"被称为“业界良心”吴恩达在 Coursera 的免费机器学习课程，学员数目有超过两百万；而最近国内某人工智能教育平台创始人也在微博宣称其培训平台已经吸引到将近十万的付费学员。各种培训班名目众多，堪称 IT 业界一大奇象。我们在 AI 前线的社群里也经常见到这样的问题：想入门 AI，你们能推荐下培训班么？其实关于“培训班”、“如何转型 AI“、”AI 如何速成“，最有发言权的应该是用人单位和技术专家”。
众所周知，人工智能火爆了一整个 2017 年，将来极有可能要继续火下去，于是我们看到了各种应势而生的线上线下 AI 技术培训班。某人工智能教育平台创始人在微博宣称其培训平台已经吸引到将近十万的付费学员。
同样看到发展趋势变化的还有来自各个领域的而程序员们，要不要转型 AI，怎么学？怎么转？这些问题困扰着他们。
“听说了吗？隔壁那小谁，报了个人工智能培训班，现在一个月赚好几万呢！”
“知道知道，说是零基础入学，不用半年就能学会，还签保证书，如果找不到工作双倍返学费呢！”
“我去，这么合适？搞得我也想报了，学费多少啊？”
“说是一万多，但是你想啊，等找到工作，一个月赚好几万，那时候谁还在乎这点儿钱啊（笑）”
······
上面是我们设想的对话，也是 AI 培训班的基本宣传调调：零基础入门，五六个月毕业，毕业后可内推 BAT，从长远来看，很划算的嘛！然而用人单位也是这样认为的吗？经过我们的采访，受访者们明确分成了两派：反对派与支持派。
谁反对？
对“您怎么看待 AI 培训班“这个问题，我们收到的回答基本上都是这样的：“以骗人为主”，“完全不靠谱”，“我不太了解 AI 入门培训课程。但我不认为通过几个礼拜的短期培训，就可以轻松获得‘超高薪资’，那样的话公司和投资人就太傻了”。
有技术专家在回答我们的采访问题时直接抛出了否定三连，“不可能，不需要，
受访的其中一位技术专家告诉我们，不愿意接收速成班程序员有这样一些主要的原因：
“我们主要做 AI 工程化的工作，从人员角度看，需要两种：
一种是理解了算法和模型，并且能够训练模型、调整参数的人，这需要一定的数学基础和感觉，通过 AI 速成的人一般很难具备这些能力。
一种是工程化的人，这个基本技能跟软件行业相同，所以不需要进行所谓的 AI 速成。
在这里，很难找到 AI 速成班的技术人员的空间。”
当然，面对速成班出来的技术人也绝不能全盘否定，一位受访的专家告诉我们：“不排除 AI 速成班里有可用之才，但通过 AI 速成班绝对不是加分项，还有可能是减分项，你需要花更多时间和精力对对方的回答做进一步的判断，才能搞清楚他真正理解到了什么程度，正如 Java 培训机构出来的学生一样。”专家表示，现在学习的方式有很多种，绝对不是只有报班培训，报名培训班也是一种不错的选择，但不能以速成为目的。
受访的企业 HR 也给出了一些相关经验：“我们的团队理念是一支精英化的团队，成员内部互相学习、成长也更快，我们愿意招基础好但是经验少的这种高潜力的侯选人，如果学历背景差基础一般，AI 速成是达不到我们的要求的，可能 coding 面就会匆匆挂掉。个人感觉任何东西都没有速成一说，我们更愿意花时间去建一座坚固的房子，也不愿意搭一个漏雨的棚子。”
谁支持？
一名受访的机器学习入门者告诉我们，他本人就参加过技术培训班：“因为我不是计算机专业的，但是对所学的专业不太感兴趣，就到培训班学习。”
受访者说：“从培训班出来的人员更努力，因为不学习的话与计算机专业出来的人员差距还是比较大的，比如在数据结构上面、算法上面与计算机专业出来的人才差距还是很大的。”
在文章的开头我们说过，目前市面上良莠不齐的培训班让人眼花缭乱，不同水平的培训班差距很大，所以 AI 前线找到了现在几种主流的 AI 培训班以及自学网站，到底应该选择哪种方式，相信看过之后各位读者自有评判。
优点： 有教师指导，零距离接触，不懂的可以随时问；有较为系统的课程安排，循序渐进，学得更系统；同时可以在讲师的指导下参与实战。
缺点： 培训班水平良莠不齐，容易踩坑；学费较贵；学习的知识不够深入；实战项目在面试时是否被用人单位认可是个问题。
优点： 可以按照自己的喜好安排课程；价格相比培训班更便宜；授课讲师都是来自名企的技术专家。
缺点： 虽然也有课程体系，但是从系统性上较培训班仍有差别；授课讲师虽然来自名企，但是无法直接交流，有些问题不能及时得到解决；无法参与实战项目。
优点： 社交平台大牛多，可以和技术大牛线上零距离接触；价格更加便宜，普通人更容易接受。
优点： 大神出品，质量有保证，免费学习。
缺点： 适用于稍有数学和编程基础的学员，不适合从零开始入门的初学者。
在我们收集资料的过程中，非常有趣的一点是：大部分开设 AI 课程的线下培训班讲师的个人介绍中，几乎都没有写明是否曾经参与或主持过 AI 相关的项目，不知是不是为了隐藏实力？
我们这里进行的比较仅仅是将一些客观的情况列举出来，或许有的读者通过以上任意某种形式的授课取得了较好的成就，欢迎在评论区与我们交流，让更多没有参与以上形式的读者看到您的学习路线，以帮助更多的人进入 AI 的技术领域，一起推动技术的发展。
如果只是希望能够通过速成来获得那些超高额的薪资，那么建议你还是不要选择 AI 领域，没有坚实的基础，就算可以一时入门，却无法保证永远不被淘汰。
说了这么多，也对比了不少学习方法，那么问题来了：AI 技术到底能不能速成？
综合以上我们所有采访的专家、HR、程序员的回答，我们总结了以下几点：
其中有一些较为中肯的意见送给在校生，希望能够有所帮助，在此不再多做赘述。
一个计算机专业学生的大学生活，从入校开始就注定是充满压力的，来看一下一个普通计算机专业学生的专业课：
线性代数、数据结构 (C++)、离散数学、汇编语言程序设计、计算机接口技术、数据库系统原理、操作系统、面向对象程序设计、计算机网络、专业英语、软件工程学、计算机安全技术、计算机图像处理、软件开发环境与工具···
如果你选择了人工智能领域，首先你需要在以上课程里打下坚实的基础，强化自己的编程能力，之后你还需要从代数、微积分、概率论做入门，再到学习 Linear Regression、Classification、Tree-Based Methods，再到 SVM、Unsupervised Learning 及流行的各种神经网络；然后你需要掌握一样或者几样主流的深度学习框架：TensorFlow、Caffe、MXNet 等等···
人工智能技术是一门复杂且要求十分严格的学科，但说到底，哪一项专业技术不是如此呢？如今 AI 正当万众瞩目之时，但就像一位受访的技术专家所说：“AI 肯定是未来的一个方向，但是不是唯一的方向呢？是不是不学 AI 的人都没有出路了呢？我持保留意见。我自己对枯燥的学术研究暂时还没产生很大兴趣，而且工作中也没有接触 AI 的机会（我指的是研发而不是使用），所以暂时不会报名这类入门培训。还是那句话，找准自己的方向很重要。”
技术人的路是建立在不断学习的基础之上，或许你可以通过速成进入到想进的企业或机构，但是如果真的想要在一个领域取得成就，还是应该沉下心来认真系统的学习，就像那位受访的 HR 所说：花时间去建一座坚固的房子，不要为了图快而搭一个漏雨的棚子。 不管这条路是不是 AI，都应如此。