每个字都是经验所得，都是站在一个零基础的人的角度写的，纯手打+网上优秀资源整合，希望大家能每个字都认真看。

接下来文章会侧重在以下几方面

1、零基础如何进行人工智能的自学（以找工作为目的），包括路径规划，怎么学等等。

2、我的个人感悟，关于转行、工作、创业、希望能给大家一些启发。

先说一下个人背景，一本，经济学毕业，上学时从未学过编程。我这里指的零基础指的是，没有编程基础、没有数学基础（数学需要一些基本的，如果没有，后续也会帮助大家的）。

刚毕业第一年时，迷茫，不知道做什么。

第一阶段：边工作边自学爬虫，失败

毕业一年后，觉得编程可能是自己想要的，所以开始自学编程。

最开始学的是爬虫，python语言。每天学6个小时，一周五到六天。学了4个月后，去面了五六家企业，没有成功。原因是爬虫的知识够，可是计算机的基础太薄弱。什么算法、计算机网络这些，统统没学。因为我当时是完全自学，没有人带，导致我也不知道要学这些。第一阶段，失败，说实话，有点气馁，那可是每天没日没夜的学习啊，最后却换来一场空。可是生活还得继续，怨天尤人有什么用。

第二阶段：边工作边自学人工智能，成功

面试失败后，考虑了要把编程基础学一下再去面试，还是学点别的。我的决定是学人工智能，当时对这个比较感兴趣。好了，又是学了半年多，每天学6个小时，一周6天。从机器学习学到深度学习再学回机器学习。面试，成功地去公司从事机器学习深度学习方面的基础工作。不过实力肯定没有那些编程出身，数学、统计出身的人强，所以很多时候也是边学边做，打打杂。

其实我说的很简单很轻松的样子，但其中的艰辛只有自己是最清楚。所以我很希望通过我未来经验学习的分享，帮助大家少走一些弯路。

现在，已从公司辞职，自己开发网站，做社群，开网店。就是觉得，其实编程也只是我的一个工具，这个人就是比较喜欢自己做点事情，编程挺累的，哈哈哈。如果大家有什么合作的好点子，也欢迎随时来找我哦。

1、零基础转行学编程可以吗？可以，要做好吃苦的准备。学习是个漫长的过程，你上班的话，能否保证一定时间的学习呢，这个是你要问自己的。我也是边工作边学习，不同的是，我工作很清闲，所以我基本可以在上班时间学习。如果你还在上学，恭喜你这是你最好的机会了。

2、该自学还是去培训班？我觉得自学就够了，培训班真是又贵又水。这是我进过培训班的朋友告诉我的。其实你工作之后会发现，很多东西都是要自学的。如果你连自学都没办法自学的话，你又怎么能工作。而且，自学的效率会更高，当然前提是路径不能错。

3、转行编程，就业率怎么样？说实话，如果你不是编程出身的，要转行编程其实是比较难的，毕竟人家4年的正统学习不是白学的。但这不意味着就没办法。找准目标，规划好路径，学习最必要的知识，这样就有机会。但是，请做好学完仍找不到工作的心理准备。

4、最理想的自学环境是怎么样的？清晰的学习路径+自学+交流讨论的环境+有人指导

5、人工智能零基础可以学吗？可以，但是比一般转行编程的要难，因为要自学的东西更多，要求的门槛也会更高。这个后续会着重讲到。

6、学人工智能需要数学吗？不要因为数学而望而切步，数学是需要的，但没有要求的高不可攀，通过必要的学习，是可以达到入门水准的。

7、以前没接触过编程，怎么办？可以学习python，这真的是一门对零基础的人来说很友好的语言了，其他的我不懂。

8、一般转行编程的周期要多久？按我跟我周边朋友的经验来看。一周5-6天，一天6小时学习时间，4-7个月，这应该是比较正常的。

9、我是怎么坚持下来的？期间有很多次想要放弃，有的时候是真的看不懂，也没人教，纯自学，安装个工具有什么时候就要安装半天，不多说，都是泪啊。你的欲望有多强烈，就能有多坚持。

10、现在学编程还来得及吗？永远都来得及，学编程不一定是为了好工作，它更是一个全新的世界，你会发现很多对自己有帮助的东西。就算以后你不做这个，我相信这个学习的过程也会有所收获。

这是我之后会写的文章的大概目录，大家可以参考一下。

以上系列是暂定的，一篇文章可能会写成好几篇。这个系列不仅仅以学习为目的，目的是为了达到机器学习的工作入门标准。并不简单，但努力就有可能。网上的教程我看了很多，路径大部分都没有错。只是我觉得第一，太贵，明明网上有很多免费的更好的资源。第二，练习的量远远不够达到能去找工作的标准。

零基础自学人工智能系列（1）：机器学习的最佳学习路径规划（亲身经验）

零基础自学人工智能系列（2）：机器学习的知识准备（数学与python，附学习资源）

零基础自学人工智能系列（3）：机器学习的知识准备（数学篇详解）

零基础自学人工智能系列（4）：机器学习的知识准备（python篇详解）

零基础自学人工智能系列（5）：机器学习的理论学习规划（附资源）

零基础自学人工智能系列（6）：深度学习的理论学习规划（附资源）

零基础自学人工智能系列（7）：机器学习的实战操作（附资源和代码）

零基础自学人工智能系列（8）：深度学习的实战操作（附资源和代码）

零基础自学人工智能系列（9）：找工作篇，需加强的部分（类似数据结构与算法）

最后，我希望我能给大家树立一些信心。不管你现在处于什么水平，只要肯努力，什么都有可能的。

讨论学习，文章发布微信公众号：learningthem

　　近日，2019年第五届中国人工智能大会在青岛召开。国内外人工智能领域顶尖专家汇聚一堂，进行了新一轮的思维碰撞与头脑风暴。人工智能技术已逐渐渗透到各行业中，为人类社会和经济发展带来变革，主导着人们的生产、生活、学习方式的变迁。而就在上个月底，联合国教科文组织正式发布《北京共识——人工智能与教育》，提出各国要制定相应政策，探索利用人工智能促进教育创新的有效战略和实践。

　　我国是人工智能教育应用大国，大热的人工智能与全民关注的教育相遇，会有怎样的新碰撞？前不久公布的《中共中央国务院关于深化教育教学改革全面提高义务教育质量的意见》明确提出：“促进信息技术与教育教学融合应用”。从某种程度可以看出，人工智能教育已经走入顶层设计，将对传统教育的生态带来改变。

　　在这样的背景下，我国的人工智能教育技术正在往哪个方向走？是否已经做好了足够的准备？还存在哪些问题？这都是值得探讨的问题。

　　各方积极推动，人工智能教育发展迅速

　　近年来，“推动人工智能和教育深度融合，促进教育变革创新”成为官方谈及人工智能教育的一句高频率表态。

　　“人工智能技术正从教育生态、教育环境、教育方式、教育管理模式、师生关系等维度影响着教育，”中国教育学会名誉会长、北京师范大学资深教授顾明远认为，“随着人工智能、大数据等信息技术与课堂教学的融合日益深入，个性化学习和减负增效得到实现。”

　　2017年，国务院印发《新一代人工智能发展规划》中，明确把智能教育作为推动智能社会建设的重要应用领域进行了专门部署。利用人工智能技术满足教育现代化的发展需求，推动教育组织形式和管理模式的变革创新，已经成为全社会的广泛共识。

　　学界的观点认为，人工智能可以解决3个层面的教育问题，分别是面向特殊人群的补偿性教育、针对常规业务的替代式教育以及服务个性发展的适应性教育。

　　元培教育科学研究院副院长洪文表示，我国大部分人都已经认识到了人工智能对教育的深刻影响，从政府到企业都在积极推动人工智能和教育深度融合，促进教育变革创新，充分发挥人工智能优势。他认为，人工智能教育技术的纵深发展可以在很大程度上解决教育不均、师资短缺、教学负担过重、学习效率不够高等多维度的问题。我国人工智能教育目前的情况可以用“前景广阔、追随者众”八个字总结。

　　盛景背后隐忧不少，数据是个大问题

　　人工智能在教育领域蓬勃发展。据统计，过去一年我国人工智能教育领域的融资数量和融资金额都已居世界首位，行业在技术研发和产业应用方面已取得突破性的进展。似乎，关于人工智能和教育一切看起来都很乐观，然而，在现实世界中，事情从未如此简单。

　　对于人工智能来说，为了达到设计目的，AI首先需要解决一个问题，那就是数据。必须将数据输入算法，以便它可以“学习”环境，以及判断哪些是“好”和“坏”结果。

　　当前，我国教育行业的数据储备量严重不足已是公认的问题。与金融、医疗、制造等其他人工智能应用行业相比，教育行业的数据类型单一、数据规模有限以及数据的真实有效性不足都是人工智能教育发展的瓶颈。人工智能依赖庞大的数据支持，要实现人工智能与教育的深度融合，多维度、大量级的教育数据储备尤为重要，这不仅需要包括学生成绩、出勤记录、课程教案、作业和评语等在内的结构化数据，更需要能体现学生学习行为和教师教学过程的非结构化数据。同时，如何深入分析和理解数据也是个大问题，和其他领域相比，单纯地依靠大数据手段很难还原教育的实际过程。

　　“因为每个地方的教育程度、孩子们的接受水平等都非常不一样，要实现真正的因材施教，都必须进行通过AI课堂技术工具真实还原学习轨迹、精准记录学习过程、帮助学生最大程度发掘潜力等一连串的过程。”好未来集团智慧教育事业部总裁王伟说。

　　洪文也表示，我国人工智能教育行业目前正在使用的学生学习的整个数据确实参差不齐。看起来似乎有海量数据，但仔细分析问题不少，一方面是数据过时或是不可靠，另一方面是数据之间没有交流与沟通，造成封闭。他认为行业要发展，首先要解决数据问题，才能让模型更精准、学习更有效。

　　先有教育才有智能，仍需筑牢基础研究

　　人工智能推动教育的个性化学习从理论研究走向实践对所有的从业人员来说都是挑战和新的尝试。技术方向该往哪边走？哪些研究是必不可少的？业内人士都有各自的看法。就研究侧重点来说，国内外的人工智能教育目前已经呈现了不同的方向。

　　国外对人工智能教育的研究主要集中在大数据、机器人、深度学习等方面。国内对人工智能教育的研究主要集中在自然语言处理、语音识别、图像识别等方面。值得一提的是，美国等国家已经在教育学心理、情感教育、认知研究等方面下苦工夫，并取得了一定的成果。而这些基础性的研究在我国仍属空白。

　　由于人类的情感非常丰富，而学习是一个复杂的过程，学生在学习的过程中会产生厌烦、愉悦、沮丧、恐惧等复杂多变情绪，人工智能技术如何及时获知学生的情绪、有效把握学生的情绪并给予相应的情感指导是情感教育的重要环节，更是人工智能教育应用中亟待解决的问题。好未来集团CTO兼开放平台事业部总裁黄琰认为，从长期来看，人工智能还需要加深对人类情绪和情感的识别及了解，并与人类的脑科学、认知科学和心理学相关理论相融合，这些问题的研究或将对人工智能教育领域的发展产生深远的影响。

　　战略部署来临，打造智慧教育新生态

　　8月底，2019世界人工智能大会开幕式上，科技部宣布在前期建设5家开放创新平台的基础上，新批10家单位开展国家新一代人工智能开放创新平台建设，智慧教育名列其中。这表明国家对人工智能促进教育变革创新，对推动人工智能与教育深度融合发展有较大的期许。

　　据了解，智慧教育国家开放创新平台建设将面向教育改革创新和教育行业发展需求，为行业中的教育教学机构、教育科技企业、教育从业者等各参与方提供从技术、解决方案到产业化应用的全场景、全过程、全周期智慧教育服务支持。开放平台将分为三个部分：智慧教育技术赋能平台、智慧教育解决方案开放平台和智慧教育产业开放平台。

　　如果把人工智能教育的技术视为“一路升级打怪的过程”，那么基础设施层面的问题则是全行业必须突破的。有了它，才有了人工智能教育的基础数据，比如学生的学习数据、教学资源数据、教学管理数据等。这些数据的开放和共享，让人们对人工智能+教育有更清楚的认识。

　　黄琰表示，作为此次智慧教育国家新一代人工智能开放创新平台的承建单位，好未来目前实现了多项技术的产品化应用。未来，将进一步打造教育行业知识共享和经验交流社区，引导中小微企业和创新创业人员基于开放创新平台开展产品研发、应用测试，整合技术、产业链和金融三方面资源，营造共创共享的智慧教育新生态。（科技日报记者 李艳）