算法工程师入门

学习人工智能当然需要基础，学习人工智能，需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。人工智能门槛比较高，需要积累，如果你有这方面的天赋，可以去尝试。

1、算法工程师不需要证件，理论上也不需要学历。 2、当然有学历肯定给人的第一印象会好很多，但不是绝对的，现在互联网用到了很多算法，在大学里面都不教的，你要是能够从其他方面去补，然后面试通过的话，公司也是会认可的。 3、算法工程师主要难度是理解各类数据科学的算法，这对数学要求是很高的。 学习算法的书，入门级是算法导论，进入领域有领域自己的算法经典书，比如，在机器学习领域的prml最经典。

深入了解编译原理！以上是前提最后才是算法，算法需要良好的数学基础，特别是图论。可以看看国外的算法导论，算法设计与分析这些大部头，要过考试的话，多做真题！推荐机械工业和人民邮电的书，不用深学！话说各类语言要先过关，要先看入门书，了解的差不多了再看大部头！对于刚刚涉及的知识区域，起码要了解优缺点！计算机的组成原理、结构要明白，因为国内翻译人士在算法造诣并不高！翻译多有偏颇！建议英文版我说的不是以考试为基础的

BAT企业的算法工程师是这样工作的：问题抽象、数据采集和处理、特征工程、建模训练调优、模型评估、上线部署。（具体操作可以看阿里算法专家chris老师的算法工作流视频算法工作流是怎样的？）而一个算法工程师真正值钱的地方在于问题抽象和上线部署这两个。

以上是一个算法工程师的工作流，所以你要做以上内容的话，需要的技能和知识有以下这些：

①机器学习的基础是数学，入门AI必须掌握一些必要的数学基础，但是并不是全部的数学知识都要学，只学工作上实际有用到的，比如是微积分、概率论、线性代数、凸优化等这些。

②数据分析里需要应用到的内容也需要掌握，但不是网上所说的从0开始帮你做数据分析的那种，而是数据挖掘或者说是数据科学领域相关的东西，比如要知道计算机里面怎么挖掘数据、相关的数据挖掘工具等等

补足了以上数学和数据挖掘基本知识，才可以正式进行机器学习算法原理的学习。

③算法方面需要掌握一些基本的框架：python、spark、mllib、scikit-learning、pytorch、TensorFlow，数据方面需要懂得HQL、numpy、pandas，如果你本身是后台开发、app开发、数据分析、项目管理，则是一个学习算法的一个加分项。

④最后需要对人工智能有全局的认知，所以菜鸟窝的机器学习vip大课会讲授到算法理论，包括机器学习、深度学习两大模块，相关的算法原理、推导和应用的掌握，以及最重要算法思想。