大数据高级工程师→人工智能开发工程师

我是51CTO的老粉了，2018年报名了大数据课程，在学习过程中我发现在大数据的课程里面有部分机器学习的内容，是关于spark ml里面的内容，学了之后我发现我对这个课程比较感兴趣，后面我了解到人工智能开发工程师是有机器学习和深度学习的，所以在学习完了大数据课程之后我就紧接着报名了《人工智能开发工程师》的课程。

人工智能开发工程师之Python部分

学习人工智能这门课，可以完全零基础学习。课程一开始就是对Python的学习，在Python内容设置中分为基础入门、Python爬虫，课程中还有Python自带的一些数据科学包，比如pandas等，个人觉得了解这些包怎么使用即可，后面有需要再回头学，没必要一次性全部掌握，后面不用很快就会忘记，这是数据来源必备的课程。之前我没有接触过Python但是在学习的过程中我发现比学习Java要快一些。

人工智能开发工程师之机器学习（重点）

接着就是机器学习必须掌握的数学基础。这一部分必须得仔细啃一啃，可以不完全掌握但必须得知道，因为这是理解后面机器学习算法公式推导的基础。数学这块在从事机器学习相关的工作也会用到，但也不一定，要求低一点的机器学习相关的岗位，只需会tensorflow，调参数，写业务代码即可。所以这一部分没有学好，不要放弃，毕竟数学能坚持下去必须圣如佛才行。

然后就是基础的机器学习算法讲解，这一部分建议多实践，反复学。比如逻辑回归、线性回归、GDBT、DBSCAN等机器学习算法，梯度下降求解，各类损失函数，这些都是机器学习的核心基础，深度学习也是在这个基础上再进行下去的。

人工智能开发工程师之深度学习（难点）

深度学习这块个人学习的比较浅，网络结构更加复杂，理解起来没有基础机器学习那么容易。网上会有各种各样的深度学习网络框架简称。个人建议只用记住学习的顺序：MLP -> DNN -> CNN -> RNN，这样的网络模型学习下去就可以了，课程也基本是这样的结构，其他的深度学习模型大部分都是这些模型的优化变体。

最后希望大家都能找到属于自己的学习方法，好好学习！！！

人工智能开发工程师→Python全栈开发工程师

高尔基曾说过：“如果不想在世界上虚度一生，那就要学习一辈子”，于是我又在今年3月底在51CTO报名了《Python全栈开发工程师》，接下来我要继续去学习咯~