前言
參考塞繆爾. 約翰遜（18 世紀英國文學評論家、詩人，著有《英語大辭典》、《莎士比亞集》）的思路，“當一個人厭倦了學習技術，那他肯定也厭倦了 IT 行業，因爲只有持續學習，纔會有 IT 行業帶給你的一切，包括金錢”。這是 IT 行業的實際情況，沒有哪個人可以靠吃老本長期生存，AI 技術更是如此。最近我在讀《倫敦人》，書中講述了 200 多位新老倫敦人對於倫敦這座城市的切身感受和故事，感覺應該就 AI 技術人才的成長寫一篇，因此，有了本文。
非 AI 專業技術人員轉型 AI 技術，或是作爲一名學生學習 AI 技術，對每個有這樣訴求和經歷的人來說，可能都希望能夠看到類似經歷的人，給出自己的真實經歷分享。
今天，我找了幾位我的同事，包括我在內一共五位，我們都很有代表性，逐一介紹一下：
-
麥克周：2004 年畢業於浙江大學，計算機專業碩士，15 歲開始學習編程，使用的是 Basic 語言，讀書期間主要寫 C 語言，2004 年畢業時寫的是 JSP 代碼（一種將 Java 語言嵌入在 HTML 代碼中的編寫方式），工作幾年後轉入分佈式軟件技術，再後來進入大數據技術領域，最近的 4 年時間從事 AI 平臺產品研發工作。
-
Mr Qiu：算法相關專業碩士，工作五年時間。2013 年進入杭州電子科技大學學習人工智能和電子信息技術，碩士方式主要以嵌入式和圖像算法爲主，畢業後進入安防行業的大華公司，再到華爲，一直從事計算機視覺、算法移植優化、訓練框架優化、機器學習等工作。
-
Hannah：曼徹斯特大學電子電氣工程本科，倫敦大學學院數據科學碩士，畢業後加入華爲公司，已經工作兩年。華爲公司作爲國內私有云的先驅廠商之一，在數據科學這一領域有很多沉澱。因此，工作期間有機會參與多維度的工作，從算法研究落地，到平臺開發，再到 POC 項目開發、現場建模 PK 等，在短時間內加深了對數據科學這一學科的認知。
-
Doctor Zeng：國內某重點大學博士，2018 年華爲 Special Offer。本科畢業工作五年之後回到學校，繼續自己的碩博攻讀。碩士期間開始協助導師做項目，接觸 IT 行業的十餘年時間，具備豐富的信息系統項目開發與管理經驗、人工智能領域的項目實戰經驗，並作爲實驗室技術骨幹參與若干國家級、省部級項目。博士期間的主要研究領域是 NLP、知識圖譜，現擔任華爲某算法建模團隊首席專家。
-
帆哥：20 年 ICT 工作經驗，4 年信號處理機開發，5 年企業數通產品研發，3 年操作系統架構設計，3 年大數據分析研究，5 年 AI 產品規劃，目前是華爲雲 ModelArts 首席產品管理專家。
正文
麥克周
知識不能單從經驗中得出，而只能從理智的發明和觀察到的事實兩者比較中得出。-- 愛因斯坦
作爲一位喜歡徹底搞清楚原理的軟件工程師，我的每一次轉型都在大量閱讀和實際操作中完成。我給的建議是根據自己的實際情況，從全局性的到具體技術的書，一本本讀，不要急。
我看的第一本書是尼克的《人工智能簡史》，這本書幾乎全面講述人工智能的發展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，當然，他不是一本動手教你編程的書，而是給你一個宏觀印象，適合 AI 產品經理、CTO 閱讀。
如果你覺得還需要進一步拓展自己對技術的全局性理解，我建議你可以讀 Stephen Lucci 和 Danny Kopec 一起編寫的《人工智能（第二版）》，這本書有點像高校的人工智能相關專業教材，堪稱“人工智能的百科全書”，全書涵蓋了人工智能簡史、搜索方法、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示、產生式系統、專家系統、機器學習和神經網絡、遺傳算法、自然語言處理、自動規劃、機器人技術、高級計算機博弈、人工智能的歷史和未來等主題。
看了全局化的知識後，建議你可以根據自己的實際情況選擇書籍，周志華的《機器學習》、Ian 等人合著的《深度學習》、Aston Zhang 等人合著的《動手學深度學習》、鄭澤宇等人合著的《TensorFlow：實戰 Google 深度學習框架（第 2 版）》、Vishnu Subramanian 的《PyTorch 深度學習》，這些書都是不錯的，當然還有其他很多優秀的著作，這裏不展開介紹，更多取決於你當前的狀態，你是想快速動手訓練模型，還是想了解清楚原理，因人情況不同而異。
除了系統化看書學習以外，我最希望的是儘快上手編碼、訓練模型，動手必須有 IDE 工具的支撐，我不太適應公有云的 IDE，但是又希望使用公有云的強大的計算資源，所以我希望能有工具，幫助完成本地 IDE 能夠與公有云平臺聯動，我講一個已經實現的案例 -- 如何使用 PyCharm 與 ModelArts 公有云服務聯動開發，快速且充分地利用雲端 GPU 計算資源。
全文請見ModelArts AI開發者社區：https://mp.weixin.qq.com/s/WmKVViGiq5-PTtuKDaFBsw。
點擊這裏，瞭解更多精彩內容