All in AI, 一句话看出了百度的野心，也看到了人工智能人才的未来

最近几天，在 2018 CES科技盛会上，百度无人驾驶系统 Apollo 2.0 正式开放，百度COO 陆奇表示，借着 Apollo 平台，他想打造中国无人车国家队！

All in AI, 一句话看出了百度的野心。而百度，只是 China + AI 战略格局中的一个缩影。2017年，人工智能首次进入政府工作报告。随着政府和产业界的积极推动，中美两国的人工智能技术竞赛格局已越来越明显。

在中国，移动互联网时代即将过去，各大公司都在用AI赋能。1月10日，移动互联网招聘平台BOSS直聘基于大数据平台积累的数据，发布了《2017互联网人才趋势白皮书》。

AI人才需求翻倍，技术岗涨幅最多。

2017年，技术人才招聘需求占到总体人才需求的25.1%，较2016年提高 2.7个百分点，占比连续2年提升。其中人工智能相关的职位需求增幅排在最前。由于大批公司涉足AI领域，2017年AI人才需求已达到2016年的两倍，2015年的5.3倍。AI应用层职位需求增速尤为显著，增速最高的三个岗位依次是算法工程师、语音识别和图像处理。

在薪资涨幅方面，新兴技术岗位也普遍排在前列，图像算法、推荐算法、深度学习岗位薪资增幅均在15%以上，大数据类岗位仅次于人工智能。

AI 速度一日千里，人才市场却面临巨大缺口。

目前市场的需求在百万量级，而全球人工智能领域人才总数约30万。陆奇也表示，目前中国相关领域人才储量低于美国，没有充足的科研人员支持已成为牵制无人驾驶应用的主要原因。

在这一关键性问题上，百度宣布将于2018年在谷歌无人车之父 Sebastian Thrun 所创立的硅谷前沿技术教育平台——优达学城（Udacity）上，推出双方共同打造的 Apollo 无人驾驶入门课程，面向全球免费开放，从源头破解行业发展人才瓶颈，推动无人驾驶技术走向“全民时代”。

陆奇在Apollo 2.0发布会上宣布与 Udacity 联合推出无人驾驶入门课程

百度选择与 Udacity 在人才培养方面达成全方位战略合作，正是看重 Udacity 的高素质人才输出能力。超过20,000名学员正在 Udacity 学习人工智能技术，其中1/5 的学员来自中国。同时，Udacity 还与滴滴出行、腾讯、京东等顶尖中国本土科技公司达成人才招聘战略合作，成为弥补中国人工智能专业人才短缺的主力军。

斩获30w年薪offer的 Udacity 《机器学习》毕业学员：本科生Dave

中国的AI 学习者，也展现出了巨大的野心和实力。早在2017年，16岁的高二学生李雨竹已经挑战学习了Udacity《无人驾驶工程师》纳米项目。

Udacity《无人驾驶工程师》学员：16岁的李雨竹

他在分享自己的无人驾驶学习经历时说：

无人车对我的挑战真的非常多。我印象最深的一次是做behavior cloning的project。这个 project 要求我们自己在模拟器中收集数据，然后构建并训练神经网络，使模拟器中的车能够完全自主地在跑道上驾驶。我在这个project上花了很多时间，每一次收集数据，训练神经网络都需要挺长时间。

然而，每一次尝试后迎接我的总是开到水里的车。有几次就只有一个弯转不过去，但即便这样也只能算不合格。我在这里卡了好几个星期，甚至都想战略性撤退放下这个project去学后面的内容了。最后问了导师和同学，汲取了他们的一些经验，重新收集了一波数据并训练神经网络。当看着我的车稳稳当当地跑完一整圈时，我当时真的是激动得快哭了，成就感也是满满哒。

AI的学习不可能一蹴而就。李雨竹在挑战《无人驾驶工程师》纳米项目之前，首先在高一时选择了学习 Udacity《机器学习》入门 AI 领域，成功拿到机器学习纳米学位，为无人车学习奠定了良好基础。

16岁的高中生尚且可以，你为什么不试着挑战 AI 领域学习呢？

现在，谷歌无人车之父 Sebastian Thrun ， Google 首席研发科学家，Google Brain 成员 Vincent Vanhoucke 等顶级专业，在 Udacity 优达学城推出了《机器学习（进阶）》基石纳米学位项目，学习者每周投入10小时，跟随硅谷专家系统掌握深度学习基础知识和最前沿应用，迈出人工智能工程师的坚实一步。零基础小白则可以选择 Udacity 联合 Google, Kaggle，DiDi 等科技领域顶尖企业，为零基础者量身定制的《机器学习（入门）》基石纳米学位项目，系统学习 AI 研究所需的 Python，微积分，线性代数和统计知识。

第一部分
Python 语法与数据结构
在这个部分，你将了解 Python 的整数和字符串数据类型，学会使用变量存储数据，掌握使用内置的函数和方法。你将会学习条件语句，循环语句完成复杂的统计。同时你将学会使用集合数据类型，包括列表、集合和字典等多种数据结构。
实战项目1：分析电话和短信记录
第二部分
Python 文件与网络
你会使用 Python 标准库和第三方库中的模块，认识 Python 强大的库。并学会读取磁盘上的文件中的数据，使用在线资源解决实际问题。最后你将练习编写一个网络抓取程序来跟踪维基百科文章之间的链接。
实战项目2：探索美国共享单车数据
第三部分
数据分析入门
学习使用 Python 了解数据分析流程的主要步骤，运用 Python 和 Pandas 处理多个数据集；并通过两个数据分析实战案例，学习使用 Python、Numpy 和 Pandas 进行数据清洗、探索、分析和可视化;
实战项目3：数据分析入门
第四部分
线性代数基础
线性代数是深度神经网络的基础。在这一部分中，你将从0基础开始学习线性代数中的向量以及交点知识以及实现向量的基本操作。
实战项目4：线性代数
第五部分
模型的评估与验证
模型的评价指标是深度学习建模过程中非常重要的一环。在这一部分中，你将学习如何衡量深度学习模型以及其他机器学习模型好坏。
实战项目5：预测未来房价

上下滑动查看《机器学习（入门）》课程结构

第一部分
机器学习基础
在这里，你可以学习到机器学习的基础知识，并初步了解一些机器学习可以完成的任务，如分类与回归问题，包括机器学习涉及到的统计分析知识以及模型评估和验证知识。
实战项目1：预测房价
第二部分
监督学习
监督学习是通过已标注过的训练数据来完成分类或回归任务的一类机器学习方法。在这一部分中，你将学习决策树，神经网络，支持向量机等监督学习算法。
实战项目2：慈善机构寻找捐助者
第三部分
非监督学习
当数据样本没有标签的情况下，非监督学习是其解决问题的最佳方案。在这一部分中，你将学习聚类，特征工程和降维等非监督学习算法。
实战项目3：创建客户细分
第四部分
强化学习
强化学习也是一类重要的机器学习方法，它是一个序列决策问题。在这一部分中，你将学习Markov 决策过程与博弈论等强化学习知识。
实战项目4：训练机器人走迷宫
第五部分
深度学习
深度学习是当今世界上最火热的一类机器学习方法，在许多领域中甚至超过了人类的能力。在这一部分中，你将学会使用 Tensorflow，并且学习卷积神经网络等知识。
实战项目5：小狗品种分类
第六部分
毕业项目
选择一个你最感兴趣的内容，用你所学的机器学习和技术解决它。在毕业报告中，如果有引用，也一定要注明出处。
实战项目6：毕业项目