搞人工智能最难的工作是人工智能的算法研究，这样工作通常都要求是硕士以上学历，这样的职位也比较少，这类工作主要是一些大公司的研究院、基础研发部门在搞，比如阿里的达摩院、华为的研究院等。
普通的人工智能相关的工作大部分都是对算法的应用和参数调整，要求针对业务应用场景要确定所用的算法，要能调整参数进行结果的优化，这样的工作需要你对相关的算法要熟悉，包括算法的原理，理解原理了才能调优，现在的就业市场上的人工智能类的工作大部分都属于这类的工作，这类工作也需要有高数、线性代数、概率论、统计学等相关数学基础，否则看不懂算法的原理和推导。
另一部分和人工智能相关的工作就是特征工程，你可以理解为数据的提取和计算等，这个工作占整个相关项目的大部分的工作量，主要是通过编写程序进行数据的准备和计算。
当前，通常采用python做一些模型验证，python可以说是人工智能工作必须要掌握的开发语言。系统真正运行可能采用其他的语言和框架，比如SparkSQL，TenforFLow。
所以，真要想从事人工智能，必须要学python语言，这个是第一步。另外你可以尝试数据分析这个的方向，这个比人工智能的门槛要低一些，你可以先打好这方面的基础。
人工智能和编程哪个待遇好？
应该是人工智能待遇优于编程，首先大家要明确人工智能是近年来各大科技企业争相专研及开发的重点区域，人工智能能有效提高产能，并提升劳动生产力，而编程只是一项技能，而且编程范围过大，有些比较简单的编程未必能产生多大效能，因此人工智能比编程待遇好。
想自学人工智能编程？
GitHub上，有个新发布的深度学习教程，叫PracticalAI，今天刚刚被PyTorch官方推荐，已经收获2600多标星。
项目基于PyTorch，是从萌新到老司机的一条进阶之路。这条路上每走一步，都有算法示例可以直接运行。
新手可以从基础的基础开始学起，不止线性规划和随机森林，连笔记本怎么用，NumPy等重要的Python库怎么用，都有手把手教程。
到中后期，可以学着搭高级的RNN，厉害的GAN，这里还有许多实际应用示例可以跑。毕竟，这是一个注重实践的项目。
这里的算法示例，可以用Google Colab来跑，免费借用云端TPU/GPU，只要有个Chrome就够了。没梯子的话，就用Jupyter Notebook来跑咯。
内容友好，持续更新
PracticalAI里面的内容，分为四个部分，并将持续更新：
基础 (Basics)，深度学习入门 (Deep Learning) ，深度学习高阶 (Advanced) ，以及具体应用 (Topics) 。注：此处非直译。
· 基础部分，除了有Python指南、笔记本用法，以及Numpy、Pandas这些库的用法，还有线性规划、逻辑规划、随机森林、k-means聚类这些机器学习的基本技术。
有了这些，可以走进深度学习的世界了。
· 深度学习入门，包括了PyTorch指南、多层感知器 (MLP) 、数据与模型、面向对象的机器学习、卷积神经网络 (CNN) 、嵌入，以及递归神经网络 (RNN) 。
· 深度学习高阶，会涉及更高级的RNN、自编码器、生成对抗网络 (GAN) ，以及空间变换网络 (Spatial Transformer Networks) 等等。
· 最后是应用。计算机视觉是个重要的方向。除此之外，还会涉及时间序列分析 (Time Series Analysis) ，商品推荐系统，预训练语言模型，多任务学习，强化学习等等示例可以运行。也可以修改示例，写出自己的应用。
细心的小伙伴大概发现了，表格里的有些话题还没有加链接 (如上图) 。项目作者表示，这些部分很快就会更新了。
另外，表上还有没填满的格子，作者也欢迎大家前去添砖加瓦。
食用说明，无微不至
项目作者用了三点来描述这个项目：
一是，可以用PyTorch来实现基础的机器学习算法，以及神经网络。二是，可以用Google Colab直接在网页上运行一切，无需任何设定 (也可以用Jupyter跑) 。三是，可以学做面向对象的机器学习，与实际应用联系紧密，不止是入门教程而已。
那么如何上手？笔记本跑起来啊：
(步骤几乎是针对Colab写的。Jupyter用户可忽略。)
第一步，项目里进到notebooks目录。第二步，用Google Colab去跑这些笔记本，也可以直接在本地跑。第三步，点击一个笔记本，把URL里的这一段：/替换成这一段：https://colab./github/或者用Open In Colab这个Chrome扩展来一键解决。第四步，登录谷歌账号。第五步，点击工具栏里的COPY TO DRIVE按钮，就可以在新标签页里打开笔记本了。第六步，给这个新笔记本重命名，把名称里的Copy of去掉就行。第七步，运行代码，修改代码，放飞自偶。所有改动都会自动保存到Google Drive。
开始学吧，不然等到内容更新了，要学的就更多了。
项目传送门：/GokuMohandas/practicalAI/
— 完 —
