学习AI，但是企业却不要你

1.以下几种人企业不想要

1.1 基础非常不扎实

首先是编程基础

夯实linux，Git基础————夯实c++/python基础——了解开源框架——熟悉开源框架

linux基础，包括熟悉linux各类环境配置，熟悉shell脚本，熟悉cmake/make编译环境

git基础，熟练使用github等，学会版本控制

c++基础，熟悉c++的基本语法，类的设计，代码的编译与调试

python基础，需要非常熟悉矩阵运算，各类基础库的使用

了解开源框架，这就是大部分人的水平，知道某个开源框架的基本使用。

熟悉开源框架，需要熟悉主流的开源框架，掌握高级用法，阅读过源代码。我们不能指望只掌握一个开源框架的，难道只会tensorflow或者pytorch，放弃google和facebook其中的一个吗,或者不会用caffe永远无法再公司完成移动端模式的训练和部署。还有太多太多的，可以慢慢来。

然后是算法基础

信号处理与图像处理基础————传统机器学习————深度学习入门————深度学习进阶

信号处理与图像基础，包括熟悉信号处理领域的基本概念的，图像的额基础概念的和基本算法，这些现在深度学习方法的结合越来越多。

传统机器学习，指望深度学习对所有任务end-to-end解决是不可能的，深度学习往往都只是解决问题的第一步，许多任务（比如平滑的跟踪，重建等后处理）的精修全部都需要传统方法。不会就意味着不能独立完成一个项目。

深度学习入门，所谓入门就是的知道使用一个框架，拿出一二班不错的模型，跑完的一个任务的整个流程，或许还会做一些简单的改进，这也就是大部分人的水平，能把任务的做到95%却做不到的98%

深度学习进阶，到了这一步才是收入的分水岭。需要丰富的项目经验，比较扎实的理论基础，才能用同样的资源作出完全不同的效果。

1.2 态度非常不认真

如果你是一个牛人，有着超出大部分的聪明才智，能一个人干翻一个团队的，就算其他都市弱点，没问题

如果你只是普通人，愿意多付出很多时间，喜欢查漏补缺别人不做但是却可能对项目非常有用的方案，那也没问题。

如果是其他的，我就不会招了。

有一个老大跟我说：“招一个不靠谱的人来做事，我付出时间还放心不下，不如让老员工来。”

企业要的是从头到尾，可以把事情放心交给你的人。

大部分任务确实并不难，谁尝试的方案，跑过的实验多，谁更加细心，就有可能做的更好。

有人不愿意花时间筛选数据，只等着别人送过来数据，撸起袖子就开干。

有人不愿意多跑一个实验，搞到一个勉强的指标就想交差了事了。

有的人这也懂，那也懂，做出来全是错的。

1.3 热衷学习，能说会道不会做

这类人的特点就是的，看了大量的书，听了大量的课，说起来头头是道，但却不喜欢实践。只要针对某一个问题问一点细节，一戳就破。

想想也是，搂着女朋友看书看视频，当然很舒服，谁还看不懂呢，但是时间长了，花拳绣腿和纸上谈兵就原形毕露。

02 学习AI需要哪些技能

这一行是一个交叉学科，需要的技能非常多，一计算机视觉为例，为了工作的正常独立运行，以下可以说是必备技能。

2.1 编程基础

熟练使用linux，git,vim等环境和工具。

熟练掌握C/C++、python等编程工具

熟练掌握cmake,g++等编译工具

如果以上基础不扎实，后果是什么呢

别人的代码不会用，看不懂。

遇到简单bug调半天，稍微复杂一点自己根本搞不定。

写出来的东西，公司不能用，不敢用

2.2 算法基础

熟悉传统图像算法啊，机器学习算法

熟悉跟踪并阅读行业前沿研究，复现结果

系统性熟悉深度学习理论

如果以上的基础不扎实，后果是什么呢？

目光局限，基础概念需要到处查漏补缺

论文看不懂，效率低下

无法创新，只会用现成的

2.3 框架基础

熟练掌握caffe、tenforflow、pytorch等以及不断新出的开源平台

如果以上的基础不扎实，后果是什么

无法验证别人的方案，代码经常跑不通而放弃。

无法复现别人的论文，只能停留在看热闹的阶段，等着别人开放源代码。

2.4 其他基础

掌握爬虫等前后端的基础知识

了解并熟悉cuda等GPU编程技术，了解一些移动端的硬件知识

了解并熟悉Android、ios等移动端的基础知识，在项目中可能会需要使用。

如果以上知识不扎实，后果是什么呢

日常的项目无法独立开工，永远需要别人帮助才能完成项目

个人能力有限，职业生涯天花板明显（当然，如果你在前面的算法等领域达到了顶尖水平，可以不需要这些附加技能，不过一般的达到顶尖水平的人，这点技能早就会了）

不要羡慕别人家的本科生的收入远远高于你。

想想自己有别人的一般厉害吗？