鍋爐設計轉行 AI,可行嗎?
本人普通院校本科畢業,目前做鍋爐(工業鍋爐)設計五年了,傳統行業前景讓人擔憂啊~~後來接觸了人工智慧,覺得這是未來的大趨勢,想要往這方面轉行。AI涉及的領域很廣,我懂,期望方向是數據挖掘或機器學習。所以想請各路大神磚家給點建設性意見,這條路可以走嗎?謝謝!
傅里葉從拿破崙的軍隊退役回來,打工是不可能打工的,做生意又不會,他想他應該去當教授,巴黎科學院說歡迎你來,但是你需要做一個報告。
後來傅里葉就寫了《熱的傳播》,但是幾百個教授沒一個通過(拉格朗日就是要刁難他)。這個報告里的他提出了一個公式:
後世燒鍋爐的學問,大都由此傅里葉公式而來。
在求解這個公式的時候,他發現函數都可以變成三角函數的無窮級數,這就是傅里葉變換。
今天說起傅里葉變換,可能很少提到傳熱公式,而是在信號處理、圖像處理等領域常見,這就是從蒸汽朋克到賽博朋克的轉變。
傅里葉是個痴迷燒鍋爐的人,最後也是燒爐子把自己點著燒死了(可見煤改氣的重要性)。
他的成果如今主要都是用在跟燒鍋爐沒什麼關係的地方,也算是「轉行」了。因為人類現在最關心的不是能源問題,反正電還夠用,可控核聚變也沒譜;人類最牽掛的還是一條推特能發多少字,也就是信息問題。AI 的本質是處理信息,信號處理、圖像處理也是處理信息,並且正是 AI 的熱門方向。
「鍋爐設計轉行 AI」其實也是蒸汽朋克到賽博朋克的轉變,大背景就是題主說的「傳統行業前景讓人擔憂啊~」。但是從個人角度出發,鍋爐設計和人工智慧相關的薪資收入還是有很大差異,我支持他作為中間商賺這個差價的。
可不可行?當然可行,
鍋爐設計是煉丹,深度學習(Deep Learning, DL)也是煉丹,從方法論上來看這倆本來就差不多。
鍋爐設計的核心是傳熱學,傳熱學裡又有數值傳熱學,注意多了「數值」這倆字。
而《Deep Learning》的第四章就叫「數值計算」,所以你學了也不白學。
鍋爐設計是為了什麼?是為了更好地為人民服務,如何實現「更好」,那就要進行優化。
你一搜「鍋爐優化」,就帶出很多「神經網路」、「遺傳演算法」這些聽起來很「AI」的詞了。
所以說其實並不存在 「轉行 AI」,
這些應用也正在進行著,只不過關注度沒有「識別貓狗」、「識別政治敏感」、「西比拉系統」這些關注度高。
如果覺得無處入門,可以看看這些專欄文章:
https://jizhi.im/blog/post/deep_learning_from_scratch_1
https://jizhi.im/blog/post/aia-1
下面有些在知乎政治不正確的話,匿了,怕被噴。首先回答一下可不可能。答案當然可能,其實你本科學什麼專業也就是三年的區別而已,頭一年通識課大家都差不多,也就後兩年專業課和實習有區別,說得不好聽的,自己學個兩年補上還不行嗎?反正大學大家都知道,課程設置雖然合理但是講得是真水。所以專業並不能阻礙你做什麼。但是,後面的才最重要的現實的問題。首先,ai的崗位有什麼。其實主要有兩部分,開發崗和研究崗。我見過太多的學生喊著要轉ai,其實只是不想寫代碼還想在it領域分一杯羹。這本身無可厚非,但問題是可能嗎?開發崗和一般的開發工作沒什麼太大的區別,依舊需要寫工業級的代碼,只是稍微看一些新文章,搞清演算法而已。這本身和計算機的任何一個領域沒有太大區別。不管你在計算機做什麼業務,在完成code的時候接觸一些客戶的領域知識是不可避免的,具體到ai的開發,只是你的客戶變成了ai用戶而已,領域知識變成了ai,所以其實和其他沒有太大區別,代碼依舊要寫,而且是大批量寫。根據題主的描述,這似乎不是題主想要的。題主想要的應該是很多人想去的那種代碼量不大的是研究崗位。相比開發而言,更多的精力的確不在code上,而在一些諸如實驗之類的環節上。然而問題是這部分崗位在大公司招的都是什麼人?主流是phd,少數人極為優秀的master。招聘最可靠的途徑也不是投簡歷,而是在conference上因為發表的某篇優秀文章被看中。(的確有靠投簡歷進的,但是conference的成功率會大很多)。要進入這樣的一個崗位需要的就是發表高質量論文了,在諸如NIPS,ICML之類上發些有意義而不是灌水的文章,而想要做到這一步。靠個人力量是肯定不行的,必須依賴平台,原因很簡單,發這些文章做實驗是要機器的,而這些機器的花費個人是承擔不起的。最簡單的例子,ImageNet是很重要的數據集,用它作為實驗數據往往是有很高可信度的,但是你沒有一個小機群或者足夠的卡,這種數據怎麼可能跑得動?所以,最可靠的進入研究崗的途徑其實是去經費充足的學校念一個phd,依靠實驗室的資源發paper,然後去conference被相中。回到題主的情況上,我所見最好的途徑其實是跨申美帝的cs master,念完以後去念phd,然後去發paper。為什麼不直接申phd?是因為phd往往對科研文章本身就有要求,題主本科非cs出身,說在本科發表了a區文章顯然不現實。但是master不一樣,master因為美帝追求政治正確的diversity,在某些學校不同學術背景的反而容易被錄取,只要題主現在去刷點code題,去找一些計算機的項目面試參與一下,被錄取還是有可能的。而在master期間發表好文章,然後申phd可行性大很多。
下面是在知乎政治不正確的話:
這條路需要的時間大概在七年左右,花費需要80萬以上(學費加生活費),然後才會有那麼一個去研究崗的較大可能。這並不只針對題主,對大部分本科cs出身的也是適用的。只是本科cs可以換成直接申phd和在國內念master再出去而已。研究崗真的需要那麼多人嗎?機器學習研究崗的確缺人,但是缺的主要是指有高質量paper的phd,不是只會寫code或者會幾個模型推導的同學。如果出發點只是不想寫code的話,其實來念計算機就是個錯。。。為了防止題主想去的是開發崗有漏答。。。再補一下開發崗的路子。。。開放崗就去國內或者國外的計算機一流的學校念一個master,然後通過內推去面試,刷好一般的演算法題,搞清模型推導和原理,然後面試過了就行了。其實這樣的崗位也就是一般的計算機的崗位,只是多一些人工智慧的領域知識而已。2017.12.05更新:補充了一些個人感覺很好的課程鏈接。希望對大家有用。
幹了很多年遊戲設計工作,非程序員,工作只用到vba。終於在今年轉成AI領域的工程師。
有體系的自學了兩年時間。因為真心喜歡人工智慧,所以平時這方面思考大概有十多年吧(民科級別)。當然找工作時相當難,最後進入公司也有運氣成分,工資也降低了。但是我相信再過一年,我能補齊短板,成為更專業的研究員。
說一下學習路徑,也許對提問者有幫助:
- 先看台大李宏毅機器學習視頻,中文的,講的很好。
李宏毅深度學習(2017)
- 再看《python自然語言處理》,學習該領域基本演算法,順便學習python。
《Python自然語言處理》
- 再看李飛飛的視覺公開課,吳恩達的神經網路公開課。
深度學習工程師微專業 - 吳恩達
斯坦福李飛飛-深度學習計算機視覺
在學習過程中一定要上手編程,多實踐。要熟悉一個機器學習庫,再熟悉一個深度學習庫(推薦pytorch)。
- 這時候你應該對人工智慧領域基本入門了。欠缺的就是實踐經驗,編程熟練度,基礎。
基礎1是傳統演算法,可以刷lintcode。或者買一本演算法競賽輔導書。2就是數學。數學就找一些視頻課補一下概率論,線性代數,高數。當然數學想深挖是沒有上限的,這裡只是基礎要求。
LintCode
張宇線性代數
張宇概率論
張宇高數
學完這些之後就根據自己想在人工智慧領域深入方向自己進行學習和研究。例如還有知識圖譜,語音,機器人,等等各個細分方向。這時候需要在專業領域跟進好的論文,多編程多實驗。(我自己也差的遠,共勉。)
祝你好運。
也祝自己儘快成長起來!加油↖(^ω^)↗
先匿名,等成為AI大牛了就來解匿,但願有這麼一天吧
邀請我回答這題的朋友不少。說真話會得罪人,匿名答兩句:)
人工智慧領域勸進/勸退的答案我沒寫過十個也有五個了,其中不乏高贊答案。為了政治正確, 我一般都不潑冷水,都會說可以轉,但一定要有「熱情」再轉,別想著賺快錢。
其實說的再直白一點,就是沒事別瞎轉了,大部分人堅持不下來的。至少以我的經驗來看,一起合作過/帶過的轉行的人基本最後沒幾個能留住,有的是因為初級工作拿錢少,有的是因為要補的知識太多實在帶不動,也有的單純就是不夠聰明。你可能說,XXX就轉行成功了,肯定能行的。但你和我都一樣嗎,都只有小樣本,不具有統計學意義。所以不管是勸進還是勸退,我感覺都沒用,每個人都只想看自己想看的答案,說自己想說的話,包括我在內。
跨度越大越不建議轉。從數學、物理、電子、生物計算轉過來的人都多少了?還有計算化學、計量經濟方向的朋友,這些好歹數理背景還比較堅實,難度小。有些文史專業的也轉,音樂也轉...你們真的是逮住瘸子使勁踹,真當AI因為編程少門檻就低嗎...你們知道AI有多少方向嗎?每天心心念念的深度學習只是機器學習的子集,而機器學習才是AI的子集。而每天掛在嘴邊的CNN和GAN又僅僅是深度學習的子集...每當誰介紹自己是AI專家我就先起一層雞皮疙瘩,誰要這麼介紹我我一般會嚴肅的糾正說我是機器學習從業者,請叫我煉丹師傅。
AI成為轉行熱點原因有二,除了本身概念非常性感以外,代碼要求低也是吸引人的地方。那就說說調包這件事情吧。成也調包,敗也調包。現在調包難度低,造就了一堆人湧進來。你想想看,平台越來越成熟以後,如微軟的ML Studio,連包都不用調了。最先被裁掉是誰?還是湧進來的追熱點的人。我們公司都開始培訓運行人員用IBM Watson的social media analytics了,還有alteryx的機器學習了。如果這些人都可以輕鬆的做,那要那麼多寫python和R調包的人也沒有意義了。
而真正AI從業人士的意義在於開創,無論是搞演算法還是造輪子,這些都是不容易失業的方向。而開創的要求是熱情和堅持。我是贊同高票匿名那位兄弟的。要是進工業界,去轉行讀個CS名校碩士,刷刷題搞清楚基本的ML模型遠離,內推幾個大公司就上岸了,成為一個懂些AI的程序員。要是想終身搞這一行,對這個行業的熱愛,建議還是去轉行讀個CS名校碩士,爭取發好paper,即使略水的也不怕,看情況決定是否繼續讀PhD。這個過程主要是培養自己獨立思考的能力,學習如何改進現有模型和分析結果的能力,這比會調包重要太多太多了。什麼是熱愛?我作為一個比較愚笨的人,我保證了每天醒著的時間除了吃飯、睡覺、水水論壇以外所有時間都花在了驗證新的ML點子上。而我有發論文的壓力嗎?我有代課的壓力嗎?我有項目壓力嗎?沒有,都沒有,真的是覺得作為一個從業者、工程師、科研人員、民科,希望能把某個小方向往前推動一點點。
所以書歸正傳,如果不明白自己要的是什麼,別轉。
任何人,帶著求生的慾望、謙遜務實的態度、從零開始的姿態來CS、AI乃至更廣義的IT行業來謀碗飯吃,這都是值得尊重和鼓勵的。
你說幹啥不是干呢,哪兒尼瑪黃土不埋銀。勞動唄,都是工人階級誰瞧不起誰。生產力進步,生產方式變化,咱就是新一代的工人階級。你要是做著什麼三年自主創業,五年上市,八年進軍資本圈的白日夢,你還不如四百四十分考個清華五道口,然後去中金名利場鍛煉鍛煉。揍啥呀,啥勁頭兒啊。
至於轉行有多難,自己試試吧,別人說三道四沒用。誰疼誰知道,反正我是有體會,步履維艱。
下面說點不值得尊重和鼓勵的:
學了點調API為主的數學、統計、CS亂燉課,這玩意兒吧唧給你整出技術范兒了。一聊天兒啥都懂,一節課精通CNN,張口bengio閉口hinton,頻繁出席各種高端講座、論壇、訓練營,除了代碼啥都關心,動起手來勉強能寫matlab,代碼長度三句半。
對於這種人,我想說,憑你的領導力和遠見真不適合搞CS,還是去搞金融吧,等你萬事俱備就差個碼農,再來招我實習可好?
我也不知道這種人烏央烏央來湊熱鬧,是為了更好地忽悠碼農給他打工,還是真的財迷心竅以至於病急亂投醫。
不如從第一步開始,走走看?從學基本的編程,演算法數據結構開始。
千里之行,始於足下嘛。那種假大空的人,這行兒不需要也不歡迎。
Leetcode 簡略題解
我是這麼想的,假設搞AI要從頭來,那些博士都從本科學起,那麼最多也就十年的事,有什麼可以不可以的呢,晃悠晃悠著一生就過了,想做什麼就做什麼好了,不要聽一些過來人瞎bb.
可行 我也非常鼓勵你來做AI AI領域還是有不小的人才缺口的
我本科是學材料的 也是個坑爹專業 後來轉行做了AI
我本科同學差不多也打了五年鐵 最近看到AI很火 想轉AI來諮詢我 我都很鼓勵他們 都幫他入門 學習路線 方法 遇到過的坑統統告訴他們 可是一個月後再去問進展 基本都放棄了 所以我的建議是 不要遲疑 邁開腿 學起來 python學起來!統計機器學習學起來!kaggle比賽搞起來!搞一個月後 你自己就有答案了當然可以。建議做鍋爐設計與深度學習結合的研究,比如我目前想到的就是將現有鍋爐的各種結構參數做成訓練集,利用各種穩定性、耐用性、傳熱性指標的融合作為損失函數,再用GAN訓練後可以自動生成大量符合美學和物理學的鍋爐結構,徹底顛覆傳統鍋爐設計行業。
本科入學西安交大能源與動力工程熱能專業,目前SenseTime PM,供參考。
可行
你這個專業比代碼工人有技術含量多了
碼農都能轉, 你憑什麼不能
你要是有幸旁聽過知乎里最受追捧的CS專業的本科, 見過科班學生的作品, 你就會更有信心了.
另外你在看看這問題里故意豎起行業壁壘的, 不是開培訓班的, 就是玩公眾號的, 我相信你作為一個理性的工程師, 是能去偽存真的
這個問題不傻 誰要是當回事認真回答了 可就是真傻了
以下,可能是你想從事的AI需要涉及到的一些語言或知識:
跨界打劫很難嗎?當然。
大家只看到AI領域的高薪,卻沒有看到這個領域所需要具備的才能。現在,各種各樣的大數據培訓班如雨後春筍出現,我就知道又有無數人想跨界打劫走捷徑了,但是,真心覺得好難啊。我搜集整理了幾千G的大數據學習資料,每天都有朋友來學習,看到大家這麼愛學習,我很欣慰,但是,我真心並不看好這種盲目的轉行。拿高薪其實是有原因的,360行,行行出狀元,你該吃白米飯的命,就不會讓你天天靠喝西北風為生。Jeremy Howard在fast.ai的課上講的一段話很有道理。
我們希望我們可以到達這樣一個階段,在這個階段中非程序員也能夠參與進來。為什麼我們這麼關注這方面的原因是,這裡有一些問題比如如何提高發展中國家的農業產量;或者如何讓醫療診斷普及所有人等等。這些問題都是能被深度學習解決的,而不是那些身處在象牙塔中的人能解決的,因為他們並不是很熟悉那些問題。真正熟悉那些問題的人,是那些每天都和那些問題打交道的人。比如說我通過世界經濟論壇認識了許多那些能解決問題的人,我認識那些正在努力尋找能夠治癒肺結核和瘧疾的方法的人;我認識那些正在努力解決發展中國家的農業問題的人等等。這些人正是那些想要通過深度學習來比如說分析農作物的衛星圖像或者我最近創建的公司主要負責分析放射學研究。通過深度學習來處理問題,實際上在整個非洲只有七位兒科放射醫生,所以很多在非洲的孩子實際上在非洲的許多國家中,沒有孩子有機會接觸放射科醫生因此也沒有機會體驗任何形式的現代以圖像為基礎的醫療診斷,所以這些正是我們開設並運行這門課程的原因。我們希望在這個社區中的氛圍要有別於之前的深度學習社區。那些社區都是關注於「讓我們微調0.1%的學術基準「,而我們真正要關心的是「讓我們做一些真正對人類重要的事越快越好「。
而且我對這件事的理解是,整個所謂「AI」產業依然處於初級階段,雖然有Hinton、LeCun這樣的大神,但依然有大量的少年剛剛考進斯坦福大學CS專業,剛剛開始學習線性回歸、梯度下降……未來他們之中必然會產生幾個大神或者行業領軍人物。那麼我現在從零開始學又有什麼可恥的呢?我做了10年財務工作,年初開始也趕時髦追熱點,把Andrew的Machine Learning證書拿了(雖然這課是啟蒙之啟蒙)。然後又零基礎自學了python,同時為了練習python硬啃了「狗書」,自己為公司開發了簡單B/S的OA流程系統。目前在啃fast.ai的mooc,還有大量的書等著看。雖然最終也只不過是個業餘愛好者,在那些「業內人士」眼中他們所不齒的package importer,但總比永遠在門外望洋興嘆要好得多。
P.S. 斯坦福有SCPD人工智慧專業碩士研修班,2萬美元可以在線學習拿18個學分,如果每門成績好,導師推薦,你也可以真的申請到offer,赴美修完剩下的27個學分。然後再攻讀PhD咯,沒人再會因為你是鍋爐專業而對你冷嘲熱諷。
要不轉行當美工?嚴謹的蒸汽朋克即將出現你一定會有很多粉絲,然後上p站畫機械紳士圖,最後成功畫出c91的ntr本子,大賣,走上人生巔峰
建議考計算機專業的研究生,不然非科班+學歷不高+已經工作5年,妥妥的劣勢啊。我看到底下有個回答說搞AI必須名校985計算機專業或者數學專業才行,這實在是太搞笑了,別的學校不了解,北郵和我交都只是211,還不是大票的人搞AI,況且很少有聽說某個專業某個方向是只有985名校學生才能學得懂的。現在機器學習,數據挖掘已經是計算機專業碩士生很主要的課程了,不管是985還是211都有大量學生在學習這門課(不學也不行啊,很多教授方向都是這個,你不學你怎麼為實驗室搬磚),雙非高校情況我不清楚。其實作為非計算機專業的工科生,看待機器學習的角度跟科班生不太一樣,在我看來,我學的機器學習跟我某個舍友搞的「軌道振動平順問題」其實差別不大,理論都是一大堆數學公式,然後用編程實現,只不過他用的matlab,我用的python,真要說數學,我看機器學習裡面的數學並沒有他的高深,當然我數學很渣,NG的課聽得都不太懂。我專業研究生課程裡面不乏某些對數學和力學要求非常高的課程,尤其像車橋耦合振動,懸索橋風雨諧振等課程,看懂一個公式都不容易,難度只有比機器學習高沒有低,很多問題都需要編程計算,而且沒有包可調,網上也基本沒有學習資料。所以呢,我始終不覺得機器學習跟計算機專業有什麼難解難分的關聯性,而其數學知識又夠不上數學專業的深度。順便,北郵計算機碩士只需要修一門數學,而我交土木要修三門(苦了)。在未來,人工智慧如果想顛覆各行各業的話,我認為必須要有各行各業的人轉過來做AI,就好比各種有限元分析軟體,計算機專業的人是不可能做出來的,因為你沒有深厚的材料學和力學功底。人工智慧不能總是在別的行業邊緣劃划水,這不是編程的問題,也不是如何優化模型的問題,而是只有本行業的人,才知道怎麼選特徵,怎麼獲取樣本,這個模型的損失函數是什麼,好比題主知道什麼樣的鍋爐是一個好的鍋爐,要優化的目標具體是啥,影響鍋爐好壞的特徵有哪些。所以我希望看到未來AI能在各行各業鋪開來,而不是一提起有人轉AI,科班生就皺起眉頭,你也配?
我支持轉,因為我也考慮轉,但我不問別人有沒有可能,我只問他們我的轉行學習計劃合不合理,即我不管別人怎麼想我都要去做。你可以看看我在知乎提的那個問題,是關於自學cs的。另外,我想奉勸的是,基礎是最重要的,空中樓閣不行。所以,我在決定轉行時不是直接去看機器學習什麼的,我從mit的cs要求的數學和物理課開始,我不知道具體原因,總之就是直覺告訴我這些很重要,一定要從這些最基礎的學起。你的基礎應該比我好,但我還是希望你看看mit的數學和物理課,和國內的真不是一個等級的,希望可以幫到你。
可以學!祝題主好運!
你可以先嘗試用機器學習演算法結局鍋爐設計中的數值計算問題。
然後考慮給中國商發投個簡歷。我覺得,人一定要找到自己適合和喜歡的,而不是跟著潮流的屁股走。我見過學計科轉法學的(我老師),照樣牛逼,人家就是喜歡法律,看不慣社會咋了。我也見過設計專業的,雖然各種人工智慧技術號稱能取代人類,但真正有想法有靈魂的設計師做出來的東西依舊無法被取代。例子很多啦。所以請你先問問自己,你到底喜歡什麼呢?如果你對cs真的感興趣,不妨放低姿態,悉心耕耘,相信有一天會收穫你自己的果實。但你要是想著這兒能賺大錢,更加能跟上時代腳步。那我還是建議你還是再多看看別人的意見。
- AI是未來的大趨勢這一點是肯定無疑的。就我國來說,已經上升為國家戰略,相信黨和政府的判斷和規劃能力。
- 至於可不可行,這與你的專業無關,與你之前哪個學校也無關。關鍵在你自己,外人無從判斷。只要不是數學、程序員相關專業,其它專業都可以忽略,都是零基礎。零基礎也有轉成功的,比如我進入IT之前,做了八年警察,本科也是普通學校,專業是化學。現在也在從事人工智慧研究,因為還沒有出成果,還不能說這一段算成功。但之前轉IT的經歷,相對許多人的職業經歷來看,肯定是能算成功的。只是,象我們這樣轉換成功的例子再多,也無法證明你就能轉換成功。
- 我覺得你更應該問的問題應該是這樣,普通院校本科畢業,鍋爐設計專業,已下定決心轉換AI方向,請問路應該如何走?因為下決心的事只能由自己來定,別人只能告訴你一些方法和技巧而已。這些東西,相對於決心來說,是次要的。
- 如果真心要轉,就要確定什麼崗位。如果是做演算法,建議你先考研,如果有必要還要再讀博士。如果是做程序員,也建議你考個研,系統地補一下計算機專業知識。我最近面試,遇到了一些學了兩個月python就敢來面試的人--我們是要程序員,但程序員並不只是會兩個月的python就叫程序員啊。AI這個領域也有別的崗位,比如產品經理,機器人培訓師等,這些就不一定需要考研了。我不清楚鍋爐設計需要哪些技能,也許需要繪圖,需要與工程師、客戶互動?如果是這樣並且你做得很出色的話,是有條件轉產品經理的。
=== 編輯於12/3日
勸進的變多了。其實從你的文字來看,我不建議你轉。如果對我的理由感興趣,可以私聊。
推薦閱讀:
※人工智慧替代了大部分工作後,我們該做什麼?
※如何評價柯潔以1/4子負於alphago?
※實際工作中,從事數據挖掘/機器學習是怎樣的?至少要掌握哪些知識、意識或經驗?
※如何看待4月10日Google在中國棋院開發布會宣布柯潔將在烏鎮應戰AlphaGo?
※根據佛經,末法時代,彌勒佛降世。這個彌勒佛會不會是AI?