一個app工程師的AI之路(上)

為什麼標題有個(上)，那是因為我也還沒正式的轉職成功，這篇的目的只是單純分享一下目前自學AI的過程的經驗。

本身的經驗是從2012開始進行app的開發，一直到2017年尾開始接觸到AI，當初為什麼想要接觸AI，只是覺得開發app那麼多年，想要玩點新的東西，開發新的技能樹。2017年的AI已經非常的火紅了，尤其是DeepMind的AlphaGO打敗世界棋王後，在科技業中幾乎人人都要喊一下AI才叫做潮。身為潮流的科技人當然也把AI學習當作首選。

當時網路上的AI課程真的是隨便找都是一堆，爬了很多文章，決定先從大師級的經典課程入手 - Andrew Ng - Machine Learning，這門課有幾個優點，1. 授課講師是AI大師級的人物。2. 已經有超過兩百萬人註冊過這堂課。3. 免費。4. 有中文字幕。花了將近兩個月，完成了這門課程，這是當時我的學習筆記。我的心得是Andrew Ng不愧是大神，把很多Machine Learning中艱澀的數學公式都講解的很清晰，從理論到實作都很扎實，作業的內容都相當的經典。

在學完入門課程後，我將接下來的技能進行分支。AI有兩個重要的分支，1. 數據的處理 2. 模型的建構。

針對數據的處理這一塊，語言python可以說是入門AI的必備技能，所以我接下來找了這門課Data scientist with python，這門課著重讓我對python熟悉，更對資料處理的分析跟呈現，有個基本的概念。前前後後應該也花了講近兩個月完成這門課 - 筆記在這裡。

學完這門課沒多久後，Andrew Ng大神出了一門新的經典課程，剛好可以加強模型建構的理論基礎 - Deep Learning，這堂課是立基在machine learning的課程上，對於當時最夯深度網路，挑選出經典論文的模型解說，讓我對CNN跟RNN的模型都開始有概略地了解。另外還有Andrew在開發AI的經驗分享，這些大神經驗分享真的都很寶貴。但也不得不說這門課也真的很硬，不管是理論或者實作，難度都比之前課程都還要高上不少，我花上了4個多月才完成筆記。

在學習這段期間，也自費參加了2017台灣人工智慧年會，讓我對台灣的AI業界有個深入的了解，有不少有趣的議程，可惜2018後，好像就沒再辦了。

Udacity的Machine Learning微學位課程。是我花最多錢，卻沒有順利期限內完成的課程，讓我有點扼腕。但我這門課是一個十分優秀的課程，尤其是課程的編排跟上課影片的製作，由淺入深，理論內容沒有像Andrew的Deep Learning那麼硬 ，如果不喜歡太理論的數學，也許可以先從這裡開始。在實作方面，每個階段的作業，都有助教非常細心的審閱，並給予意見，這個部分，會讓你深深覺得錢沒有白花。我自己是很喜歡後面階段的強化學習的課程，非常的有趣。可惜，最後沒在時間內完成Capstion project。這門課也花了近三個月完成筆記。

後來參與了公司內部的ML的競賽，當時比賽的主題的clickbait，我以一個的text-cnn模型，在leaderboard上拿下了第七名，還滿開心，畢竟是這是人生第一次參加ML比賽。

之後，也陸陸續續讀了幾篇自己感興趣的論。但這段過程中，我自己也不斷的思考，我應該要該怎樣繼續朝向AI之路，難道要真的拋棄近七年的app開發經驗，轉職當AI小菜鳥嗎？ 如果我還年輕10歲，也許我就會這樣做。但...但...我需要養家活口啊，小菜鳥的薪水沒辦法養家。因此，我仍然還需要app的開發經歷支持著我，不過AI應該可以當作我的另外一個利器。把AI的重心放到APP的應用上，讓我在app開發上有新的獨特技能點。目前這本書跟筆記都進行到一半，希望後續可以開發一個AI有關的APP。

最後，希望這篇文章，會有續曲。