为什么学人工智能，比起智能我们更缺人工

国务院出台政策大力推动AI发展
保守估计，2030年的中国将成为世界主要人工智能创新中心。
AI相关产业规模达100000亿元，你能想象吗？
现今中国人工智能领域的投融资占全球的60%，是规模最大的国家；
中国人工智能市场增长迅速，2017年其市场规模达237亿元，同比增长67％。
资料内容：部分来自国务院下发《新一代人工智能发展规划的通知》

人工智能人才需求
统计数据表明，截止2018年年中，
AI从业人员50000人，而行业需求量已经突破1000000人，
而AI对人才的需求仍然与日俱增。
中国人工智能企业数量达数千家，位列全球第二，北京是全球人工智能企业最集中的城市。
资料内容；部分来自国务院下发《新一代人工智能发展规划的通知》

人工智能岗位薪资
人工智能，古老而又崭新的行业，迈进高薪近在咫尺。
人工智能高科技人才全球紧缺，需求旺盛。技术类工程师平均月薪2.58万，而50%的人工智能人才月薪可达3万以上。

人工智能适合人群：
大学生：就业需求迫在眉睫，对未来充满期待和不确定，该入哪一行、选择什么职业？
选择北大青鸟人工智能课程：通过大量的真实项目训练，提升动手能力，增加项目实战经验。课上课下全天候训练，锻炼实战开发项目的能力。巩固学过的数学知识，理解算法原理，增加项目动手经验的同时，为更高层次的算法解决方案打好基础。

职场人士（数据分析）：已经拥有了数据分析抓取方面工作经验的白领，技能发展遇到瓶颈，如何突破职业天花板？
选择北大青鸟人工智能课程：充分利用已有数据方面的经验技能，对AI算法的推导过程原理进行深度补充，在数据挖掘分析基础上进一步提升，从数据引入深度学习知识，在数据基础上进入AI的学习，将数据分析挖掘的知识充分灵活运用，运用算法解决实际问题。

IT从业者：Javaer、PHPer、前端er...具备了丰富的项目开发经验，职业发展进入平台期，如何迈进科技前沿行业？
选择北大青鸟人工智能课程：直接跳过编程基础，通过项目之间横向和纵向的对比，迅速进入AI项目的开发，在开发过程中理解AI项目的开发过程及技能，理解深度学习开发AI项目，大大增加在算法开发方面的能力。

人工智能从业者职业规划
人工智能到底干什么？人工智能岗位都有哪些？
一：AI算法工程师
1、深度学习算法研究、实现和优化，负责特定需求的深度学习算法解决方案。
2、跟进业界人工智能的研究成果，开发并提升相应的算法任务。

二：图像识别工程师
1、根据公司产品和业务需求，进行相关图像算法的研究和开发。
2、负责相关算法的核心代码实现或移植。

三：自然语言处理工程师
1、根据公司产品和业务需求，进行相关NLP算法的研究和开发。
2、负责NLP问题的研究，完成知识抽取、实体匹配、语义消歧、关系抽取等应用的研发。

四：语音识别工程师
1、参与公司核心语音识别算法的设计和研究及其工程实现。
2、负责跟进行业前沿技术发展趋势，不断优化当前神经网络模型

五：数据挖掘工程师
1、对产品与用户数据进行爬取和分析，发现数据背后的特征规律；
2、完成产品、市场等部门提出的各类数据挖掘需求、完成机器学习与数据挖掘项目。

六：数据分析工程师
1、负责数据分析工作，挖掘数据分析需求，制定并实施分析方案，进行项目数据分析、模型建构和数据处理。
2、结合分析结果，设计业务指标体系及数据产品并驱动相关业务的发展。


北大青鸟人工智能课程体系：
1. 人工智能初级：人工智能技术和应用场景的全面解析，系统化介绍人工智能技术链条
通过实例对人工智能的开发语言载体Python进行深入理解并掌握Python语法规则，变量和数据类型，程序结构控制，Python的数据结构，Python中的OOP，了解-神经网络的训练方法和流程，学习主流机器学习、深度学习框架环境的搭建，TensorFlow、Keras、Caffe等。
人工智能中级：本模块重点在于算法的开发实现方面，学习人工智能中的识别技术
通过数字识别和人脸识别、自然语言处理等这些应用极为广泛的项目开发，深入介绍深度学习的概念，激活函数以及神经网络基础，对CNN、RNN进行原理方法和原理学习，卷积层和池化层，图像特征提取与识别，经典LeNet模型，LSTM，Encoder-Decoder Model等，同时引入自然语言处理方面的内容，包括分词、题干提取建模等，为不同方向的技术学习构建完整的技能知识图谱。
人工智能高级：从本阶段开始，我们的学习重点转向高级的模型优化算法上
在项目开发实现的基础上进行调优处理，通过学习过程的优化、数据预处理方法、超参数、学习率优化、Batch-Normalization等方法，实现开发算法的优化，完善提升神经网络的效率和质量，进一步理解算法实现与设计，实现开发工程师提升到算法专家之路。


2.  数据分析初级：使用Python处理工作场景中的简单数据分析
基于CDBD（中国历代人物传记资料库）数据集开发课程案例，介绍数据分析的基本流程和方法，涉及的数据建模方法主要是聚类和决策树，学完之后能够使用Python处理工作场景中的简单数据分析。
数据分析中级：成为具有一定分析思维的数据分析师
基于真实企业数据库开发案例，重点介绍K-近邻、凝聚与分裂（层次聚类算法）、线性回归、朴素贝叶斯等数据建模方法，最终成为具有一定分析思维的数据分析师，满足就业需求。
数据分析高级：成长为一名高级数据分析师，并获得算法工程师的相关技能
基于前两个阶段学员学习数据开发的在线学习数据分析案例，通过完全贴近真实情境的数据分析工作，学会处理各种数据分析中的复杂问题，所使用的建模方法有支持向量机、DBSCAN、逻辑回归和反向传播神经网络，最终成长为一名高级数据分析师，并获得算法工程师的相关技能，能做出直接跟系统交互的仪表盘。

3.  Python初级：数据可视化
在大量数据的情况下，如何让数据能够更直观，更高效的输出有用的信息就需要借助于数据可视化技术。通过项目实战完全掌握Matplotlib实现简单直观的数据可视化、Echarts实现更丰富的交互需求，在此基础上认识更多的数据可视化库并灵活运用。
Python中级：数据抓取与采集
互联网上存在着海量的数据信息，通过爬虫可以快速高效的获取这些数据。Scrapy爬虫框架是当前非常流行的一款爬虫框架。Scrapy使用Python作为开发语言，并且提供了非常丰富扩展功能，数量掌握Scrapy爬虫框架的使用能够实现高效获取互联网数据的目标。
Python高级：数据清洗与挖掘
本阶段主要完成数据处理方面的学习，利用Python实现数据清洗与存储相关技能。数据被正式应用于AI核心算法前，需要经过迁移、清洗、分片等多种转换处理，利用Python的numpy、pandas模块有效处理源数据中的空缺值、噪声数据、不一致数据、重复数据等。数据来源、存储环境是多样的，分别来自于JSON、CSV文件，MySQL、Redis、MongoDB数据库，HDFS文件系统等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模块很好地解决了数据存储问题。