人工智能 （AI） 和机器学习 （ML） 每天都在改变各行各业并创造新的机会。如果您热衷于进入这个激动人心的领域，但之前没有经验，请不要担心，您绝对可以凭借决心和正确的方法到达那里。在这篇文章中，我将分享有关如何开始使用 AI/ML 的实用建议，概述进入该领域的不同途径，并提供我的旅程中的见解。

我是如何开始成为一名 AI 从业者的

我的人工智能之旅始于对自己的个人挑战。最初，我认为掌握这项技术会非常困难，我需要博士学位或在研究实验室工作的经验才能开始。这与事实相去甚远。我学到的第一个教训是，机器学习 （ML） 比人们通常想象的要容易。有了合适的资源和学习的意愿，我发现即使是复杂的人工智能概念，任何人都可以理解和应用，无论他们的背景如何。

我开始接触 AI 所采取的关键步骤

1. 进行动手实践

我在实践中学习效果最好，所以我的第一步是研究并确定一个用例，这个用例的构建起来会很有趣，而且用机器学习来解决起来也是可行的。我对电影《少数派报告》中的“犯罪前”概念很着迷，在犯罪发生之前就预测到了犯罪。受到这个想法的启发，我创建了一个机器学习模型来预测犯罪的可能性。

这个项目很有意思，并提供了机器学习技术的实际和具有挑战性的应用。它促使我深入研究数据分析、特征工程和模型评估，最终帮助我理解了机器学习和机器学习生命周期的核心原理。了解机器学习生命周期至关重要，因为它提供了一种解决问题的结构化方法，并有条不紊地解决每个项目阶段。

2. 学习不同的语言和工具

我探索了几种工具来帮助我构建解决方案。我研究了亚马逊网络服务（AWS）等云提供商的AI/ML服务，并发现了无代码选项和高级AI服务，如果我提供数据，它们可以处理大部分工作。但是，鉴于我的编程背景，我选择了一种更实际的构建方法，这需要我学习 Python 语言基础知识和 Jupyter Notebooks。

在学习 Python 的过程中，我发现了 Pandas、NumPy、Matplotlib 和 Scikit-Learn 等数据科学库。这些库在帮助我有效地准备、清理和可视化犯罪数据以及从头开始训练机器学习模型方面发挥了重要作用。

3. 深入 AI 社区

与 AI 社区互动对我的学习之旅至关重要。我加入了各种 AI 和 ML 社区，参加了聚会，并积极参与了讨论论坛。我也开始分享我学到的经验教训，为其他人揭开这项技术的神秘面纱。这些互动加速了我的学习，让我保持了动力。

如何开始使用 AI

成为 AI 专家没有单一的路径，因此您需要从您所在的位置开始并规划前进的道路。无论您是来自技术背景还是没有经验的新起点，关键是迈出第一步并保持坚持不懈。

1. 确定一个让你兴奋的项目

这个项目可以是任何事情，从预测房价、分析社交媒体情绪，到为电影或书籍创建推荐系统。选择一个你感兴趣的项目将在整个学习过程中激励你。

2. 熟悉机器学习生命周期

了解生命周期至关重要，因为它提供了一种解决问题的结构化方法，并且由几个可重复的阶段组成：数据收集、数据预处理、模型训练、模型评估和部署。

3. 获取项目所需的数据

数据是任何 AI 项目的基础。寻找与您的项目理念相符的免费公共数据集。确保您选择的数据具有相关性且足够丰富，以提供有意义的见解。在准备数据时，请确保将其处理为机器可以学习的格式。

追求 AI 职业生涯的下一步

一旦你选择了你的项目，了解了ML生命周期，并收集了必要的数据，你的后续步骤将根据你的起点而有所不同。

作为没有 IT 背景的 AI 从业者开始

如果您没有 IT 背景，请不要气馁！许多成功的人工智能专业人士都是从其他各个领域过渡过来的，为人工智能世界带来了不同的观点和技能。

好消息是，有许多无代码和低代码的人工智能工具可以帮助你轻松地将你的想法变为现实，即使没有广泛的编程知识。这些工具旨在简化无需大量 IT 知识即可创建 AI 模型的过程。

作为具有 IT（但没有编码）经验的 AI 从业者开始

如果您有 IT 经验但不熟悉编码，那么您就有一个坚实的基础可以构建。以下是过渡到 AI 的方法：

• 从编程基础开始： 首先学习 AI 中常用的编程语言，例如 Python。Python 用户友好，在 AI 社区中得到广泛支持。

• 利用高级 AI 服务： 探索由 AWS 等云平台提供的高级 AI 服务。这些服务提供预构建的模型和工具，可帮助您无需深厚的编码专业知识即可开始使用。

• 充分利用您的 IT 背景： 您现有的 IT 知识可以成为一个显着的优势。例如，了解数据库可以帮助您更有效地管理和预处理数据。同样，在生产环境中部署机器学习模型时，您在 IT 基础设施方面的经验也会有所帮助。

作为具有现有编码经验的 AI 从业者入门

如果您已经有编码经验，那么您处于深入研究 AI 和 ML 的绝佳位置。以下是您如何利用您的技能：

• 学习 Jupyter Notebooks：Jupyter Notebooks 是数据科学家和 AI 从业者的必备工具。它们允许您在交互式环境中编写和执行代码，从而更轻松地试验不同的算法并可视化您的结果。

• Master Python：Python 是 AI 和 ML 最受欢迎的语言，因为它简单易用且支持广泛的库。即使您已经精通另一种语言，学习 Python 也将非常有益。专注于理解 Python 语法、数据结构和函数。

• 熟悉数据科学库：Python 拥有丰富的库生态系统，专为数据科学和机器学习而设计。您应该学习的关键库包括 Pandas、NumPy、Matplotlib、Seaborn、Scikit-Learn、TensorFlow 和 PyTorch。

• 加深对 AI 和 ML 概念的理解： 借助您的编码技能，您可以更深入地探索 AI 和 ML 的理论方面。参加涵盖监督学习和无监督学习、神经网络、深度学习、强化学习和自然语言处理的高级课程。

结论：从头开始进入人工智能是完全可能的

成为没有经验的人工智能专家是具有挑战性的，但绝对可以实现。您可以通过坚实的基础、持续的学习、实践经验和正确的心态成功地完成这段旅程。请记住，在 AI 领域没有单一的成功途径。根据您的目标和情况选择最佳路线，并致力于您的学习和成长。