些項目不完整，數據集經常從Kaggle上獲得，在Jupyternotebook上結束。

深度學習模型在Docker上運行，但不考慮部署。

David看來，碩士教育提供了AI從業者所需要的嚴謹學術訓練，但缺乏實際應用的訓練。

碩士課程不會告訴你數據科學工作的必要條件。

這個部分需要自己去弄清楚。

軟體工程和DevOps技能通常是必需的（儘管並不廣泛）。

在大型組織中，代碼協作也很重要。

比如，如何設置Docker環境，啟動AWSEC2實例，在Azureblob存儲上託管數據集，有效地組織代碼，使用GitHub或GitLab進行版本控制。

課堂不會教授這些內容。

在面試中積累 David繼續進行面試，在技術面試和非技術面試中積累了很多經驗（大多數人都不及格），也知道了自己所缺的知識，然後花時間補足。

面試帶來更重要的經驗是讓他詳細地摸了摸行情。

他明白了公司對於同樣一個職位角色做的不同描述，以及這與公司在採用AI技術的成熟度之間的對應關係。

最終，在決定做AI工作的兩年後，他找到了一個好機會，是一個會被培訓成AI工程師的職位。

小哥目前的職位是在野村證券操作風險部門operationrisk的數據分析師。

他在郵件中告訴量子位，下個月他將會轉去新的崗位。

小哥覺得，這只是一個開始，職業之路就像一場馬拉松，不是短跑。

Onemorething 看了David小哥職業路徑，對你有沒有啟發呢？ David說分享自己的經驗也是為了鼓舞更多的人，不要把他的經驗看成指南。

這是我個人的軼事，我希望能夠鼓舞人們，抱持信念去做他們想做的事情，因為人生太短暫了，不能過沒有意義的生活。

做你愛的事情，因為你會花你生命的一大部分來工作。

如果你感到迷失，記住Elsa說的“dothenextrightthing” 參考資料： https://towardsdatascience.com/i-had-no-idea-how-to-write-code-two-years-ago-now-im-an-ai-engineer-13c530ab8227 —完— 相關文章 當軟體工程師第一次與數據科學家一起工作…… 2019-01-05 大數據文摘出品編譯：fuma，錢天培軟體工程師和數據科學家一起工作時，會擦出什麽火花呢？作為Java/Kotlin開發人員，一位名叫BenDa年l的小哥為我們講述了他與數據科學家合作的有趣經歷。

編程再好只能當碼農？那你知道AI量化程序員價值多少 2019-03-18 量化Quantitative量化，一個橫跨多個學科領域的工作。

已經在不同場合，聽了無數次的三座大山：較好的數學功底、編程技能、金融知識。

你覺得你會編程就很容易上手量化嗎？你認為交易策略開發完了就沒有價 斯坦福最新訓練排名：華為雲用時10分28秒獲全球最快 2018-12-02 允中發自凹非寺量子位報導|公眾號QbitAI還記得ModelArts嗎？這是今年華為最新發布的AI開發平台，可以提供包括數據標注準備、模型訓練、模型調優、模型部署等AI應用開發服務。

其中， 進階深度學習？這裡有9個給程式員的建議 2018-10-14 乾明整理編譯自EvilMartians量子位報導|公眾號QbitAI俗話說得好，人往高處走。

在當前人工智能火得一塌糊塗的時候，很多程式員的心思也開始活絡起來了。

“要不要轉行做人工智能？”想 KNN算法的機器學習基礎 2018-10-08 本文為AI研習社編譯的技術部落格，原標題：MachineLearningBasicswiththeK-NearestNeighborsAlgorithm翻譯|小哥哥、江舟校對 無需數學就能寫AI，MIT提出AI專用編程語言Gen 2019-06-29 新智元報導來源：MIT編輯：元子【新智元導讀】為使AI算法開發初學者更容易進行編程設計，MIT的研究人員開發出一種名為“Gen.”的新型概率編程系統，無需處理方程式或手動編寫高性能代碼，即可在計算機視 用什麽語言的程序員最搶手？招聘網站數據告訴你 2019-03-03 安妮發自凹非寺量子位出品|公眾號QbitAI用人氣編程語言Python寫代碼的工程師，其實不是HR們的最愛~昨天，美國程序員招聘網站Hired發布的《2019軟體工程師狀態》報告中指出，基 騰訊優圖開源業界首個3D醫療影像大數據預訓練模型 2019-08-07 近日，騰訊優圖首個醫療AI深度學習預訓練模型MedicalNet正式對外開源。

這也是全球第一個提供多種3D醫療影像專用預訓練模型的項目，將為全球醫療AI發展提供基礎。

許多研究表明，深度學習的發展非常依 不用反向傳播就能訓練DL模型，ADMM效果可超梯度下降 2019-08-29 機器之心發布作者：王駿翔、禹富勳、陳翔、趙亮隨機梯度下降(SGD)是深度學習的標準算法，但是它存在著梯度消失和病態條件等問題。

本文探索與反向傳播（BP）完全不同的方向來優化深度學習模型，即非梯度優 一小隊學生搞的AI擊敗了谷歌的機器學習代碼！ 2018-08-14 這次成功表明了並非隻由精英程式員才能取得AI領域的進展。

圖片來源：AndrejKarpathyFast.ai的學生們剛開發出了一種AI算法：一項重要的基準測試顯示，其性能超過了谷歌研究人員編寫的代碼 獲得更多的PTT最新消息 按讚加入粉絲團