2018 年，人工智慧在各行各業中的落地應用越來越多。十多年前，所有的企業都在想辦法網際網路化，如今，所有的網際網路企業都在試圖 ai 化。技術的競爭歸根結底表現為人才的競爭，毫無疑問 ai 工程師是 it 行業需求缺口最大的高階技術崗位，薪資水平雖遠高於其他行業，但 ai 工程師依然供不應求。除了高校裡科班出身的相關專業畢業生，有**經驗的轉型程式設計師也廣受 ai 公司的歡迎。
據招聘**的資料統計顯示，最高薪酬的 56 個崗位 ( 分為：60-100 萬、100 萬 + ；兩檔 ) ，要求碩士以上學歷的崗位有 30個，比例 53%，比 ai 工程師中碩士學歷要求的平均比例 28.6%，高出一倍。
在這高薪光環下，湧入ai行業的朋友越來越多。但是你們對ai了解多少呢？還是只知道一些高大上的名詞，高大上的話語都是寫給初學者或者其他領域的朋友來看的。就拿機器學習來說，真正的去學習機器學習的朋友們會深有體會，機器學習就是讓機器會「學習」，所謂的學習就是建立了一些模型、掌握了一些資料、去做了訓練和**，然後對我們接下來要做的事情有一定的自己處理的能力，甚至說人工智慧其實就是基於大資料和概率論等方法建立的處理問題的模型。在我們這學習機器學習之前，我們會經常接觸一些詞彙如：資料集、訓練集、模型、監督學習、非監督學習等等。
那麼通俗點講，何為機器學習？也就是說機器學習不需要制定具體的模型，而是讓計算機根據龐大的資料量自己訓練模型，與之相對的，例如cfd軟體，是建立在物理模型之上的，例如輸運方程等。在學習機器學習之前我們先了解一下何為監督學習和非監督學習，半監督學習暫時不介紹。
一、監督學習（supervised learning）
資料集中的每個樣本有相應的「正確答案」，根據這些樣本做出**，分有兩類：回歸問題和分類問題。
（1）回歸問題
例如**房價，根據樣本集擬合出一條連續曲線
（2）分類問題
例如：根據腫瘤特徵判斷良性還是惡性，得到的是結果是「良性」或者「惡性」，是離散的
二、非監督學習（unsupervised learning）
非監督學習的資料集跟監督學習不同，沒有任何標籤，即沒有相應的「正確答案」。從資料集中可以通過非監督學習得到資料的某種結構，可能是把資料分成兩個不同的聚集簇，稱為聚類演算法。
以上我們看到這些是處理後的結果，要想成為合格的機器學習工程師，我們要熟練如何把收集來的資料集進行處理，如何建立演算法模型、評估模型好壞，如何去做實際問題的**和分析等等都是我們需要學習的內容，可謂是任重而道遠！
機器學習最有說服力的是它似乎無限的適用性。機器學習已經讓很多領域受到了影響，包括教育，金融，電腦科學等。幾乎沒有機器學習不適用的領域。在某些情況下，實際上很迫切需要機器學習技術。醫療保健是乙個明顯的例子。機器學習技術已經應用於醫療保健領域的關鍵領域，已經影響了從護理學到醫學掃瞄分析的一切。
世界毫無疑問地以快速和戲劇性的方式發生變化，機器學習工程師的需求將呈指數級增長。 這個世界的挑戰很複雜，需要複雜的系統來解決它們。 而機器學習工程師正在構建這些系統。 如果這是你的未來，那麼請抓緊一切時間開始掌握這些技能吧。
晶元工程師成長之路 電子工程師成長之路
程師是科學家 工程師是藝術家 工程師也是思想家。一位偉大的工程師 曾經提出過這樣的一段感言。不錯，工程師是利用自然科學來創造工程的人。工程既是物質的也是思想上的。許多不朽的工程，偉大的發明以及出神入化的技術 方案，許多人往往只看到了他們的瑰麗，而作為工程師則更應該看到設計的靈魂。因此我們應該深入的理...
《運維工程師成長之路》一導讀
運維工程師成長之路 運維工作的發展方向與態度 隨著國內電商行業的發展和壯大，運維工作也變得更加複雜。為了保證系統及應用穩定 高效地執行，企業需要有更多的高階運維工程師。伺服器的穩定執行是企業發展較為重要的基礎，當前國內大部分中小企業對運維工程師的定位就是 打雜的 但隨著技術型公司的誕生及成長，運維工...
嵌入式開發工程師的成長之路
1 學習微控制器 1 你能用51微控制器做出一樣實際的東西嗎？即使它再簡單！2 要注意加深對中斷的理解。3 學習常用介面電路的設計 模擬電路，數位電路，復位，時鐘，電源，取樣輸入，負載輸出 4 學會繪製簡單的系統積體電路板 電源，時鐘，復位，外設led 能否得到合乎要求的pcb樣板。2 學習arm微...