大家好，我是爲人造的智能操碎了心的智能禪師。
做 AI 做久了，難免會有一些心得體會。
昨天禪師向廣大希望學習做 AI 的人，提供了一份非常有價值的“學習路徑”。
今天，禪師再進一步，給大家提供一份非常實在的“入行”指南。
文章提到的問題，一定也有你正面臨的困惑，這篇文章就回答你的問題。
本文作者：
同濟大學計算機專業碩士，曾就職於海康威視研究院擔任計算機視覺方向算法工程師，發表多篇學術論文、申請多項國家專利，參與多項圖像、自然語言項目相關課題研發工作，在計算機視覺領域具有深厚的專業知識和工程開發經驗。 網易雲課堂講師（已發佈課程“從簡到繁再到簡的CNN網絡綜述”、“從入門到實戰RNN深度網絡”）、百度深度學習講師（課程：深度學習中正則化方法）。
全文大約2500字。讀完可能需要下面這首歌的時間
?
目前，“深度學習”這一詞已經變得越來越普及，生活中也是到處都充斥着這一詞彙，同時也有越來越多的人開始想要從事這一行的相關工作，嘗試着接觸、瞭解這一行業。
當然，關於這一行業的相關介紹很多，也很雜亂，初學者往往很容易被各種各樣的概念搞得很迷惑，即便是計算機從業者有時候也分不清深度學習的很多問題和概念。
包括，很多朋友在選擇了這個方向以後，依然會感到迷茫，因爲有太多的研究方向去做，自然語言處理、語音識別、計算機視覺等等。
最近很多朋友比較關心如何入行深度學習/機器學習，有來自其他行業的，也有計算機相關專業的。通過這篇文章，希望能夠給大家再次解惑。
首先大概篩選了一些，大傢俬信、知乎以及微信公衆號上反饋的問題結果（這裏僅僅部分）：
1）想做計算機視覺/機器視覺，讀研應該選什麼專業？
2）請問，哪些本科專業研究生階段可以學 AI 呢?
3）嵌入式行業真的沒前途嗎？
4） 讀博期間的目標和節奏應該是怎樣的（主要在計算機視覺，深度學習，SLAM 等發展非常迅速的領域）?
5）如何看待現在機器學習崗位的高薪？
6）普通的一本院校計算機專業畢業以後找工作會看你的學校計算機專業強不強嗎？
7）計算機視覺直博，浙大 CAD 實驗室和中科院自動化所選擇？
8）想問一下，計算機視覺這個大方向怎麼選小方向啊？
9）想要搞高新技術產業，例如人工智能等，但本科進入電子信息類，需要轉到計算機專業嗎？打算讀博？
10）我是準大一學生，一直想學計科，沒想到被調劑到安全工程，我比較死心眼，打算自學計科，我該怎麼做？
11） 人工智能最近這麼火，今後會不會人才過剩？
12）計算機專業找工作是否注重本科學歷爲 985，211，還是更看重自身能力？
13）目前準研一，想自己研究機器視覺/計算機視覺，導師這邊沒有項目，碩士就讀於一所 211 大學？
14）想考深度學習方向的研究生，請問國內哪個大學比較好？ 15）計算機科學專業的發展方向問題？
16）入門機器學習，一個月可以學到什麼程度？可否提供學習規劃？
17）計算機科學與技術哪個方向就業前景好？
18）......
從上述這些問題總結來看，可以概括爲以下幾個方面：
不知道是否應該入行或者轉專業，比較關心：什麼樣的人適合學習機器學習/深度學習？需要多長時間，能學到什麼程度？是否注重學歷，學校背景？行業會不會過剩？
轉行到深度學習/機器學習方向之後不知道如何下手或者入門？如何規劃？如何選方向？如何選擇學校？導師？
關於 AI 方向找工作問題：機器學習算法崗位面試官關心什麼問題？計算機視覺崗位需要哪些技能？
接下來，筆者主要針對上述問題進行分析。以下內容爲筆者個人認知，希望大家辯證的看待。
關於轉行的一些問題
什麼樣的人適合學習機器學習/深度學習？
具備基本的數學基礎，或者通過短時間學習能夠掌握基本的數學知識
比如：高數、線性代數、概率統計、矩陣。如果高中畢業，不建議入行；文科同學，邏輯思維不強不建議入行。
具備編程基礎，或者通過學習能夠快速掌握 Python 語言
同樣，編程也需要邏輯思維能力，如果不具備，不建議入行。
至於專業重不重要，這個真的要看個人能力
機械專業畢業，畢業找寫代碼工作的比比皆是，計算機專業不也的寫不了代碼的也很多。專業並不是衡量一個人能否做什麼或者不能做什麼的標準（某些專業程度較高的行業另談）。
只能說，你如果具備計算機或者相關專業，基礎會相對來說好一些，找工作時，企業也會更傾向這樣的人才。
入行需要多長時間，能學到什麼程度？
首先，這一定不是一個短期的事情
據筆者瞭解到，通過培訓機構從其他行業轉行 Java，前前後後時間加起來都至少需要大半年的時間。
如果零基礎，通過兩三個月就入門深度學習，找到一個不錯的工作，這幾乎是不可能實現的。
給大家簡單列了下入門深度學習 / 機器學習課程體系：
從內容上看：
1、數學基礎包括了：高數、線性代數、概率統計、矩陣。 編程基礎：Python、MATLAB、C/C++、CUDA 2、機器學習理論基礎：西瓜書+花書 3、實戰進階（三選一）：計算機視覺、語音、自然語言處理 4、深入理解某一算法領域：比如，計算機視覺中的分類問題、圖像檢索、檢測問題等等
從時間上來看：
1、數學基礎：每本書 2 周時間，需要 1 個月 2、編程基礎（對於零基礎）：Python 可以先學，1 個月，C / C++，1 個月，CUDA 暫時不需要，這也僅僅是初級的入門，勉強會寫代碼，如果想熟練的寫各種腳本，程序，至少也要 1 - 2 年時間的積累 3、機器學習理論基礎：西瓜書 1 個月 + 花書 1 個月 4、實戰入門：1個月 5、實戰進階：2個月 6、深入某一算法：2個月
總共加起來，1 + 2 + 2 + 2 + 1 + 2 + 2 = 12個月，也就是，對於零基礎的人，沒有個1年的時間的打磨，基本上很難真正的算入行這個領域。
通過上面的分析，希望大家能夠理智的面對入行、轉行的問題。如果準備入行了，就要靜下心來積澱，不希望有人再問，“ 爲什麼我學了三個月看了很多相關的東西，依然找不到工作”？
幾個月就想跟別人熬了幾年的一樣？什麼時候算法工程師這麼廉價了？
其次，能學到什麼程度？
這個問題，因人而異，如果有可能給大家做個能力測評（可能會放在我的公衆號上）。
實際上，對於每一個轉行的人來說，都會比較關心這個問題，擔心自己學不會，或者行業不適合自己。盡然決定入行了，就做好不適合自己，可能會蹉跎歲月的心理準備。實際上，筆者更傾向，這樣的朋友不要轉行。不想跟大家說，“ 只要不是太笨，都能學好 ” 這類不負責任的話。
機器學習 / AI 深度學習算法工程師，是一個燒腦的工作，大家謹慎入行，合適自己的纔是最好的。
關於筆者如何調研相關具體方向內容：
1、查看碩士博士論文； 2、找到關鍵詞，查閱頂會和頂刊文章，並快速閱讀； 3、查找 arxiv 上最新研究進展； 4、查找綜述類的文章，把內容串起來； 5、github 或者作者主頁找代碼，調試； 6、結合新的文章思路，進行模型改進、優化。
最後，實際上，做的久了你就會發現，實際上 AI 算法工程師會涉及到各種各樣的方向、任務，最終大多數方向也是殊途同歸，每個領域依然是要靜下心來做透。
如果大家還是不知道如何去做的話，篇幅有限，筆者也沒辦法把各種方向一一列舉開，詳細分析，推薦大家閱讀筆者的達人課 [深度學習新手入門][2]，裏面涉及到了各種各樣的方向選擇，如何入門的相關問題，具體領域的介紹，分析，希望能夠幫助大家快速定位到自己的領域，入行深度學習。
關於 AI 方向找工作
很多朋友會關心 AI 崗位如何面試，面試官會關心什麼問題。實際上，不同公司情況也是不一樣的。