半路转型作人工智能，谁说不可行？

本文由 「AI前线」原创，原文连接： 半路转型作人工智能，谁说不可行？
做者｜Tina
编辑｜Emily

AI 前线导读：2017 年热潮以后，新年到来，也许你还在迷茫该不应转型 AI？最近咱们出了四份报道，里面涉及 AI 的现状和对将来的预测。

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

《MIT 重磅报告：一文看清 AI 商业化现状与将来》是知名期刊《麻省理工大学斯隆管理评论》一年一度的报告。报告显示，2017 年，四分之三的管理者认为 AI 将会帮助公司进入新的商业领域，将近 85% 的受访者认为 AI 将会帮助公司得到或保持竞争优点。有 72％的受访者预计，将来五年人工智能会产生较大的影响。有五分之一的企业已在产品或服务中采用 AI 相关技术。

《埃森哲与 Infosys 重磅报告：AI 落地成果已出，仍无所做为将被踢出局》咨询公司埃森哲（Accenture）和 Infosys 在 1 月份分别推出针对人工智能的调查报告。报告显示，AI 不是一场泡沫，而且已经成为了企业运营的核心，他们认为，全球大部分企业已经开始看到人工智能带来的成果。

• Infosys 报告称，四分之三的企业部署了基于人工智能的技术
• 印度、美国和中国成为得到人工智能实际成果最多的国家
• 埃森哲研究称：投资人工智能能够提升收入和就业水平
• 半数企业认为，AI 时代培训和招聘是最重要的

《尴尬了，腾讯报告 AI 人才 30 万，然而实际只有两万》这份报告中总结了咱们对全球 AI 人才储备在范围与广度层面的研究结果。尽管这些数据以可视化方式反映了 2018 年年初全球人才市场的分布状况，但咱们必须认可，其中体现的仍然是以西方世界为主的人工智能人才市场模式。

为企业构建个性化 AI 应用程序要求相关人才队伍具有对机器学习 / 深度学习技术的深入理解，拥有多年工做经验，且可以在跨学科环境当中进行协做与开发。目前人工智能就业市场中“人才”严重短缺的现实代表，当下有能力立足商业、学科与工程领域实现学术研究与应用软件开发工做的人才数量仍极为有限。

《福布斯重磅预测：机器学习之火愈烧愈烈，开发者甩开膀子干！》这篇报告来自 Forbes 最新的机器学习市场预测、市场估计和预测的最新系列。报告显示企业将在 2018 年加大对机器学习项目的研究、投资和试点。人工智能和机器学习的支出将从 2017 年的 12 亿美圆增加至 2021 年的 57.6 亿美圆。与 2017 年相比，2018 年机器学习试点和实施的数量将翻一番，到 2020 年再翻一番。

总结来讲，2018 年咱们更须要学习 AI，或向 AI 转型；这样十年后，才不会为会否丢掉工做职位而发愁。

阳春三月，正是学习好时候，AI 前线联合贪心科技，推出了三月 AI 转型主题月，为你精心打造了五节免费公开课，让咱们知道工做在不一样岗位的咱们须要作哪些准备才能持续维持核心竞争力？ 零基础，怎么入行人工智能？

贪心科技 -- 人工智能 + 在线教育，贪心科技旗下的贪心学院创建在以人工智能推荐系统为核心的后台架构之上，打造最懂用户学识背景的自适应学习平台，为每一位用户提供个性化的职业教育服务。经过这个学习平台，咱们向学员和用户提供业界最专业、最全面、最有趣的人工智能及大数据课程。

咱们的讲师团队由业内最顶尖资深的人工智能技术专家以及教育专家组成。在人工智能的推荐系统辅助下，咱们将为您量身定作独一无二的学习路径。来自美国亚马逊、微软、高盛的资深工程师，北美顶级高校的教授，ACM/IEEE 院士，斯坦福大学、南加州大学、卡内基梅隆大学、加州大学、西蒙弗雷泽大学等北美最顶尖的高校讲师将为您授课。

互联网革命带来的人工智能时代正在迅速重塑着大众对课堂、教育乃至人类学习模式的理解。咱们坚信人工智能和在线教育的结合会给教育行业和整个社会带来颠覆性的巨大价值。

第一期：从亚马逊的推荐系统讲推荐系统的前世此生

分享时间： 三月一日 中午 12:30-13:30（将于明天开课，欢迎在文章底部报名参加）

讲师介绍： 袁源 Jerry，美国微软总部和美国亚马逊总部的资深工程师、主导多款核心推荐系统的研发，是人工智能、分布式系统、云计算方面的专家。博士毕业于美国新泽西理工，拥有 14 年人工智能、推荐系统、天然语言处理、数字图像和视频处理项目经验。曾师从中国科学院王守觉院士从事人脸识别研究、共同发表论文。在美国博士期间，主要研究 NASA（美国航天局）支持的基于人工智能的空间天气预测项目。

分享内容： 根据美国财富杂志的报道， Amazon 的销售额高速增加，得益于它将系统整合进用户购买， 从产品发现到付款的整个流程。根据华尔街分析师的估计， Amazon 的在线推荐系统的购买转化率高达 60%， 其实推荐系统有悠久的历史， 愈来愈多的互联网企业如中国的今日头条，美国的 Netflix 经过现代化的推荐系统给用户提供了史无前例的体验。推荐系统不是一个单一的技术， 而是数据挖掘，天然语言处理， 多媒体数据处理， 信息检索，统计学，行为心理学等学科结合的产物。一个成功的推荐系统依赖数据，系统架构，推荐算法和人机界面的有机结合，缺一不可。我但愿给你们分享经常使用的推荐系统算法， 提醒设计推荐系统时须要注意的问题，以及分享成功企业的推荐系统构架。

推荐系统提升购买转化率：

fortune.com/2012/07/30/…

分享提纲：

1. 推荐系统的概述
2. 基于内容的推荐
3. 基于协同过滤的推荐
4. 基于矩阵分解的推荐
5. 基于因子分解机 (Factorization Machine) 的推荐
6. 基于深度学习的推荐
7. 推荐系统架构

第二期：电商新宠：数据科学和 AI 技术

分享时间：三月八日 中午 12:30-13:30

讲师介绍：Dr. Liang，毕业于北美西雅图 University of Washington Ph.D. 现任职洛杉矶某酒类电商公司 Lead Data Scientist. 曾任职于 REVOLVE（美国最火 fashionbrand）的 Data Scientist; KPMG 的 Senior Associate in Data Analytics; 生物医药软件行业工程师兼 Research Scientist。 5 年 + 工做经验，在互联网产品，电子商务 business analytics，在咨询领域有丰富的商业数据分析和数据建模经验。擅长商业问题的分析、把业务问题转换成数据问题，怎么设定数据指标、怎么用拿到的数据回答问题. 精通主流建模语言工具，好比 Python/R, SQL/NoSQL, AWS, Google Analytics, Tableau，以及机器语言学习 (Machine Learning) 和天然语言处理 (Natural Language Processing) 相关的实际运用

分享内容： 电子商务 (E-commerce) 在当今发达的互联网背景下正蓬勃发展，而近两年火起来的数据科学和 AI 技术将会让电商行业如虎添翼，茁壮强盛。在此经过贪心学院公开课的机会，但愿和你们交流分享一下对北美电商行业的现状观察，探讨行业中表明性 AI 技术前沿（eg. 机器学习 (ML)/ 深度学习 (DL), 语言处理 (NLP)）和实践案例，并从技术的角度展望电商行业将来的发展趋势。

分享提纲

1. 北美电商分类与现状
2. 数据科学和 AI 技术在电商中的运用
3. 实例分析（Amazon Go, Smart Speaker, Netflix Artwork）
4. 行业将来技术趋势展望

听众受益：

1. AI 零基础或是有浅显了解的电商同行
2. 对电商和 AI 技术感兴趣的圈外爱好者或商务人士

第三期：深度学习在文本分析中的应用

分享时间：三月十五日 晚间 8：30-9：30

讲师介绍： 苏海波，清华大学电子工程系博士，百分点集团首席算法科学家，擅长人工智能领域的天然语言理解、动态知识图谱、深度学习、个性化推荐以及计算广告学技术；多篇论文发表于 GLOBECOM、ICC、IEICE Transactions 等国外顶尖学术会议和期刊；曾就任于新浪微博，负责广告系统的算法效果优化，以及信息流产品总体算法策略的设计及研发；现负责百分点大数据与人工智能核心算法。

分享内容： 大数据时代，经过文本信息掌握消费者偏好、用户口碑和品牌舆情已经变成企业最基本的生存和竞争能力，在这些应用场景中，文本分析的技术能力直接决定了信息挖掘结果的质量和效率，这对任何企业的对应技术部门提出了很是高的要求。百分点在文本分析方面有多年的技术和业务实践经验，服务了几百家企业级客户，而且成功采用深度学习技术显著提高了文本分析的效果，达到了业界顶尖水平。本讲座将分享深度学习模型在各类文本分析任务中（包括分词、命名实体、情感分析以及自动问答等）的应用实践，具体内容包括模型的技术原理、效果调优和性能的优化，同时展现对应的使用场景、业务案例和应用价值。

听众受益： 用户将会了解深度学习在企业级文本分析中具体的技术原理，以及在使用过程当中遇到的效果和性能方面的各类挑战和解决方案，同时，用户还能够了解对应的技术使用场景和实际业务案例。

分享提纲：

1. 文本分析的功能体系
2. 文本分析中的深度学习模型原理
3. 模型的训练集生成、效果调优以及性能调优
4. 模型的效果对比
5. 企业中的使用场景及案例

第四期：聊天机器人的历史，现状和将来

分享时间：三月二十二日 中午 12:30-13:30

讲师介绍：Danny Lan, Danny 现任 Google 工程师，曾任美国一家智能监控公司的 Director of R&D， 对视频和多媒体的智能分析有深刻研究。做为主要成员，他曾表明卡耐基梅隆大学在美国国家标准总局（NIST）举办的视频智能分析大赛中连续多年进入前三。其余参赛团队来自著名公司 IBM, BBN 等，以及包括斯坦福在内的多所世界顶级高校或科研机构。他在多个 AI 会议和杂志发表论文 20 余篇，论文引用次数近千。

分享内容： 随着 AI 技术的突破性进展，做为 AI 典型表明的聊天机器人在咱们的平常生活和工做中扮演愈来愈重要的角色。在这一个报告中，咱们经过介绍几个著名的聊天机器人，包括 IBM 的 Waston，Apple 的 Siri 等等，来帮你们理清一下聊天机器人的发展史。并经过对这些机器人的深刻分析，让你们对聊天机器人的分类，工做原理和将来的发展方向，有比较深刻的了解。

分享提纲：

1. chatbot 聊天机器人的概述，介绍著名 chatbot: IBM 的 Waston，Apple 的 Siri
2. 聊天机器人在生活和工做中的重要角色
3. 聊天机器人的发展史
4. 聊天机器人的分类
5. 聊天机器人的工做原理
6. 聊天机器人的将来发展

第五期：如何迎接人工智能转型

分享时间： 三月二十九日 晚间 8:30-9:30

讲师介绍： 李文哲，贪心科技（Greedy Technology）的创始人兼 CEO， 曾任凡普金科集团（爱钱进） 的首席数据科学家、 北京会牛科技的首席科学家兼投资总监 、美国亚马逊和高盛的高级工程师， 是金融行业开创知识图谱作大数据反欺诈的第一人，并具备丰富的战略制定和管理经验。美国南加州大学人工智能博士，荷兰阿姆斯特丹大学的学者， 前后在 AAAI、KDD、AISTATS、IAAI 等国际顶级会议上发表过 15 篇以上论文、前后得到 IAAI, IPDPS-Parlearning，CISC-W 的 best paper award。 兼任多家中美创业公司和风投投机构的技术顾问，以及兼职讲师。

分享内容： 人工智能是这个时代一个很重要的标签，近年来，不少互联网公司试图从“互联网 +”转型到“AI+”， 在这过程中咱们不只须要 AI 人才，也须要思惟模式的转变。因为行业人才缺口巨大，相关岗位薪资也飞涨船高。在这样的一个大环境下，工做在不一样岗位的咱们须要作哪些准备才能持续维持核心竞争力？ 面对铺天盖地的信息，不知无从下手，该怎么办？ 零基础，怎么入行人工智能？ 在本次讲座里，我会围绕这些话题探讨一下怎么转型从事人工智能。

分享提纲：

1. 人工智能时代来临，谁须要了解人工智能，为何
2. 浅谈人工智能思惟，以及它对团队、产品的影响
3. 从一个新的角度来认清人工智能的知识体系以及人工智能的本质
4. 人工智能行业岗位的技能图谱
5. 怎么选择一个最适合本身的学习路径

3 月第 1 期课程将于明天开启

• 主题：从亚马逊的推荐系统讲推荐系统的前世此生
• 开课时间：3 月 1 日（周四）中午 12:30
• 形式：APP & 网站直播授课 / 多讲师讨论
• 如何听课：扫描海报二维码，进群可收到听课地址

PS：本次配合直播学习还为你们准备了价值 1999 元的“人工智能学习资料包”，你们不要错过。

更多干货内容，可关注AI前线，ID：ai-front，后台回复「AI」、「TF」、「大数据」可得到《AI前线》系列PDF迷你书和技能图谱。