如果你對人工智能感興趣，也有較好的數(shù)學(xué)、統(tǒng)計等學(xué)科基礎(chǔ)，想系統(tǒng)學(xué)習(xí)這個領(lǐng)域，本文的經(jīng)驗可以借鑒。

我完成了自己的人工智能碩士學(xué)位，其中包括兩個優(yōu)達(dá)學(xué)城的納米學(xué)位（Udacity Nanodegrees）課程，當(dāng)然也有其他課程。

優(yōu)達(dá)學(xué)城的課程，是我學(xué)過的課程中質(zhì)量較好的。

雖然我從未獲得過大學(xué)里真正的碩士學(xué)位，但我們還是比較一下吧。

成本

在大學(xué)的一個開放日，我去看了學(xué)校的研究生課程。

如果在大學(xué)讀計算機(jī)科學(xué)研究生課程，需要2年，每年支付42,000美元，并且要預(yù)先支付50％。

我沒有42,000美元，所以我開始尋找其他的學(xué)習(xí)方式。

創(chuàng)建自己的學(xué)習(xí)路徑，我花了3500美元，這些錢花在了各種課程、書籍和工具上。雖然不是免費(fèi)的，但3500美元遠(yuǎn)低于84,000美元。

時間

如果參加大學(xué)的計算機(jī)科學(xué)研究生課程，至少需要2年才能完成。而我在網(wǎng)上學(xué)習(xí)的課程，差不多一年就可以完成。

不過，學(xué)習(xí)這些技術(shù)是永無止境的。每周都有新的技術(shù)需要了解。這是很大的樂趣。

學(xué)習(xí)

我研究計算機(jī)科學(xué)，是因為想學(xué)人工智能，它更能激發(fā)我的興趣。但大學(xué)提供的課程似乎并沒有教會我這些。我可以在網(wǎng)上學(xué)習(xí)任何想要的東西，于是直接找到了相關(guān)內(nèi)容。這挺難的，不過，學(xué)習(xí)新事物總是很難。

你不妨將精力投入自己想學(xué)的東西上。

反饋

本科學(xué)習(xí)期間，我交的作業(yè)，有時候3個月都無法獲得反饋。而3個月后，它對我來說已經(jīng)不重要了?？荚囈彩侨绱?。

優(yōu)達(dá)學(xué)城的審核人會在你提交作業(yè)后的24小時內(nèi)（有時在一小時內(nèi)），給你反饋和建議，更不用說他們的論壇和Slack頻道了。這對我的學(xué)習(xí)非常有用。我可以（幾乎）立即獲得幫助，而不會被一個問題困擾數(shù)星期。

質(zhì)量

我是一個視覺學(xué)習(xí)者。必須看到事情發(fā)生，才能理解它們。閱讀幾十個講義，不是我學(xué)習(xí)的最佳方式。

優(yōu)達(dá)學(xué)城的動畫團(tuán)隊做了大量工作，提升課程的可視化效果，以配合他們的講座。我經(jīng)常發(fā)現(xiàn)反復(fù)觀看十幾遍可視化的課程，可以在腦海中建立概念。

優(yōu)達(dá)學(xué)城還與行業(yè)專家合作。在我獲得的納米學(xué)位課程中，有來自IBM和谷歌的專家提供他們的見解。

內(nèi)容

我獲得的碩士學(xué)位能和真正的大學(xué)碩士學(xué)位相提并論嗎？

我不知道答案，但可以這樣看待它：大學(xué)的碩士學(xué)位經(jīng)受了時間的考驗，它們的設(shè)立是為了讓你準(zhǔn)備好進(jìn)一步的學(xué)習(xí)和研究。許多公司認(rèn)可大學(xué)碩士學(xué)位的價值，甚至認(rèn)為它們是必需的憑證。

當(dāng)然，納米學(xué)位存在一些不足，它不會涵蓋你要知道的一切，因此才得名納米學(xué)位。但更重要的是，我創(chuàng)建了自己的學(xué)習(xí)之路，學(xué)到了自己想學(xué)的內(nèi)容。這使學(xué)習(xí)變得更加愉快。

最好的課程是那些激發(fā)你學(xué)習(xí)興趣的課程。

機(jī)會

兩個月前，我成了機(jī)器學(xué)習(xí)工程師。從那以后，參與了一系列項目，這些項目需要用到我在納米學(xué)位課程上學(xué)習(xí)的技能。

插入視頻：

但是，我還必須根據(jù)項目的要求，了解更多的知識和技能。

我有申請傳統(tǒng)大學(xué)碩士學(xué)位的機(jī)會嗎？可能有，但我沒申請。

我知道自己正在學(xué)習(xí)的技能的價值，并建立了一個在線作品集作為工作證明。

優(yōu)達(dá)學(xué)城還與科技公司合作，提供職業(yè)服務(wù)，幫助你找到一份工作，但是，我還沒有利用這些。

進(jìn)一步學(xué)習(xí)

我只記住了所學(xué)的1％左右，這就是為什么我的口號是不斷學(xué)習(xí)。

現(xiàn)實世界中的大多數(shù)數(shù)據(jù)，并不像你在某些課程（包括納米學(xué)位）中所發(fā)現(xiàn)的那樣整潔，你必須不斷考慮新的方法來獲取數(shù)據(jù)，包括使用人工智能技術(shù)。

獲得納米學(xué)位或傳統(tǒng)碩士學(xué)位，并不是學(xué)習(xí)之旅的終點(diǎn)，而是一個新的起點(diǎn)。

你永遠(yuǎn)不能為所面臨的挑戰(zhàn)做好充分準(zhǔn)備，但憑借獲得的基礎(chǔ)技能，你將學(xué)到自己需要的。

總結(jié)

在完成人工智能納米學(xué)位后，我是最好的人工智能工程師嗎？

不是。

在AI領(lǐng)域獲取傳統(tǒng)的碩士學(xué)位會不會更好？

也許，但我不打算這么做。

我可以根據(jù)需要，學(xué)習(xí)新技術(shù)，并解決新問題嗎？

可以。

我一直在學(xué)的課程讓我興奮嗎？

是。

我的知識有一些缺陷嗎？

是的，但我可以和那些在這個領(lǐng)域比我更優(yōu)秀的人一起，并向他們學(xué)習(xí)。或者，找出我的缺陷并彌補(bǔ)它。

如果你想節(jié)省成本和時間，并直接進(jìn)入人工智能的前沿領(lǐng)域，我會推薦人工智能納米學(xué)位等課程。

如果你正在接受更傳統(tǒng)、更全面的教育，并打算繼續(xù)深造，攻讀博士學(xué)位等，那么你可以去獲得傳統(tǒng)的人工智能碩士學(xué)位。

你可以用學(xué)到的技能來解決問題。這是人們對納米學(xué)位需求很大的原因。

請保持學(xué)習(xí)。

本文由微信公眾號“智能觀”編譯，原文來源hackernoon，原文作者Daniel Bourke，原文鏈接。文章為作者獨(dú)立觀點(diǎn)，不代表芥末堆立場。