导语：非AI专业技术人员转型AI技术，或是作为一名学生学习AI技术开发，对每个有这样诉求和经历的人来说，都希望能够看到AI技术人才的成长经历，给出自己的真实经历分享。
前言参考塞缪尔.约翰逊（18世纪英国文学评论家、诗人，著有《英语大辞典》、《莎士比亚集》）的思路，“当一个人厌倦了学习技术，那他肯定也厌倦了IT行业；因为只有持续学习，才会有IT行业带给你的一切，包括金钱”。这是IT行业的实际情况，没有哪个人可以靠吃老本长期生存，AI技术更是如此。最近我在读《伦敦人》，书中讲述了200多位新老伦敦人对于伦敦这座城市的切身感受和故事，感觉应该就AI技术人才的成长写一篇，因此，有了本文。
非AI专业技术人员转型AI技术，或是作为一名学生学习AI技术，对每个有这样诉求和经历的人来说，可能都希望能够看到类似经历的人，给出自己的真实经历分享。
今天，我找了几位我的同事，包括我在内一共五位，我们都很有代表性，逐一介绍一下：
麦克周：2004年毕业于浙江大学，计算机专业硕士，15岁开始学习编程，使用的是Basic语言，读书期间主要写C语言，2004年毕业时写的是JSP代码（一种将Java语言嵌入在HTML代码中的编写方式），工作几年后转入分布式软件技术，再后来进入大数据技术领域，最近的4年时间从事AI平台产品研发工作。
Mr Qiu：算法相关专业硕士，工作五年时间。2013年进入杭州电子科技大学学习人工智能和电子信息技术，硕士方式主要以嵌入式和图像算法为主，毕业后进入安防行业的大华公司，再到华为，一直从事计算机视觉、算法移植优化、训练框架优化、机器学习等工作。
Hannah：曼彻斯特大学电子电气工程本科，伦敦大学学院数据科学硕士，毕业后加入华为公司，已经工作两年。华为公司作为国内私有云的先驱厂商之一，在数据科学这一领域有很多沉淀。因此，工作期间有机会参与多维度的工作，从算法研究落地，到平台开发，再到POC项目开发、现场建模PK等，在短时间内加深了对数据科学这一学科的认知。
Doctor Zeng：国内某重点大学博士，2018年华为Special Offer。本科毕业工作五年之后回到学校，继续自己的硕博攻读。硕士期间开始协助导师做项目，接触IT行业的十余年时间，具备丰富的信息系统项目开发与管理经验、人工智能领域的项目实战经验，并作为实验室技术骨干参与若干国家级、省部级项目。博士期间的主要研究领域是NLP、知识图谱，现担任华为某算法建模团队首席专家。
帆哥：20年ICT工作经验，4年信号处理机开发，5年企业数通产品研发，3年操作系统架构设计，3年大数据分析研究，5年AI产品规划，目前是华为云ModelArts首席产品管理专家。
正文 麦克周 知识不能单从经验中得出，而只能从理智的发明和观察到的事实两者比较中得出——爱因斯坦作为一位喜欢彻底搞清楚原理的软件工程师，我的每一次转型都在大量阅读和实际操作中完成。我给的建议是根据自己的实际情况，从全局性的到具体技术的书，一本本读，不要急。
我看的第一本书是尼克的《人工智能简史》，这本书几乎全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，当然，他不是一本动手教你编程的书，而是给你一个宏观印象，适合AI产品经理、CTO阅读。
如果你觉得还需要进一步拓展自己对技术的全局性理解，我建议你可以读Stephen Lucci和Danny Kopec一起编写的《人工智能（第二版）》，这本书有点像高校的人工智能相关专业教材，堪称“人工智能的百科全书”，全书涵盖了人工智能简史、搜索方法、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示、产生式系统、专家系统、机器学习和神经网络、遗传算法、自然语言处理、自动规划、机器人技术、高级计算机博弈、人工智能的历史和未来等主题。
看了全局化的知识后，建议你可以根据自己的实际情况选择书籍，周志华的《机器学习》、Ian等人合著的《深度学习》、Aston Zhang等人合著的《动手学深度学习》、郑泽宇等人合著的《TensorFlow：实战Google深度学习框架（第2版）》、Vishnu Subramanian的《PyTorch深度学习》，这些书都是不错的，当然还有其他很多优秀的著作，这里不展开介绍，更多取决于你当前的状态，你是想快速动手训练模型，还是想了解清楚原理，因人情况不同而异。