數學不好，進入機器學習領域還有戲嗎？

自從Google的AlphaGo引爆了人工智慧這個領域後，大量的人才開始湧入人工智慧領域，各大公司也都開始布局人工智慧方向。看一個領域的火爆程度，直接看相關職位的招聘人數和平均薪酬即可。就拿各大公司的校招廣告來說，對於人才的爭奪也是蠻拼的。下圖是2018年企業校招的薪酬表：

在互聯網上也瘋傳如下的數據：

看到這樣的數據，我真的是相當慚愧，剛畢業的學生，AI方向的都是30萬年薪起步，這讓多年奮鬥在計算機行業的我情何以堪。羞愧之餘，內心也有點不服氣，既然這個領域前景這麼好，我為什麼不能轉向這個領域。

於是我也採取了行動。AI領域最火的無疑是深度學習，網上很多人推薦從李宏毅的這份《Deep Learning Tutorial》PPT入手。這份資料在網上流傳很廣，很容易的就找到了。接下來就是專心學習，看到這裡（如下圖）

感覺還是比較好理解的，然而看到這裡：

這都是啥東東？再往後看，就越看越懵了。去知乎、Google兜了一圈，大家的觀點比較一致，進入AI領域需要有很好的數學基礎，入門的姿勢是從《線性代數》、《概率論》學起。

天哪！雖然大學裡也學過線性代數、概率論與數理統計的課程，可在當時就是學的就暈乎乎的，更何況過了這麼多年，完全沒有用過，要撿起來談何容易。面對這樣的現實，有點茫然，不知道該不該轉向機器學習領域。

最近讀了一本科幻小說《三體》，裡面有一段有寫到，人類基礎科學被智子鎖死，無法取得進展，但人類並沒有停止進步，在工程方面獲得了長足發展，也建造出了龐大的太空艦隊（雖然在三體文明面前仍然不堪一擊）。由此聯想到人工智慧領域，演算法相當於人工智慧的基礎科學，人工智慧在各個行業中的應用則屬於工程領域，既然搞AI演算法是沒戲了，做做AI應用應該還是可以的吧。

其實基礎科學領域的進展是相當緩慢的，比如計算機結構直到今天還沒有突破馮·諾伊曼結構，要知道這可是在上世紀四十年代提出的。AI的科學基礎線性代數、概率論等在幾十年前就已經發展得非常完備，這裡面大量的知識都是在上世紀初建立的。

初步思考了一下，作為開發人員，AI領域界可分成下面幾個層級：

科學家（專家）

IT巨頭對人工智慧科學家的爭奪可謂不遺餘力，為什麼他們這麼值錢呢？從工作上講，他們需要有深厚的理論知識，建立優秀的模型，並試圖從理論上詮釋模型，甚至將理論研究向前推進一步。從人數上看， 能夠做到這一步的人，可以說鳳毛麟角，天賦是繞不過去的大山，機遇和努力也缺一不可。

演算法實現及改進者

現在市面上已經湧現出了大量的AI框架，比如Tensorflow、Caffe等，這些就是他們的功勞。他們一方面需要有足夠的理論知識，同時有具有很強的技術，能夠將模型實現出來，或者根據經驗提出一些改進的模型。這些人通常都是各個機器學習巨頭公司的中堅力量，需要有紮實的理論知識，同時在架構設計、系統優化方面有著豐富的經驗。這個群體要比科學家群體要大的多，但顯然也不會太多，同樣也是各大巨頭爭奪的對象。

這個群體中還有一類人，他們擁有深厚的人工智慧專業知識，同時又對應用領域有足夠的理解，比如AlphaGo團隊的黃博士，本身是人工智慧方面專家（但還談不上科學家），同時又是業餘圍棋六段，對圍棋有足夠的理解，所以在圍棋AI設計與改進過程中發揮了至關重要的作用。

演算法應用者

其實我們身邊已經有很多人工智慧的黑科技，比如P圖、興趣推薦、語音識別，這些林林總總的應用構建了大眾可以感受到的產品。這些產品就是出自這一群體之手，這些人基本上不會在演算法領域涉入太深，只需了解一下各個演算法的實現，各個模型的結構，使用一些開源框架。他們更多的工作是結合實際的應用領域知識，比如圖像處理，在行業中應用人工智慧。

對於大部分IT人來說，最多在這一群體打轉，但我們也不能因此而不屑於參加進來。要知道，騰訊既沒有OS，也沒有CPU，就憑藉APP，同樣構建了一個龐大的帝國。

想明白了這一點後，我也只能加入第三類人群中排隊進場，能做一個AI領域的碼農不也是挺好的嗎？

在做了一些功課之後，我決定從如下兩本書入手：

《機器學習實戰》（英文版：Machine Learning in Action）

從書名就可以看出，這是一本實踐多過理論的一本書。這本書沒有從理論角度來揭示機器學習演算法背後的數學原理，而是通過「原理簡述+問題實例+實際代碼+運行效果」來介紹每個演算法。這非常對我這樣實戰派的胃口，邊學邊用，以代碼說話。

開始本書學習的前提條件也非常簡單，只需對python語言有基本的了解。不需要Linux、不需要GPU，只要有python編程環境就可以開始，對開發人員相當友好。

本書附錄部分還非常貼心的附加了Python入門、線性代數、概率論方面的基礎知識，畢竟要理解一些演算法，還是需要一點點基礎知識的。

《機器學習》（作者：周志華）

這本書被網友親切的稱為西瓜書，也是被很多人大力推薦的。但這本書是一本教科書，而且是一本入門的教科書。其宗旨是理清基本概念、了解領域概貌。就像人們到了一個陌生的地方，首先需要去找張地圖，大致弄清楚哪裡是山、哪裡有水、自己身處何處，然後才好到具體區域去探索。所以這本書更多是讓人「觀其大略」，對各種演算法都有大體的介紹，但都沒有深入。

雖然作者試圖儘可能少的使用數學知識，但相比《機器學習實戰》，這本書的數學公式還是多了不少，對讀者的要求也要高一些，讀起來要吃力一些。這本書也沒有涉及演算法的實現，不需要編程方面的知識。

個人覺得將兩本書結合起來看比較好，所以在以後一段時間內我將同時學習這兩本書，如果學習中碰到什麼問題，有什麼心得，也會寫出來和大家分享。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！