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(包括機器學習(ML)，深度學習(DL)，自然語言處理(NLP)，預測分析和多重神經(jīng)網(wǎng)絡)情況的見解，我們與22位熟悉人工智能領(lǐng)域的高管進行對話。

我們向他們詢問: 開發(fā)人員精通AI項目需要有哪些技能?

下面是他們給出的答案:

數(shù)學

這取決于你想要在這個領(lǐng)域研究多深入。人工智能是一門不可知的語言。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，代數(shù)和算法的演算等，但其中的很多知識前人已經(jīng)寫好了。你需要懂得自然語言處理的人類思維過程, 包括上下文，意圖以及如何鏈接實體。更深入地洞察人類思維過程。

有統(tǒng)計學的基礎(chǔ)。數(shù)學專業(yè)的人員更容易成為軟件程序員。在統(tǒng)計學方面擁有堅實的基礎(chǔ)可以使你在人工智能或者機器學習領(lǐng)域有所造詣。軟件開發(fā)者不能只是簡單地把一個Python庫應用于一個問題上。

計算機科學，數(shù)學，統(tǒng)計學，人工智能，深度學習，循環(huán)神經(jīng)網(wǎng)絡(RNN)。創(chuàng)建更高層次的抽象來將許多東西移植到機器上。

有 統(tǒng)計學，數(shù)據(jù)建模，大數(shù)據(jù)的專業(yè)知識, 并精通一種或多種編程語言方面對于嘗試進入AI領(lǐng)域的開發(fā)人員來說是一個良好的開端.

我們發(fā)現(xiàn)需要以下技能: 良好的數(shù)學技能 并有數(shù)據(jù)科學的學術(shù)背景。能跟上這個快速發(fā)展的領(lǐng)域(需要數(shù)據(jù)的領(lǐng)域諸如費用統(tǒng)計，會議數(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器學習工具集并將其集成到一個更大的項目中。

深入這個困難的領(lǐng)域并建立專長。了解數(shù)學和數(shù)據(jù)類型(數(shù)字和類別)。學習機器學習，算法，決策樹和神經(jīng)網(wǎng)絡。了解開源，Apache，谷歌，IBM，微軟，R語言，Python等技術(shù)或者IT公司和它們的技術(shù)。

數(shù)據(jù)科學

有能力并樂意查看數(shù)據(jù)，了解數(shù)據(jù)，預測數(shù)據(jù)，對數(shù)據(jù)有共鳴，能夠?qū)?shù)據(jù)圖形化以達到一定的理解水平。只要求掌握一定程度的數(shù)學運算技巧, 并且這個要求還在不斷降低。理解過度擬合的陷阱。這不是拖放式的機器學習, 人類可以給電腦更多的數(shù)據(jù)。將人類的洞察能力與編程輸入結(jié)合起來。問問你自己，你真正知道的有什么?數(shù)據(jù)能告訴自己什么?聰明的軟件開發(fā)人員會在思維上加入對數(shù)據(jù)的感覺和預測來習得機器學習。

精通Python和Java。了解TensorFlow，Caf 和Torch等主流人工智能庫。能夠從HDFS(Hadoop Distributed File System, Hadoop分布式文件系統(tǒng))數(shù)據(jù)庫中提取正確的數(shù)據(jù)。知道如何使用過濾器。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。精通數(shù)學。使用庫不要求開發(fā)者如同以前一樣知道很多知識。

知道一些基礎(chǔ)。Coursera上可以獲得理論基礎(chǔ)。開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。我們只需讓開發(fā)人員使用神經(jīng)網(wǎng)絡來構(gòu)建一個應用程序以了解圖像何時被完全正確呈現(xiàn)。了解AI框架和Spark。

什么是數(shù)據(jù)科學家? 他們需要會計算機科學，分析部署，攝取，ETL(Extract-Transform-Load, 數(shù)據(jù)倉庫技術(shù))，還有很多瑣碎的知識。知道如何實現(xiàn)價值。了解業(yè)務問題。

在學習中使用其他算法，觀摩其他客戶或業(yè)務問題來解決問題。利用現(xiàn)有的算法。關(guān)注可用數(shù)據(jù), 思考如何訓練系統(tǒng)，如何提供最佳結(jié)果，提升訓練級別, 組織開展編程馬拉松。學習TensorFlow，Spark和R語言.

數(shù)據(jù)科學家需要從R語言，Scala和Python入手。如果從事機器學習算法研究，請依靠語言學團隊的成員來確定如何針對機器學習進行數(shù)據(jù)預處理。

使用開源社區(qū)工具。專注于解決業(yè)務問題。學習Scala，R語言和Python。數(shù)據(jù)科學和機器學習正在使用R語言和Python進行迭代建模，但是它們不會縮放規(guī)模。因此必須使用Scala來進行縮放實現(xiàn)真正的分布式計算。

弄懂業(yè)務問題。理解認知系統(tǒng)。知道可用的服務有哪些才不會學習一些你用不上的東西。學習算法和大眾數(shù)據(jù)科學。學習如何使用Torch，Caf ，TensorFlow，回歸，Python，R語言和JavaScript。更深入地收集訓練數(shù)據(jù), 數(shù)據(jù)的質(zhì)量很重要。明白如何組織和準備數(shù)據(jù)。

其他

后端開發(fā)人員需要知道機器學習和大量圍繞人工智能的開源技術(shù)。前端開發(fā)人員需要學習有關(guān)機器人和會話流程的知識。

人工智能領(lǐng)域的知識。人工智能不像Tableau。你需要知道對應的問題的正確解決方案。弄懂統(tǒng)計學。建立深層次的人工智能知識。

人工智能有一套完整的技術(shù)。

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

作為人工智能開發(fā)人員, 我們的工作是關(guān)于訓練的。分解問題，思考如何有效地進行訓練。觀察并回到某個學習基礎(chǔ)點上。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。獲得一個不同的思維方式并解決手頭的問題。

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

有某個領(lǐng)域應該是屬于機器人領(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，例如機器人和應用程序，但是有整個的人工智能機器人應用。我很好奇軟件和硬件如何融合在一起，使得真實的設(shè)備和物理對象變得聰明起來。

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

那么, 你的經(jīng)驗又告訴你開發(fā)者精通AI項目需要些什么呢?

以下是我們進行訪談的人士:

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

數(shù)字服務集團領(lǐng)導, 阿比納夫 夏爾馬(Abhinav Sharma), 來自 Barclaycard, 美國

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

BlueMetal副總裁兼全國總經(jīng)理Matt Jackson

Bonsai公司首席執(zhí)行官Mark Hammond

CA Technologies大型機總經(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)理和首席營銷官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風險解決方案技術(shù)副總裁, 來自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首席應用程序架構(gòu)師

首席技術(shù)官和聯(lián)合創(chuàng)始人Bob Friday，營銷副總裁Jeff Aaron, 來自 Mist

甲骨文(Oracle)公司人工智能機器人和移動部門副總裁Sri Ramanathan

Sinequa高級產(chǎn)品營銷經(jīng)理Scott Parker

TIBCO首席分析官Michael O'Connell

 

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

歡迎來電咨詢0574 88168918,郵箱sales@cobinet.cn，網(wǎng)址m.czchengbang.com