微信公眾號

關鍵字全網搜尋最新排名

【機器學習演算法】：排名第一

【機器學習】：排名第一

【Python】：排名第三

【演算法】：排名第四

最近幾天，在 2018 CES科技盛會上，百度無人駕駛系統 Apollo 2.0 正式開放，百度COO 陸奇表示，藉著 Apollo 平臺，他想打造中國無人車國家隊！

All in AI, 一句話看出了百度的野心。而百度，只是 China + AI 戰略格局中的一個縮影。2017年，人工智慧首次進入政府工作報告。隨著政府和產業界的積極推動，中美兩國的人工智慧技術競賽格局已越來越明顯。

在中國，移動網際網路時代即將過去，各大公司都在用AI賦能。1月10日，移動網際網路招聘平臺BOSS直聘基於大資料平臺積累的資料，釋出了《2017網際網路人才趨勢白皮書》。 

AI人才需求翻倍，技術崗漲幅最多。

2017年，技術人才招聘需求佔到總體人才需求的25.1%，較2016年提高 2.7個百分點，佔比連續2年提升。其中人工智慧相關的職位需求增幅排在最前。由於大批公司涉足AI領域，2017年AI人才需求已達到2016年的兩倍，2015年的5.3倍。AI應用層職位需求增速尤為顯著，增速最高的三個崗位依次是演算法工程師、語音識別和影象處理。

在薪資漲幅方面，新興技術崗位也普遍排在前列，影象演算法、推薦演算法、深度學習崗位薪資增幅均在15%以上，大資料類崗位僅次於人工智慧。

AI 速度一日千里，人才市場卻面臨巨大缺口。

目前市場的需求在百萬量級，而全球人工智慧領域人才總數約30萬。陸奇也表示，目前中國相關領域人才儲量低於美國，沒有充足的科研人員支援已成為牽制無人駕駛應用的主要原因。

在這一關鍵性問題上，百度宣佈將於2018年在谷歌無人車之父 Sebastian Thrun 所創立的矽谷前沿技術教育平臺——優達學城（Udacity）上，推出雙方共同打造的 Apollo 無人駕駛入門課程，面向全球免費開放，從源頭破解行業發展人才瓶頸，推動無人駕駛技術走向“全民時代”。

陸奇在Apollo 2.0釋出會上宣佈與 Udacity 聯合推出無人駕駛入門課程

百度選擇與 Udacity 在人才培養方面達成全方位戰略合作，正是看重 Udacity 的高素質人才輸出能力。超過20,000名學員正在 Udacity 學習人工智慧技術，其中1/5 的學員來自中國。同時，Udacity 還與滴滴出行、騰訊、京東等頂尖中國本土科技公司達成人才招聘戰略合作，成為彌補中國人工智慧專業人才短缺的主力軍。

斬獲30w年薪offer的 Udacity 《機器學習》畢業學員：本科生Dave

中國的AI 學習者，也展現出了巨大的野心和實力。早在2017年，16歲的高二學生李雨竹已經挑戰學習了Udacity《無人駕駛工程師》納米專案。

Udacity《無人駕駛工程師》學員：16歲的李雨竹

他在分享自己的無人駕駛學習經歷時說：

無人車對我的挑戰真的非常多。我印象最深的一次是做behavior cloning的project。這個 project 要求我們自己在模擬器中收集資料，然後構建並訓練神經網路，使模擬器中的車能夠完全自主地在跑道上駕駛。我在這個project上花了很多時間，每一次收集資料，訓練神經網路都需要挺長時間。

然而，每一次嘗試後迎接我的總是開到水裡的車。有幾次就只有一個彎轉不過去，但即便這樣也只能算不合格。我在這裡卡了好幾個星期，甚至都想戰略性撤退放下這個project去學後面的內容了。最後問了導師和同學，汲取了他們的一些經驗，重新收集了一波資料並訓練神經網路。當看著我的車穩穩當當地跑完一整圈時，我當時真的是激動得快哭了，成就感也是滿滿噠。

AI的學習不可能一蹴而就。李雨竹在挑戰《無人駕駛工程師》納米專案之前，首先在高一時選擇了學習 Udacity《機器學習》入門 AI 領域，成功拿到機器學習納米學位，為無人車學習奠定了良好基礎。

16歲的高中生尚且可以，你為什麼不試著挑戰 AI 領域學習呢？

現在，谷歌無人車之父 Sebastian Thrun ， Google 首席研發科學家，Google Brain 成員Vincent Vanhoucke 等頂級專業，在 Udacity 優達學城推出了《機器學習（進階）》基石納米學位專案，學習者每週投入10小時，跟隨矽谷專家系統掌握深度學習基礎知識和最前沿應用，邁出人工智慧工程師的堅實一步。零基礎小白則可以選擇 Udacity 聯合 Google, Kaggle，DiDi 等科技領域頂尖企業，為零基礎者量身定製的《機器學習（入門）》基石納米學位專案，系統學習 AI 研究所需的 Python，微積分，線性代數和統計知識。

• 第一部分

  Python 語法與資料結構

  在這個部分，你將瞭解 Python 的整數和字串資料型別，學會使用變數儲存資料，掌握使用內建的函式和方法。你將會學習條件語句，迴圈語句完成複雜的統計。同時你將學會使用集合資料型別，包括列表、集合和字典等多種資料結構。

• 實戰專案1：分析電話和簡訊記錄
  

• 第二部分

  Python 檔案與網路

  你會使用 Python 標準庫和第三方庫中的模組，認識 Python 強大的庫。並學會讀取磁碟上的檔案中的資料，使用線上資源解決實際問題。最後你將練習編寫一個網路抓取程式來跟蹤維基百科文章之間的連結。

• 實戰專案2：探索美國共享單車資料
  

• 第三部分

  資料分析入門

  學習使用 Python 瞭解資料分析流程的主要步驟，運用 Python 和 Pandas 處理多個數據集；並通過兩個資料分析實戰案例，學習使用 Python、Numpy 和 Pandas 進行資料清洗、探索、分析和視覺化;

• 實戰專案3：資料分析入門
  

• 第四部分

  線性代數基礎

  線性代數是深度神經網路的基礎。在這一部分中，你將從0基礎開始學習線性代數中的向量以及交點知識以及實現向量的基本操作。

• 實戰專案4：線性代數
  

• 第五部分

  模型的評估與驗證

  模型的評價指標是深度學習建模過程中非常重要的一環。在這一部分中，你將學習如何衡量深度學習模型以及其他機器學習模型好壞。

• 實戰專案5：預測未來房價
  

上下滑動檢視《機器學習（入門）》課程結構

• 第一部分

  機器學習基礎

  在這裡，你可以學習到機器學習的基礎知識，並初步瞭解一些機器學習可以完成的任務，如分類與迴歸問題，包括機器學習涉及到的統計分析知識以及模型評估和驗證知識。

• 實戰專案1：預測房價
  

• 第二部分

  監督學習

  監督學習是通過已標註過的訓練資料來完成分類或迴歸任務的一類機器學習方法。在這一部分中，你將學習決策樹，神經網路，支援向量機等監督學習演算法。

• 實戰專案2：慈善機構尋找捐助者
  

• 第三部分

  非監督學習

  當資料樣本沒有標籤的情況下，非監督學習是其解決問題的最佳方案。在這一部分中，你將學習聚類，特徵工程和降維等非監督學習演算法。

• 實戰專案3：建立客戶細分
  

• 第四部分

  強化學習

  強化學習也是一類重要的機器學習方法，它是一個序列決策問題。在這一部分中，你將學習Markov 決策過程與博弈論等強化學習知識。

• 實戰專案4：訓練機器人走迷宮
  

• 第五部分

  深度學習

  深度學習是當今世界上最火熱的一類機器學習方法，在許多領域中甚至超過了人類的能力。在這一部分中，你將學會使用 Tensorflow，並且學習卷積神經網路等知識。

• 實戰專案5：小狗品種分類
  

• 第六部分

  畢業專案

  選擇一個你最感興趣的內容，用你所學的機器學習和技術解決它。在畢業報告中，如果有引用，也一定要註明出處。

• 實戰專案6：畢業專案
  

上下滑動檢視《機器學習（進階）》課程結構

《機器學習》基石納米學位專案已全面開放報名，僅剩 30% 席位，立即掃碼加入，獲取限免試聽入口，領取 ￥300課程紅包。

↓點選閱讀原文，瞭解《機器學習（入門）》基石納米學位專案詳情