前端開發工程師在人工智能浪潮裏的改變

前言

做爲一名在本科期間作過前端，研究生期間研究了深度學習，目前是一名前端開發工程師的我，應該說一下我做爲前端開發工程師在人工智能浪潮裏該作些什麼。

如何看待人工智能

本人是深度學習方向探索過三年的研究生，在老師的洗腦下對深度學習和整我的工智能方向是很是看好的。我認爲深度學習有能力實現真正的強人工智能，產生一次新的技術革命，我稱之爲智能化革命。將來會有大量的崗位被人工智能所取代。固然也可能包括軟件工程師。

深度學習給前端的挑戰與機遇

相信不少人都知道了pix2code這個研究成果，lstm曾在天然語言處理上有很大的成功，如今開始了對編程語言的挑戰。對於不少前端開發工程師來講能夠說是百感交集，將來有了機器人幫本身工做，彷佛能夠擺脫一些繁瑣的頁面樣式工做，但也可能會爲本身的將來感到擔心。

這裏我大膽的猜測一下，三年後相似pix2code的東西在科研層面將會很是成熟，具體的就是識別速度大大加快，識別率大大提高。爲何這麼說呢，是基於一個經驗和一個事實。經驗就是，在深度學習領域如此轟動的成果必然會有不少科研人員加入這個方向的研究，另外一個事實就是目前識別率不高的很大問題在於訓練樣本集過小。

假設幾年後前端開發工程師已是能夠在深度學習產出後的代碼上直接工做了，那麼不少前端工程師的職能必定會有很大的變化。深度學習的大發展也讓前端工程師有了新的分支——數據可視化工程師。百度的Echarts就是一個很好的例子。

學習深度

人工智能算是一個大坑，因此在這塊的認知能夠根據實際狀況對應學習。

• 基礎認知

  做爲一名工程師瞭解深度學習，機器學習到底是什麼，他們能夠處理什麼樣的問題是頗有必要的，就算在長時間內可能不會去處理相似的問題。另外能夠關注一下深度學習的一些突破性進展。

• 實踐探索

  這裏若是是對python沒有基礎也不想學習的，能夠去使用js的一些庫，推薦keras.js。這個庫能夠將keras的訓練後的模型直接在瀏覽器端作一個識別也能夠進行網絡可視化。
  谷歌推出的瀏覽器端的機器學習庫deeplearn.js.
  node的machine_learn
  python黨例如tensorflow，keras都是很好的庫。
  若是須要實踐能夠在github上找一些小項目理解一下運行的流程，網絡的結構便可。一開始若是就嘗試啃公式和論文會很痛苦。

• 深刻原理
  首先先申明一點，學習算法的到深處都是滿滿的數學公式，因此若是有須要能夠對例如svm，梯度降低，神經網絡的數學模型進行學習，甚至推導。基礎的知識我推薦http://ufldl.stanford.edu/wik...。 其餘知名算法的數學模型網上也比較多。