先看一组极具冲击力的行业数据。 2018年最新统计显示，Python、大数据、人工智能相关岗位的薪资水平已显著拉开与传统开发岗位的差距。为何人工智能行业的薪酬能如此之高？核心原因就在于供需失衡。无论是科研院所、互联网巨头还是初创企业，都在全力布局人工智能。人才储备无法匹配爆发式需求，人才缺口自然持续扩大。据领英当时发布的全球AI人才分布图，中国人工智能人才缺口已超过5万人。供不应求导致薪资水涨船高，这正是市场规律在发挥作用。 许多应届生和刚入行的程序员都希望抓住AI浪潮，凭借技术实力和简历冲进这个赛道。结果呢？不少人连简历筛选这关都过不了，更别提技术面试了。 原因并不复杂。当时的高等教育体系里，本科阶段几乎不存在深入的人工智能专业。这类方向属于高阶知识，需要扎实的数理和编程基础。虽然部分高校已开始设立AI和数据科学专业，但学生在校期间掌握的技能与企业实际用人标准之间，仍存在一道不小的鸿沟。 放眼望去，BAT的人工智能部门、高校AI研究岗位，以及“四小龙”（商汤、旷视、科大讯飞等）明星创业公司，准入门槛普遍较高。如果只学过计算机专业基础课程，缺乏实操项目经验，对人工智能缺少整体性和深度理解，想拿到这些公司的Offer并不容易。如果毕业院校不是清华、北大、中科大这类顶尖高校，那就更需要下一番苦功。 但这意味着没有机会了吗？当然不。至少我们还有学习的权利和能力。可以自学，也可以跟随这个领域的专家系统学习。 对于入门人工智能，核心无非是机器学习（Machine Learning）和深度学习（Deep Learning）。而它们的地基，则是编程（Python/C++等）和数学（高等数学、线性代数、概率论等）。 此外，AI本质上是逻辑算法的执行，底层依赖大数据。要让AI变强，就需要用优质数据去“喂养”它。数据相当于AI的食物，食物越新鲜、越干净，AI学得越健康。 从这个基础出发，想要真正进入这个领域，至少需要经历四个阶段的学习： **第一阶段：编程** Python入门、Python基本数据类型、Python网络爬虫。 **第二阶段：数据挖掘** 线性回归、贝叶斯统计、结合Airbnb等真实场景的数据分析实战。 **第三阶段：机器学习** 机器学习入门、强化学习入门、机器学习实战。 **第四阶段：深度学习** 神经网络与卷积神经网络、递归神经网络、图像风格迁移。 几百个课时的学习是基本要求。真正学透彻，需要投入大量时间，具体时长因人而异，基础不同，进度也会有所差异。