您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
通过自学，想成为一名人工智能算法工程师，有可能实现吗？
算法,人工智能,数学通过自学，想成为一名人工智能算法工程师，有可能实现吗？
发布时间：2019-02-08加入收藏来源：互联网点击：
然而，伴随着交流的深入，我们却发现了这种算法的“阿喀琉斯之踵”：为了拥有足够多的历史信息，这种算法要将每个用户的重传率设得比较大。容量固然可以提升，但时延也会变长，给用户的感知就是增加了等待时间。
一边是卓越的性能增益，这是算法人梦寐以求的目标；一边是提升用户的体验，这是算法最朴素也最深刻的奥义。每个人的心中好像出现了一座天平，到底要往哪边倾？ 大家都犹豫了。
“不能为了一张好看的成绩单，让用户的体验受损。”讨论会上，黄心晔的一句话掷地有声。上上下下一致同意，我们要舍弃跟进友商的算法设计。“佛祖”送上门的真经，被我们拒绝了。
不过，他们的思维方法却极大地激发了我们的灵感。在信息的传送过程中，既有传送成功的信息，也有传送失败的信息，友商没有对后者进行快速对消，我们是不是可以补上这个空缺？
为确保方案的有效性，我们在仿真平台上全方位对比了我们和友商Q的方案，结果表明，设定短时延下，我们的算法优于友商，设定长时延下，与友商基本相当。为了万无一失，我们累计梳理了50多个可能的影响因素，并在样机项目中逐一排除其影响。最终这个特性顺利交付，实验室测试的结果不负众望，40%以上的增益实实在在地呈现在面前。
自掘三尺地，新一轮自虐行动
4G商用加速发展，3G新版芯片如何推出新的算法特性？不破不立，我们准备先自掘三尺地，从版本的现有问题中，尝试挖掘金矿。
有人开着车沿着测试外场不停转圈测业务数据，有人缩在实验室里一遍遍分析性能曲线，还有人抽丝剥茧梳理方案和应用场景，终于找到了IC算法新的增长点。原版本的设计有一个“毫不利己，专门利人”的特点——控制信道给其他信道提供增益，自己却不能享受增益，这其实阻碍了整体性能的提升。既然如此，我们能不能把它变成“利人又利己”呢？
问题找到了，但给出解决方案更非易事。李**、杨**等团队的“最强大脑”们，立马成立几个小分队，多方向地尝试思考。有人提出改变现有的并行处理方式，而让多个用户串在一起，前一个用户对消掉的干扰，可以提升下一个用户的性能，间接实现“利己”。理论验证这个办法确实有效，但操作起来工作量太大，不适合全面施展。
这个角度的思考倒打开了我们的思路，我们决定尝试在现有方案上增加一次并行处理，迂回地解决“利人又利已”的难题。当然，这绝非是描述的这么简单，大量的配套方案和针对性改进才是真正的“幕后英雄”。
还能不能再往前走一步？当目前方案已经获得验证之后，我们展开了新一轮的“自虐行动”。受友商Q思路的启发，我们有了新的想法：如果能在信息还未出发之前，预测它将会带上哪些“行李”，对消掉不必要的东西，就能给旅途减负。把这种思路和并行方案嫁接起来，新的方案呼之欲出了！
整整两年内，从毫无头绪到渐露曙光，从单点试探到全面开花，我们发挥想象，给出了绚烂的算法方案。干扰对消算法最终浴火重生，在本以为到达巅峰的情况下，又提升了15%的系统容量。
攀登不止，初心依旧
从初创小团队的摸索，到与瑞研专家的合作，再到现在与法国、俄罗斯、德国、美国等至少7个国家的联动……历经近20年的光阴，算法团队经历了从纯粹国产、中外协作、到全球深度融合的成熟之路。全球智慧、理论大家和实践能手的无敌组合，让我们对5G算法的研发充满了信心。
我一直很喜欢孔子说的“知不可为而为之”这句话。对于算法人而言，这句话的意义便是，做事不问可不可能，但问应不应该。别人能做到，我们应该也能做到。别人做不到的，我们应该抢先做到。我们已经做到的，还应该要做到更好。
一首小诗和所有的算法人共勉：
我不是思想家，我引领无线通信变革。
我不是指挥家，软硬件系统因我而协奏。
我不是发动机，我驱动无线核心竞争力。
我是数学公式，更是理论与工程的完美统一。
你们看不到我，但我在你身边。
我是算法，无线通信的灵魂。
“我们做无线算法的，是有理想的”，三十岁那年听到的话，似乎又在耳畔响起。
《华为人》版权所有，请勿转载
回答于 2019-09-11 08:43:50
本人从事人工智能相关行业，对于学习人工智能有一些自己的体会，因为我也是自学的，虽然不是很精通，但是日常的工作还是可以去做的！
首先要根据自身的情况来决定，不能盲目追求这个热度！因为学习人工智能是一个很煎熬的过程。需要兴趣和基础共同支撑！
就拿我个人的经历来说，我以前干前端的，后面由于工作需要自学了Python，前年才转向人工智能，过程很是波折，付出的学习代价只有自己知道！对于我个人，算是有一定的编程基础，但是人工智能不是编程那么简单的，它也需要很多数学统计学的知识！
下图是人工智能的知识体系
由于毕业时间较长很多数学的知识都不记得了，刚开始学起来很困难，尤其是在机器和学习深度学习的学习过程中很多知识点很难理解，几乎是听不懂的状态。后来干脆暂停学习，开始数学知识的补充，当然不是盲目的什么都学，主要补充学习中用到的数学知识，如矩阵，向量，线性代数，概率论等。一点一点的来，学完数学知识就去学习人工智能，不会了再去看数学！就这样近三个月，终于对机器学习深度学习有了初步了解！这也算是入门了！在接着学起来就轻松了很多！也逐步的掌握了一些算法！
从自学的角度来说是完全可以的，只要你有一定的数学基础，会一门编程语言，就可以开启你的自学之旅了！如果你是小白（零基础），也是可以的，关键的还得有数学基础（第三次强调了），人工智能的编程语言python很好学。数学才是人工智能的最基础的东西！
现在应该在说说就业，这个应该是最重要的，在目前来看，人工智能的就业偏向于高学历，好专业，学历硕士以上和计算机相关专业，数学统计学专业的很吃香！当然本科也可以！专科有些吃力～不过只要努力还是有机会的！
上一篇：已经补习了一年，今年刚刚过本科线，还有必要再补习一年吗？为什么？
下一篇：返回列表
相关链接 |
||
| 网友回复（共有 0 条回复） |