【转】http://www.sohu.com/a/214235235_160850
学习人工智能，就必须要搞清楚与AI相关的领域，学习了后能做哪些具体的工作，李烨老师的这篇文章写的非常的接地气。
一、涉及到的领域（能力有限，小白还是把人工智能与机器学习暂且混用吧）
1）模式识别、数据挖掘、统计学习；
2）计算机视觉、语音识别、自然语言处理等
二、具体工作
1）做算法（算法工程师）
具体工作就是读论文并将论文中的阐述进行论证和重现，进一步确认是否可应用于本企业产品，进而将其应用到实践中提升产品质量。真正自己写有质量的学术型论文还是比较少，暂且叫科学家吧，大部分做算法的还是以参考别人的论文为主。这里面有一个所有志于算法的同学都必须知道：https://arxiv.org（这里包括多个学科大量的最新论文）。
而做一名合格的算法工程师也需要具备一定的能力：①英文阅读能力，而且是专业学术论文，小白觉得这个能力更多是意志力，只要坚持，硬啃，终究还是能读得过去；②数学能力，读得过去并不表示读懂，真正理解图表含义，熟悉公式的推导，才能从原理上去掌握他人的数学模型，这里面就涉及到微积分、线性代数和概率统计的数学知识了。
简单一点，算法工程师就是已经发明出来的算法的熟练使用者，最好是能玩出新花样的玩家。
2）工程（机器学习工程师）
也叫调参工程师，具体工作是使用别人开发的框架和工具，运行已有算法，训练业务数据，获得工作模型。期间可能需要一些处理数据、选取特征或者调节参数的手段。
做工程要求没有做算法的那么严格，但也得读论文，读懂其中的数学公式。①算法能力，要了解某个算法的基本原理、应用领域、功能和局限才知道怎么去使用，对所采用算法和对应模型的数学公式和推导过程有所了解才知道怎么去调参、去优化运行效率；②数据处理能力，要知道特征提取、向量空间模型构建、数据清洗和处理才能去验证模型的质量。
简单一点，调参工程师就是修改算法的一些参数，去验证算法模型的质量。
3）数据（数据工程师）
具体工作是对海量数据进行人工标注，为机器提供监督学习的样本。
做这一行需要的能力相对比较低，只需要给各种各样的文本、图像、音视频等数据打上对应的标签就好了，但重要性往往远胜于算法，样本有误造成的后果也是不堪设想。