AI工程化（序章1）--將來企業核心應用的必由之路，中級以上程序員必看

AI工程化

• AI Engineering，定義以下：不涉及AI、算法、前沿分支的深刻研究和探索，而是基於業界成熟算法，結合行業產業需求，造成可落地的可實施的工程方案，稱爲AI工程化
• 當下最熱的是AI，機器學習，深度學習，神經網絡等等，固然，將來可能有部分會被取代，但AI，確實是將來的趨勢之一，正如當下已經進行的信息化、網絡化、互聯網化、移動互聯網化，給全部的社會產業、行業，帶來了巨大的機會和變革，再也不贅述。
• 而平心而論，多數程序員是沒有時間和精力再去拿起數學、機率，再去看全英文的業界論文，而後研究三五年，出一個成果，由於產出比不划算，但有不能對身邊的變革充耳不聞，不去關注和跟隨變化與趨勢。
• 所以有了本文章（後面計劃集冊成書，看寫了多少），期待在社區內引發討論，有參與，有實驗，有文檔，有路徑，幫助程序員和企業，找到一個模糊的路徑方向（不敢說清晰）

研究範圍

• AI業界趨勢，關鍵新算法，新技術，核心論文
• Python，TensorFlow，其餘
• Docker
• 可應用行業和經典案例分析
• 統計學，計量經濟學，相關數學
• 其餘：項目管理，社區分工等

期待結果

• 階段性產出：代碼，工程筆記，框架圖
• 關鍵性產出：行業可落地的，初步驗證過的方案
• 其餘階段總結

訂閱和參與

• 半年前，投資了好多錢，買了機器，說要作量化交易，寫了一點點，大跌，放棄了
• 一年前，誓言旦旦要進軍金融，花了400多小時學習CFA，8門掛了兩門，放棄了
• 很慚愧，兩年前開始翻譯一本Machine Learning的書，作了不到3章，太忙，放棄了
• 三年前研究OCR，作到了85%識別率，後來，也放棄了（不找理由了*_^）
• 過往有太多的放棄，都是由於功利，想得到很是快速的效果和金錢，或許是焦慮所致？
• 今天決定不設指望值，全憑興趣，來研究，學習，交流，產出
• 只要能幫到大家，只要大家贊一個？
• 哈哈，這個大家，指的是30以上的程序員，或者將來想創業的同窗，或者企業家們

序章2

• https://segmentfault.com/a/11...