酷应用

创业公司招不到人工智能工程师，看看这本书什么都有了（福利）

百家作者：毒舌科技 2018-12-26 12:22:41

2018年，资本寒冬这个词已经见怪不怪，募资难似乎已经成为行业共识。据行业媒体发表的公开数据显示，2018年1-9月新增创业公司数量为1245家，相比2015年20895家、2016年12012家、2017年6672家，有明显下降。

这也表明中国的创业公司正在面临又一轮的严峻挑战。特别是IT初创企业，如何用高薪吸引到比一般IT人才更为紧缺的人工智能工程师更是难上加难。不仅仅是因为初创企业出不起BAT的高工资，更为关键的是这类人工智能高端技术人才的缺口在我国是巨大的。

人工智能工程师岗位紧缺

据《2017年全球人工智能白皮书》报告显示，仅中国人工智能人才缺口，就至少在100万以上。预计到2020年，新一代信息技术人才缺口将达750万。

据一家职业社交平台发布的信息表明，人工智能职位数量在2014年至2016年期间增长了近8倍。以深受人工智能工程师欢迎的深度学习框架PyTorch为例，该框架是以Python为开发语言。在智联招聘上，每天约有21245个Python工程师岗位在招聘；在前程无忧上，每天约有27849个Python工程师岗位在招聘。

对于广大技术创业公司来说，特别是涉及深度学习领域的创业公司。是很难用薪资来和互联网巨头争抢人工智能人才的。

对于初创企业来说，在初级技术人才当中培养适合自己的工程师，不失为一种好的方式；或者在原有其它领域的IT工程师中，通过一本很好的入门到实战的深度学习领域书籍，来实现人才跨界转型成为人工智能专家，也并不是没有成功的先例。

PyTorch是目前开源最晚的深度学习框架——于2017年1月28日开源，到现在为止不足两年时间。由Facebook主力开发和维护，它的前身是基于Lua的Torch框架, 著名的AlphaGo的第一版就是使用Torch来开发的。PyTorch框架简洁优雅，适合调试，是入门深度学习的最佳利器。因为开源得较晚，国内目前几乎没有一本优秀的PyTorch的书，能够较好的通过理论和实践相结合，让所有有志于学习机器学习的中国青年能够迅速学习掌握。

为了让大家较好的掌握，校宝在线CTO孙琳（剑桥大学计算机科学专业博士，人工智能专家），与校宝研究院技术专家项斌、蒋阳波、汪建成共同撰写的国内首部介绍PyTorch 深度学习框架在教育信息化领域实战操作书籍《PyTorch 机器学习从入门到实战》正式出版了。作为国内最早介入PyTorch 深度学习框架研究的技术团队之一，该书向想要学习PyTorch 深度学习框架学习者，提供从基础入门到项目实操的全部经验。对于想要从该领域的技术创业者，培养组建自己的技术人才库，将会有一定的帮助。

如何入门深度学习

想要学习一种深度学习框架，第一步需要明白什么是深度学习。以深度神经网络为例，深度神经网络跟人脑的模型有相似性，，人脑中神经元之间都是分层连接的，而深度神经网络中，神经元往往被分为了很多层，从而有了深度。

拿识别猫来举例子，图像可以被裁剪成很多小块，然后输入到神经网络的第一层，接着第一层再往后面的层传导，每层做不同的任务，然后最后一层完成预测。每个神经元都有对于输入都有权重，这些权重被用来计算最后的输出。例如图像识别的例子，有些神经元被用来识别颜色，有些被用来识别形状，最后一层的神经元对于所有权重进行总结，最后做出预测。

识别猫是深度神经网络最早的成功事例之一

深度学习在所有人工智能领域当中都取得了成功。以ImageNet图像分类任务举例子，深度学习自2012年以来早已远远超过了传统的机器学习算法，在2014年之后甚至超过了人类的正确率。

为什么深度学习能获得成功呢？主要由于三个因素: 第一，深度学习神经网络增加了学习能力。例如传统的规则系统，100%依赖于人工规则。而机器学习模型，往往要依赖于少量人工设计的特征，深度学习模型则几乎不依赖任何人工定义的特征和规则。

另外两个因素是深度神经网络以外的因素，也不可忽视。一个是由于互联网时代的积累，我们有了更多的数据来训练模型。最后一个因素是硬件的飞速发展，特别是GPU的出现，让深度学习所需要的高带宽的超大规模计算变成了可能。拿图像识别任务做个对比，拿2012年跟1998年对比，神经网络的复杂程度增加了几十倍，训练数据的数量又了千万倍的飞跃，同时所用的计算能力也增大了千倍。

为什么选择PyTorch?

PyTorch是一个年轻的深度学习框架。2017年1月28日，PyTorch 0.1 版本正式发布，这是Facebook 公司在机器学习和科学计算工具Torch 的基础上，针对Python 语言发布的全新的深度学习工具包。PyTorch 类似NumPy ，并且支持GPU，有着更高级而又易用的功能，可以用来快捷地构建和训练深度神经网络。但发布后，它便受到深度学习和开发者们广泛关注和讨论。

经过一年多的发展，目前PyTorch 已经成为机器学习和深度学习者重要的研究和开发工具之一。跟其他几个深度学习框架比较：

Theano从大学实验室研发出来，现在已经停止更新;

CNTK虽然是久负盛名的微软提出，但只在语音识别领域有影响力；

Caffe目前只在图像识别领域实力不凡；

Tensorflow由Google提出，占有先机，又部署灵活，是目前排名第一的深度学习框架。但是Tensorflow的学习曲线太陡，不方便调试。

这时，PyTorch以简洁易学，容易调试而异军突起。

使用PyTorch的公司和研究机构

如何成为PyTorch高手

《PyTorch机器学习从入门到实战》从深度学习原理入手，由浅入深，阐述深度学习中神经网络、深度神经网络、卷积神经网络、自编码器、循环神经网络等，同时穿插学习PyTorch框架的各个知识点和基于知识点的实例。最后，综合运用PyTorch和深度学习知识，来解决实践中的具体问题，比如图像识别、文本分类和命令词识别等。

可以说，本书是深度学习和PyTorch的入门教程，同时也引领读者登堂入室，进入机会和挑战的人工智能领域。如果你想成为个中高手，从本书开始是一个不错的选择。

目前，《PyTorch机器学习从入门到实践》现已正式开售啦，在机械工业出版社、当当、亚马逊或京东等平台上搜索书名均可进行购买。

同时，为了感谢一直陪伴的你们，献上“暖冬福利”——我们将独家免费奉赠20本作者签名限量书籍，您可在评论区留言，我们将从精彩评论中精选获奖读者赠书。