如果想從事人工智慧這個行業，學習人工智慧演算法，瞭解其基本執行原理是非常有必要的。

從你的問題不難看出，你準備從事人工智慧開發相關職位，而人工智慧不同於普通的開發任務，其對理論知識有一定的要求。這其中體現在深度學習模型訓練過程用的各種最佳化調參，如果你對相應的引數不太瞭解，就無法做出最優選擇。當然，這個並不絕對，學習人工智慧演算法只是能夠助力你成為一名優秀的人工智慧工程師，但不學習人工智慧演算法也並不會阻礙你成為一名人工智慧從業者，當然，這得益於網路上豐富的開源工具和圖文影片教程，可以認為，就目前而言，已經有相當一部分人工智慧開發工作已經小白化，對於開發者來說，可能就是一個函式呼叫的問題。

這是一個很多人都比較關心的問題，作為一名IT從業者，我來回答一下。

首先，不論是從事人工智慧平臺的研發，還是從事人工智慧技術的行業應用開發，演算法知識都是一個學習的重點內容，因為從當前的人工智慧技術體系來看，不論是從事計算機視覺，還是自然語言處理，演算法都是核心，掌握演算法也能夠明顯提升自身對於人工智慧技術的認知能力。

從事人工智慧產品的研發，對於演算法知識的要求是非常高的，研發人員要具備演算法設計能力，同時要能夠完成演算法實現、演算法訓練、演算法驗證等一系列環節，可以說當前的人工智慧研發說到底就是以演算法設計為基礎來進行的。

隨著人工智慧平臺的落地應用，未來很多開發人員會基於人工智慧平臺來進行行業應用創新，這種情況對於開發人員的演算法知識要求並不算高，開發人員可以藉助於人工智慧平臺的支撐，來完成技術與行業的結合。基於人工智慧平臺來進行人工智慧產品開發，需要重視程式語言、人工智慧平臺和業務知識的學習，但是這並不意味著演算法不需要掌握了，實際上掌握一定的演算法知識，能夠更加充分地發揮出人工智慧平臺的功能。

學習演算法知識可以循序漸進，對於數學基礎比較薄弱的人來說，可以先補學一些線性代數和機率論方面的知識，然後從一些比較經典的演算法開始學起，比如決策樹、樸素貝葉斯、K-mean等等。在學習這些經典演算法的過程中，還應該結合具體的實驗來進行，比如可以基於Python語言來完成演算法的實現，然後進一步完成演算法訓練、驗證和應用的過程。

最後，學習演算法知識對於實驗場景的要求往往比較高，所以建議在學習演算法知識的過程中，最好能夠為自己營造一個較好的實驗和交流環境。

如今，機器學習(ML)和人工智慧(AI)成為網路中的新角色。也點燃了人工智慧領域的浪潮，可見人工智慧的發展已經上升到了國家戰略階級層面。其發展前景是毋庸置疑的，同時學習價值也是巨大的，人工智慧演算法的學習還是很有必要的。

如果你知道了解決什麼問題，用那種演算法那就可以了，沒有必要深入研究演算法，因為我們不是數學家。但是調優還是要掌握的。

百戰程式設計師IT問題專業解答

如果想從事人工智慧這個行業，學習人工智慧演算法，瞭解其基本執行原理是非常有必要的。

從你的問題不難看出，你準備從事人工智慧開發相關職位，而人工智慧不同於普通的開發任務，其對理論知識有一定的要求。這其中體現在深度學習模型訓練過程用的各種最佳化調參，如果你對相應的引數不太瞭解，就無法做出最優選擇。當然，這個並不絕對，學習人工智慧演算法只是能夠助力你成為一名優秀的人工智慧工程師，但不學習人工智慧演算法也並不會阻礙你成為一名人工智慧從業者，當然，這得益於網路上豐富的開源工具和圖文影片教程，可以認為，就目前而言，已經有相當一部分人工智慧開發工作已經小白化，對於開發者來說，可能就是一個函式呼叫的問題。

作為一名久經考驗的演算法工程師，我僅從自身經驗來回答您的問題。

1. 既然從事了人工智慧相關的崗位，就需要掌握相應的演算法知識，這是一定的。即使你只是一名以開發為主的演算法開發工程師，也需要具有一定的演算法常識。只有你瞭解了常用的演算法，你才能除錯你的程式，最佳化你的引數。我剛開始做深度學習時，也是呼叫開源框架，然後在github上下載牛人程式碼，進行除錯與最佳化。在整個開發的過程中，不斷遇到演算法相關的函式，這就需要理解它，才能用好它。要不你就會盲目的調整引數，總結不出規律來，使你的程式沒有泛化能力或實用性。例如，當你做影象分類時，將你的分類樣本輸入到某種網路(例如ResNet等)後，就需要你構造網路結構，這裡就會涉及到卷積的概念，卷積在數學中是一種向量或矩陣點乘的運算，雖然簡單，但是你不瞭解該演算法的原理，你就不會調整卷積引數。再如，分類需要啟用函式使輸出在一定範圍，常用的sigmoid等，你不瞭解它，怎麼去知道哪些函式適合，哪些不適合呢。

2. 演算法本身就是一種數學邏輯，難道你不想動腦就想做好它，那是不可能的。沒有免費的午餐，雖然AI平臺已經流行，但是你不會演算法，別人問你怎麼操作及含義，你必然啞口無言。例如，你要給客戶講解該平臺的基本使用時，需要讓其對列表中的網路拓撲結構有所瞭解，知道什麼是卷積、池化、全連線等基礎元件，才能讓使用者有更好的體驗感。所以即使你只是從事人工智慧運維工作，演算法的瞭解也是必要的。

總之，想要在人工智慧領域發展，演算法必不可少。只要持之以恆，我想做好它也不是什麼難事。

人工智慧發展需要演算法，演算法的優劣直接導致了人工智慧的水平高低。目前，掌握人工智慧領域中使用最廣泛的程式語言python。對於AI專案來說，演算法幾乎是靈魂。所以，在如何學好人工智慧的路上，想要立足人工智慧，在自我加強學習的同時也應該去開闊自己的視野，透過學習我們可以提高自己的實力。舉個人工智慧發展的例項，仿人機器人的開發。目前人口老齡化問題在世界範圍內出現，仿人機器人的出現能緩解老齡化帶來的部分危機，同時，一些危險工作的場所和惡劣的工作條件，機器人代替人類工作也能帶來直接的好處，前景廣闊，它使用人工智慧實現的方法是：首先應編制相應軟體，再由計算機進行計算，機器人接受指令產生相應的操作，要完成這些高度智慧化的操作，作為開發者就需要具有高度發展的智慧技術及計算機軟體實現技術。

計算機的終極應用是人工智慧，人工智慧的核心是機器學習，而機器學習的核心就是演算法。而且隨著IT資訊科技的快速發展，演算法不會像那些具體的IT技術一樣迅速的過時（演算法思想永恆），所以演算法工程師的前景非常好。對於應用型程式設計師來說，它關注的是怎麼利用各種工具、技術實現功能，快速的完成產品的開發，核心的演算法並不需要去了解（比如影象識別直接呼叫某廠商、公司的封裝好的SDK就可以了）。但要成為高階程式設計師如果懂點演算法、知道實現的原理，就有價值的多。所以我們程式設計師在人工智慧時代，並不一定要求精通演算法，但一定要懂點演算法，這樣才能夠跟上這個時代的步伐，不被迅速淘汰掉。