随着人工智能科技逐渐的融入到我们的生活里，人工智能也成为现在最热门的话题之一。AI越来越火了，火到所有人从小学生到老一辈都已经畅谈AI带来的改变.就在前两天百度2018年AI开发者大会上，他们打出了“决胜AI时代”的态度，背水一战的情绪可以说非常饱满了。而且国内大量的、一线的互联网公司已经在布局机器学习团队，优化智能产品，在这样的背景下，将行业人才的薪酬推高到了令人咋舌的地步，当很多大学毕业生还在为 10 万元年薪欢呼时，炙手可热的 AI 专业应届生年薪已高达 25 万~50 万元，三五年后很有可能涨至 80 万元。
这一迹象，对于广大程序员来说，特别是对即将走向技术一线的准程序员而言，还是值得重点关注的。回顾一下移动互联网所带来的机遇，很容易就能算清，掌握AI技术能为一线工作带来怎样的优势。不过，跟移动开发不同，要求严苛的数学门槛，成本高昂的实战训练，令AI人才的培养周期猛增至5年以上……似乎没有硕士、博士的知识储备，就一定要跟AI相关的技术工作说再见了。实情果真如此吗？
为此，笔者特意找寻了几位从事AI的工程师，得出以下结论：
虽说每个人入行AI工程师的成本都不一样，但通常来说，数学基础比较扎实的研究生或是工程经验MAX的开发人员通常会比较有优势。因为大多数AI用人企业对大家都会有以下五个方面的考量：
第1，数学基础。我们都知道，要学习人工智能，最基本的高数、线代、概率论必须掌握，至少也得会高斯函数、矩阵求导，明白梯度下降是怎么回事，否则对于模型的基本原理完全不能理解，模型调参与训练也就无从谈起了。
第2，编程基础。当然，如果是做纯算法研究员，工程能力的要求不会太高，但也需要能写源代码；而对于做算法引擎开发或是应用开发的工程师来说，代码实现的能力高低就直接决定了工作产出的质量与效率了。所以，想做AI工程师的你需要熟练掌握至少一种编程语言，并掌握配套的工具、常用库等。
第3，机器学习基础。由于本轮人工智能的热潮来源于深度学习相关技术与应用的优异表现，所以招聘最热的岗位无疑是机器学习算法工程师。因此，机器/深度学习的经典算法、常见的神经网络模型、模型调参和训练技巧就需要尽可能多和深入地掌握了。
第4，专业领域知识基础。人工智能主要应用领域可大致分为图像、语音和NLP（自然语言处理）。无论是其中哪个领域，都有海量的专业知识需要去掌握，比如如果你想从事智能驾驶行业的机器视觉方面的工作，那么你就需要掌握图像相关的知识；而如果你想做一款智能音箱的算法开发，你就需要掌握语音和NLP相关的知识。
第5，具体行业的深度认知。任何应用场景都有自己独特的数据结构，而一个能够落地的AI应用自然离不开对于业务本身的深入理解。算法工程师们需要清晰地把握一个AI系统由哪些模块组成，相互关系是什么，都用到哪些技术，解决什么问题，才可能针对具体的问题展开实验研究，从而进行优化。
但是我们大多数普通人而言，在奔赴AI工程师的路上，大家会发现一个问题：获取学习资料很简单，但是做项目很难。
自己做的时候，代码经常报错或是优化结果不理想，但是就是找不到问题在哪里，感觉每个参数背后好像都藏着一个天大的坑...
好不容易通过看论文、看视频弄清了这个坑有多大，但又不知道怎么填。于是只好去找有项目经验的前辈请教，但是大牛通常都很忙，问一次两次还行，问多了就开始敷衍了...扔一大堆英文文献过来，让咱自己看，顺便还推荐了一串公众号...
实训营从数学基础开始补起，从机器学习原理到深度学习，再到四个工业级项目的系统实战，分为三阶段
https://blog.csdn.net/isuccess88/article/details/54588131