前端开发工程师在人工智能浪潮里的改变

前言

做为一名在本科期间作过前端，研究生期间研究了深度学习，目前是一名前端开发工程师的我，应该说一下我做为前端开发工程师在人工智能浪潮里该作些什么。

如何看待人工智能

本人是深度学习方向探索过三年的研究生，在老师的洗脑下对深度学习和整我的工智能方向是很是看好的。我认为深度学习有能力实现真正的强人工智能，产生一次新的技术革命，我称之为智能化革命。将来会有大量的岗位被人工智能所取代。固然也可能包括软件工程师。

深度学习给前端的挑战与机遇

相信不少人都知道了pix2code这个研究成果，lstm曾在天然语言处理上有很大的成功，如今开始了对编程语言的挑战。对于不少前端开发工程师来讲能够说是百感交集，将来有了机器人帮本身工做，彷佛能够摆脱一些繁琐的页面样式工做，但也可能会为本身的将来感到担心。

这里我大胆的猜测一下，三年后相似pix2code的东西在科研层面将会很是成熟，具体的就是识别速度大大加快，识别率大大提高。为何这么说呢，是基于一个经验和一个事实。经验就是，在深度学习领域如此轰动的成果必然会有不少科研人员加入这个方向的研究，另外一个事实就是目前识别率不高的很大问题在于训练样本集过小。

假设几年后前端开发工程师已是能够在深度学习产出后的代码上直接工做了，那么不少前端工程师的职能必定会有很大的变化。深度学习的大发展也让前端工程师有了新的分支——数据可视化工程师。百度的Echarts就是一个很好的例子。

学习深度

人工智能算是一个大坑，因此在这块的认知能够根据实际状况对应学习。

• 基础认知

  做为一名工程师了解深度学习，机器学习到底是什么，他们能够处理什么样的问题是颇有必要的，就算在长时间内可能不会去处理相似的问题。另外能够关注一下深度学习的一些突破性进展。

• 实践探索

  这里若是是对python没有基础也不想学习的，能够去使用js的一些库，推荐keras.js。这个库能够将keras的训练后的模型直接在浏览器端作一个识别也能够进行网络可视化。
  谷歌推出的浏览器端的机器学习库deeplearn.js.
  node的machine_learn
  python党例如tensorflow，keras都是很好的库。
  若是须要实践能够在github上找一些小项目理解一下运行的流程，网络的结构便可。一开始若是就尝试啃公式和论文会很痛苦。

• 深刻原理
  首先先申明一点，学习算法的到深处都是满满的数学公式，因此若是有须要能够对例如svm，梯度降低，神经网络的数学模型进行学习，甚至推导。基础的知识我推荐http://ufldl.stanford.edu/wik...。 其余知名算法的数学模型网上也比较多。