人工智能是不是特别难啊？
恰巧做过计算机视觉方向的开发，也在公司负责过经典机器学习相关的一些项目。
一般情况，我都会先抛出问题的答案，再做详细的解答。但这个问题。。。。。
诚然，人工智能方向并不是特别难，当然也可以学。但，这个“学”，我并不清楚提主所说的，是要达到什么样的程度，衡量的量化标准是什么。
我把深度学习从业者的大致几个层次和对应的知识技能要求分别列在这里，提主可以根据自己的期望和对应的门槛来决定，自己是否要选择深入学习，是否适合自己。
1.简单理解机器学习原理，以工程开发和落地为主。
这类技术人员往往是由技术转型，或有其他学科理论知识限制，大多从事算法的工程落地和产品化。更多的是直接用第三方成熟或开源的半成品模型，来解决自己公司产品的落地问题。
比如：高数，统计，通信编码等，理论欠缺。他们会由算法部门提供基本模型，或直接调用百度，腾讯，face++等厂商提供的开放平台api，或半成熟方案定制产品。
这可能是这类工程落地人员比较喜欢的网站。
2.具备机器学习相关的比较扎实的各种知识理论，熟悉各种主流模型和主流算法。同时也熟练框架和模型开发。大部分人具有硕士学位，关注解读主流峰会的相关论文和最新技术发展。
这类技术人员往往在大公司的算法部门。他们的主要工作就是针对已有模型结合自身业务目标，做模型的开发/迁移/魔改/调参。个别时候，可能会把效果较好的论文描述落地成算法模型。当然，大部分时候，他们的工作还是前者。所以，也有人戏称，调参侠。
当然这部分同学的理论知识已经比较扎实。其实对于能沉下心的同学来说，几本通信理论和几本数学统计，几本机器学习XX导论的书，学到这个程度，完全不难。
这里推荐2本好书给提主。我发现凡是，XXX导论的书，一般讲的都不仅仅是导一下。
还有深度学习的一般概念书：
3. 完全精通深度学习相关各种生态知识，理论知识已经不再构成研究该领域的任何门槛。
这类大神，往往都具备高学历，高智商，国际名校背景。在一流公司担任算法研究。cvpr这类会议，经常会看到他们的论文刷屏。比如，各种主流落地开源模型的作者。这里不具体列出了。
提主可以根据自己期望的程度和知识要求，衡量下自己是否适合这个方向。不得不说，想在这个领域有所建树，数学确实是个非常重要的基础。所以大多算法研究岗对学历的硕士要求，确实可以理解。
当然，从行业发展来看。懂深度学习的模型落地工程人员，才是市场需求量最大的。其次是模型的开发人员，也就是第二种。
如果希望在这个算法领域做工程落地，是没有太大难度的。如果是做，有理论的调参侠，可能要自己沉下心，学习一些数学知识，也不算太难。
最近正准备做一些，零基础入门人工智能相关的视频教程。每天3-5分钟，以最简单有趣的方式，带爱好者实操入门。
如果有任何相关的问题，欢迎留言与我讨论。谢谢。
