學(xué)編程都有哪些困難？這個(gè)問題我來解釋下，我在IT行業(yè)工作不9年多，主要進(jìn)行技術(shù)架構(gòu)的設(shè)計(jì)和核心代碼的開發(fā)工作，可以說也軟件行業(yè)的了。有人感覺編程序難，我以為主要注意是難在這幾個(gè)方面：受限制于英語：編程

學(xué)編程都有哪些困難？

這個(gè)問題我來解釋下，我在IT行業(yè)工作不9年多，主要進(jìn)行技術(shù)架構(gòu)的設(shè)計(jì)和核心代碼的開發(fā)工作，可以說也軟件行業(yè)的了。

有人感覺編程序難，我以為主要注意是難在這幾個(gè)方面：

受限制于英語：編程和英語的關(guān)系很融洽，編寫代碼需要英語，學(xué)習(xí)三千多種一手的技術(shù)資料也必須閱讀什么英文，且對(duì)英文的閱讀和理解能力有較高的要求。因?yàn)楹芏嘤⒄Z不太好的同學(xué)會(huì)覺得編程比較比較難學(xué)。

算法學(xué)懂：算法是編程的靈魂，但算法的本質(zhì)又是數(shù)學(xué)，不需要擁有好點(diǎn)的數(shù)學(xué)功底表述出聲才不容易一點(diǎn)。對(duì)此非科班出身的同學(xué)來說，也覺得學(xué)算法不是那么容易。恰好，很多大公司面試的核心內(nèi)容又通常是算法，因此也可能導(dǎo)致了編程難學(xué)的心理。

邏輯思維能力沒有要求較高：計(jì)算機(jī)編程是太一絲不茍的，他只會(huì)完全沒有差錯(cuò)的執(zhí)行你的指令，所以才對(duì)你的編程思維的要求是更加高的，尤其是條件可以確定if、循環(huán)for等多厚嵌套使用時(shí)，無疑是很極度燒腦了。有很多人一個(gè)星期后看了自己c語言程序的代碼，基本都已經(jīng)看不懂啊了，這個(gè)很最常見的一種。

要不斷學(xué)習(xí)：軟件技術(shù)更新?lián)Q代非?？?，很有可能去年你才學(xué)的知識(shí)，明年可能會(huì)被那個(gè)更好用、更穩(wěn)定的技術(shù)得用了，會(huì)造成你又要去學(xué)他。很多人當(dāng)然挺怕這種天天去學(xué)習(xí)并不陌生知識(shí)的感覺，也就慢慢的對(duì)編程有一種了恐懼心理。

以上就是我懷疑的學(xué)習(xí)編程的幾大難點(diǎn)。只不過千萬不能被困難嚇住，只要你對(duì)編程有興趣，但是斷的為之付出全部努力，終究有一天也會(huì)曾經(jīng)的編程大神的！

您所知道的關(guān)于人工智能AI的知識(shí)有哪些？分享一下？

充當(dāng)IT開發(fā)人員，根據(jù)自己的經(jīng)驗(yàn)簡(jiǎn)單做了看看總結(jié)歸納，分了兩大部分內(nèi)容：

一、自然語言處理（NLP）

（1）、基礎(chǔ)

1、文本刷洗（正則、分詞與制度化）；

2、中文分詞（HMM、trietree、工具有jieba）

3、文法分析

4、詞袋模型（ngram）

5、關(guān)鍵詞注入（tfidf、texttrank）

6、語義相似度（term、score、相距函數(shù)）

7、文本的向量化它表示（word2vec(skip、gram、glove)、elmo、bert）

8、機(jī)器學(xué)習(xí)（lr、svm、bayesian、sharptext、）

9、深度學(xué)習(xí)（textCNN、textRNN、seq2seq、siamese LSTM、DSSM、attention）

（2）、在求實(shí)際項(xiàng)目中的應(yīng)用

1、實(shí)體識(shí)別（應(yīng)用：醫(yī)療智能、對(duì)話機(jī)器人）、（技術(shù)：CRF、bilstm-CRF、PCNN）、（擴(kuò)展：知識(shí)圖譜、圖數(shù)據(jù)庫）

2、query幾乎完全一樣變化（應(yīng)用：sug、主動(dòng)修正寫出）、（技術(shù)：elasticsearch建庫索引）

3、文本分類（應(yīng)用：情感識(shí)別、文章類型、意圖識(shí)別（樣本爬取）、語種檢測(cè)）

4、序列標(biāo)出（機(jī)器翻譯、詞性標(biāo)出）

5、文本生成（應(yīng)用：詩歌對(duì)聯(lián)、包括題目生成）、（技術(shù)：VAE、GAN）

6、聊天機(jī)器人（案例：百度anyQ）

二、圖像視覺處理（計(jì)算機(jī)視覺）

（1）、主要注意應(yīng)用

1、比較多應(yīng)用：無人駕駛、醫(yī)療影像診斷、安防、人臉識(shí)別、視頻內(nèi)容理解、圖像分類、圖像分割、目標(biāo)檢測(cè)、目標(biāo)跟蹤。

2、OpenCV、圖像分類（CNN、AlexNet、LeNet、VGG、ResNet、Fast-RCNN）

4、圖像檢索數(shù)據(jù)庫（距離度量與檢索、圖像特征吸納、LSH近鄰檢索算法）

上面兩大內(nèi)容中要去學(xué)習(xí)的內(nèi)容可分三個(gè)階段

第一階段：人工智能基礎(chǔ)。除了編程基礎(chǔ)：機(jī)器學(xué)習(xí)深度學(xué)習(xí)框架例如tensorflow/pytorch；數(shù)學(xué)基礎(chǔ)：高等數(shù)學(xué)，線性代數(shù)，概率論，統(tǒng)計(jì)學(xué)知識(shí)；機(jī)器學(xué)習(xí)基礎(chǔ)：決策樹，邏輯回歸，聚類算法，支持向量機(jī)，集成學(xué)習(xí)；深度學(xué)習(xí)基礎(chǔ)：反向傳播，鏈?zhǔn)角髮?dǎo)，卷積和神技網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)等。

第二階段：算法在NLP領(lǐng)域的實(shí)踐應(yīng)用?；A(chǔ)的NLP任務(wù)：詞法分析，除開：分詞，詞性標(biāo)注等；句法依存關(guān)系分析什么；語義來表示與語言模型；以此命名實(shí)體識(shí)別；文本分類；文本生成；機(jī)器翻譯；信息檢索等。

第三階段：算法在CV領(lǐng)域的實(shí)踐應(yīng)用。CV圖像處理的基礎(chǔ)，opencv的框架；同樣確實(shí)是基于cv領(lǐng)域應(yīng)用形式多樣的幾種任務(wù)：圖像分類；實(shí)例分割；圖像目標(biāo)檢測(cè)；目標(biāo)跟蹤；序列分析。