前言
'36 岁'、'外贸行业'、'生物专业'、'普通本科毕业'，这些标签仿佛都与 AI 算法工程师无缘，但就是这样集 No-Target 标签于一身的同学，仅用了半年时间就成功转型 AI 算法工程师。
在分享过程中，令大家惊讶的是，该同学其实很少提及薪资，虽然知道 AI 算法工程师薪资并不低，但在经验分享的过程中，他很少去谈及转型成功后的薪资。相反，他把目光放在了学习过程本身上，强调的是自身通过比赛、预习、复盘、讨论获得了哪些宝贵的经验和知识。
山高则同行者寡，也许，只要努力向上攀登，哪怕没能爬到山顶，也会比踌躇不前的人看到更多更远的风景。
个人背景介绍
首先介绍一下我自己，广东医科大学本科毕业，生物医学工程专业，发表论文是 0 篇，从事外贸行业 10 多年，年龄 36 岁。
36 岁对于做 IT 来说好像是比较老的了，所以先致谢一下带我入门的老师。首先要感谢带我入坑的导师，我当时为什么参加培训课程，也是因为我向你们一样有很多问题，而这些问题，都是导师给我解答的，他还把我需要的这些纸质版的书籍寄给我。同时也感谢班主任，他是非常专业的，然后在学习的前期、中期、后期都给了我非常多的鼓励。
因为有十几年没有学习过数学，也从来没有接触过编程，所以那时候感觉一听到要学数学，让人感觉很慌，导师一直给我打电话来给我鼓励，然后慢慢地就跟上老师脚步了。其次要感谢授课和助教老师，我问的非常多的问题，他们也非常耐心地给我解答。在就业的过程中，就业指导老师给了我非常多就业上的指导，包括简历的撰写、怎么投简历、投什么公司、怎么面试这些都给我了很多的一些支持和见解。
接下来就进入正式分享环节~
学习经验分享
刚才有好多同学都在问：如果是零基础的能不能学好？其实我觉得态度非常重要。大佬告诉我们人工智能需要三好，数学好、编程好和态度好。态度好就是要不断地学习，甚至要比机器学习还要快。如果我们数学基础不好，编程不好也要去学习，保持良好的心态，才能把人工智能学好了，所以大家不要去担心你是零基础或者是没有什么数学和编程经验，只有树立了良好的态度，才能继续编程和数学的学习。
接下来就按我的学习过程分别跟大家讲一讲在每个版块我是如何进行学习的。
Python 学习方法
// 环境安装
环境安装首选 Anaconda，就是基本上在 windows 下面都是一键安装，基本上什么都不用设置，一直点击下一步就可以完成了。安装之后会集成一些比较优秀的库，比如 Jupyter Notebook，Spyder，Numpy，Scipy，Matplotlib、Pandas 都是集成的，平时可能会用 Anaconda 来安装其他必要的环境，比如 Pytorch。
// IDE
IDE 的好处就是它可以把你的程序、代码、结果和图片放在一起，方便你去学习。在这里我们可以很方便地嵌入需要学习的数学知识或者数学公式。当然也还有其他优秀的 IDE 也是推荐的，比如说 VSCode、PyCharm、Spyder。在国内用的比较多的是 VSCode 和 PyCharm 这两个。其实没有绝对的是说哪个 IDE 好，哪个 IDE 不好，只要你觉得上手容易，不会觉得很困难，我觉得哪个 IDE 适合你就用哪个就可以了，基本上公司也不会规定你用哪个 IDE。
// Python 学习书籍推荐
Python 书籍就是小甲鱼的《零基础入门学习 Python》。这本书是领我入门的导师寄给我的纸质书籍，这本书非常好，讲的比较通俗易懂。学 Python 主要掌握它的语法，大家要最好掌握好 list、dict 这些等数据类型，书不用太多，一本就够了。这本书带领入门是绝对没有问题的。里面会有一些练习，建议尽量先自己做完，再去对比答案。代码需要大家多去写，不管对与错，都要先写，有错误再去改正。
数学学习方法分享
数学的学习主要就是高等数学上下册 + 概率论 + 线性代数，对于已经有了一些数学基础的同学，我们不一定是要按照高等数学→线性代数→统计学的模式去学习。我们可以先学习一下线性代数。为什么是学习线性代数呢？因为我们需要用到很多一些矩阵的运算，所以我们去多去先去了解一下线性代数的这本书。在有了 Python 的基础后，我们可以根据公式去编程，在加深对数学的理解同时也能促进编程能力的提升。
高等数学主要的是要学习，重点是学习导数，微分，泰勒公式，另外函数的极值问题、偏导数、方向导数和梯度也挺重要的，这里的梯度也就是我们在深度学习里面用来做反向传播的，所以说梯度也是也建议大家多留意一下。概率论是整个 AI 学习过程中都是会涉及到的，因为我们所谓的预测，实际上都是概率的支持。最主要的就是要去了解随机变量的数字特征，比方说数学期望、方差、矩、协方差矩阵。课上的时候也可以问老师有哪些比较重要的知识，老师都会给我们圈出来，我们可以多花心思在圈出来的这些知识，多下功夫去学习。在学了 Python 之后，可以结合数学的公式写一些代码，将它们可视化出来，这样有助于理解函数的一些性质。
机器学习方法
机器学习的书籍推荐两本书籍：第一本是李航老师的《统计学习方法》；第二本是周志华老师的《机器学习》，俗称西瓜书，因为里面有很多例子都是用西瓜来做例子的，这两本书 2 选 1 就可以了。
// 机器学习方法
之前我是直接自学，啃的是《统计学习方法》，里面公式很多，啃得自己都快崩溃了，那时候基本上就是抄书，每天就是在看那个公式还有推导，基本上三天就要用完一支笔。我当时学得有点崩溃，然后给班主任打电话说这个挺难的，我担心自己学不好。他一直安慰我，让我先不要着急去学习这个，等后期的老师上课的时候慢慢跟上就可以了。听了班主任的话以后我就把这个书放下了，老老实实先去学习数学以及 Python，然后等到后面老师上课的时候，经过老师的一些指点和课上的一些公式的推导，还有自己慢慢地也就掌握了这些知识。
