指紋解鎖、刷臉識別、語音轉換文字、機器人看病、Alphago······我們已經深刻的感受到，人工智能在改變我們的工作方式和認知。
通過 SAS 針對企業人工自能就緒調研的報告可以看到，大部分企業認為人工智能還處于初期階段，“目前，我們正在部署的大量應用場景都包含 AI 板塊”。 顯而易見，我們必須學習新的技能來配合 AI 的發展，并且，未來也是屬于那些意識到這一點，并開始及早發展這些技能的人。
進入 AI 領域，方向選擇很重要
以 2017 年 AI 領域各賽道的投資數據來看，投資事件數最多的是計算機視覺方向，其次是自然語言處理、智能機器人及自動駕駛。
能夠獲得如此多的投資，足以證明，計算機視覺是一個發展前景巨大的方向。
這么火的計算機視覺到底該怎樣學習呢？
1、你可以先從看書學起。有很多關于計算機視覺的書籍，通過學習掌握計算機視覺的基本術語，了解計算機視覺的基本概念，同時也能夠根據書中給到的代碼及案例動手實操，一邊看書一邊實踐；
2、深入實踐。這需要你具有一定的計算機視覺知識。你可以選擇在實驗室或者公司動手操作實際項目，最好選擇當前項目方向深耕下去。實踐過程中你可以和導師、上級隨時溝通。
3、系統專業的課程學習。這里說的課程并不是大學的專業課，而是將計算機視覺領域的重點研究問題、行業發展趨勢及實際案例整理匯總，濃縮成精華，集中授課之后讓你有一個質的飛躍。
這里我向你推薦小象學院的課程：
《計算機視覺的深度學習實踐》
上海交大機器學習方向博士后葉梓老師10年+人工智能研發經驗傾囊相授：
計算機視覺的領域的重點研究問題。由淺入深的講解數字圖像的存儲、預處理、特征提取、以及在深度學習興起之前計算機視覺領域所取得的成就；
專門介紹深度學習的基礎理論知識，包括神經網絡的基本原理，以及深度學習對于傳統神經網絡的關鍵改進；
重點介紹深度學者模型在計算機視覺領域的應用。具體設計在計算機領域如何引用卷積神經網絡、區域神經網路、全卷積網絡、循環神經網絡、長短時記憶單元、生成對抗網絡等解決圖像應用的難點；
課程將用 Python 等語言及 Tensoeflow、Keras 深度學習框架等進行案例實踐教學；
