AI是一个非常庞大的概念，系统化的学习其实很难也没有必要。我认为学习可以首先要学习一些基础理论，比如统计学习方法，深度学习，概率论等等。其次就是要根据自己的工作和发展，选择一个分支进行学习，比如知识图谱，能系统的学习一些知识图谱的理论和应用就已经非常好了，在一个点上深耕一段时间，再推广其他领域就会更加容易一些。另外在产品中，80%的时间还是要做好产品设计的工作，AI不止算法，更多的是应用和产生价值。例如都说pagerank算法成就了google，但pagerank算法的论文和博客一大堆，但是搜索做到google那样的就非常非常少。所以未来的发展前景还是怎么将算法更好的应用于产品当中，才是最重要的。

AI是一个很庞大的概念，凡是能让人类生产生活变得智能智慧的东西都是AI的一部分。 AI不止有算法工程师，还有大量的开发工程师，底层芯片、架构、操作系统、资源调度、模型压缩、部署优化都有大量的方向和工作岗位，要明确自己想做什么。 至于各种各样神经网络，一定是先有理论基础支持，然后去分析各种论文的演进过程，其实大同小异。至于各种各样的框架，选择一两个大厂的去学习就可以了，这些只属于AI开发中的术。最后是理论和代码，理论是积累的，代码是训练出来的，两者相辅相成缺一不可。但是要明确自己的方向和规划，深耕一个AI方向，再去推而广之才是转型AI的道。modelarts平台就是简化了AI转型者消耗在开发和部署上的精力，让给多的AI从业者更多的去思考AI后面的道，去更关注于AI的理论和实际应用，才能产生价值

算法的最终目的还是要解决实际问题，为客户创造价值，因此算法工程师一定是算法和工程两者结合才是优秀的算法工程师，因此要侧重建模和工程落地。一些非常前沿的算法研究都是在高校和博士之中完成的，而这些算法真正应用落地还需要漫长的时间，其实在很多外企，并没有算法岗的说法，只有开发岗和研究岗，而真正的将军(架构师)大都是出自开发岗。从工作内容来看，目前在视觉领域，算法落地实现价值比纯算法研究或者模型优化更有前景，大量视觉算法还是停留在paper和demo中，离真正把视觉算法应用在日常生活并产生价值还有很多路要走。一个优秀的算法工程师，更多的能力培养应该注重于利用算法知识提出和完善解决方案的能力，并基于硬件条件和客户要求完成算法优化和部署的能力。