深度学习：不一定难
“非计算机专业能学会使用深度学习吗？”
“数学基础快忘完了，英语也只是四级飘过，能学会使用深度学习吗？”
“甚至连最容易学的Python语言也不会，有机会吗？”
哈哈😝，我在一年前也向别人问过类似的问题。
我的答案是：学会使用绝对没问题。毕竟不需要自己凭空创造嘛。
可以这么说吧，人工智能犹如造车运动，可以分为俩大阶段。
第一阶段为发动机的研发，轮子的研发......
这个阶段确实很难，绝对的难，这些是世界级顶尖博士，博士后干的事情（这样的人其实很少，像整个行业估计只有一俩万人，阿里云社区有资料说只有一万余人）。
他们花了大量的时间干了很多事情，也的确干出成绩来了，比如深度学习的应用算法：人脸识别算法，语音识别算法，自然语言处理算法，计算机视觉算法等等。这些成果犹如汽车的各个部件。
第二阶段为各个部件的组装，像我们这类汽车组装工人，就可以按照汽车的组装指南或者说明书什么的，拧拧螺丝，装装轮子，总而言之，不用自己去发明轮子之类的部件，唯一做的就是把它们组装起来。也就是说，我们可以使用诸如Tensorflow，Keras，PyTorch,MXnet等免费框架组装那些看似高深的算法，做得好的话，了解不同型号的组件(算法)的优缺点，从而做出正确的选择，以便组装出来的人工智能模型性能更好。
看吧，思维是比较容易理解的。
话不多说，我们进入更为重点的重点，以下是我联合陪我一起学过来的朋友们，交流讨论之后想要分享给您的思考和认知方法论。
成功使用深度学习的思考以及认知五部曲：
（1）深度学习工程师怎么样？
（2）深度学习对你有什么用？
（3）使用深度学习难不难？
（4）非计算机专业（材料成型及控制工程）可以转行使用深度学习吗？
（5）你可以怎么做？
（一）深度学习工程师怎么样？
傅盛曾经说：“深度学习是一种新的思维方式”。
实践证明，深度学习不仅仅是一种新的思维方式，更是一种革命性的技术。它是目前来说，实现人工智能最为有效且成本最低的方式。
我们来看看，市场上主流的人工智能公司对人工智能的技术待遇是怎样的？
深度学习工程师拉勾招聘薪资：
深度学习行业薪资报告：
深度学习系列网络结构（类似上文提到的汽车部件，如发动机，轮子等）：
深度学习可以做什么：
（二）深度学习对你的作用
（三）深度学习难不难
难与不难，没有绝对的定论，但是，一般情况下，注意俩点，都会有很大的概率学会使用深度学习。
第一是积累，第二是方法。
对大多数人而言，尤其像我这种非计算机专业毕业的小白，纯粹的完全的靠自学，在AI工程实践上很有可能半途而废，最多从认知上开拓眼界，增长见识。
能非常大程度上保证做到这俩点（积累和方法）的神器是学习社群。
社群能提供学习氛围，学习建议，学习动力等等。
（四）非计算机专业可以转行使用深度学习吗
深度学习人才可以分为俩类，一类是创造深度学习算法的人才（创造型人才），另一类是使用深度学习算法的人才（应用型人才）。
如果你是计划转行到第一类人才，除非你有很强的天赋，甚至已经实现了财富自由，否则，个人认为得不偿失，选择成本太高，而且，第一类算法人才的需求相对不大，甚至还会面临长时间不能输出成果的尴尬局面。
如果你是计划转行到第二类人才，相对来说容易很多，正如前面提到的，我们并不创造轮子，我们可以组装轮子嘛。按照组装说明书进行组装，这也不是没有可能的。
值得关注的是，目前的AI（人工智能）正面临着在行业里落地的阶段，使用深度学习算法的应用型人才十分短缺。
在人工智能落地具体行业的时候，纯粹的使用算法，甚至部分创造算法的创造型人才，相对来说反而不太容易落地，因为，人工智能落地需要对行业本身有深入的理解。
相反，在具体行业已经工作一定时间的非计算机专业的人才，可以被人工智能赋能，被深度学习赋能。与此同时，又对行业本身有深入的理解。虽然单从深度学习这个维度比不上走在前面的人，但再加上行业经验，结果尚不可知。
此外，使用深度学习也有很多的傻瓜工具，使用起来也不难，比如，阿里云，腾讯云，百度云，科大讯飞，商汤科技，矿视科技（排名不分先后）等等，都提供了实用，赋能的API工具，类似下图：
API方式使用深度学习（这种方式更简单）
（五）你可以怎么做
方法不抽象，不太普世，但可操作性还好，反正我是这么实践的。
(1) 加入一个社群，这个社群最好有以下几个属性
一：社群能提供学习方法
二：社群里有成功转型的AI从业者
三：社群里能提供鼓励，重要的是陪伴，这样会使你更少有孤独感
四：社群能在一定时间内回复你遇到的技术问题（当然不仅仅限于技术问题）
网友评论