①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

      生活相关方面：例举一个线性回归模型，假设一名员工月薪y，对其有影响的参数有员工的学历水平x0，工作年限x1，工作能力x2，工作性质x3，工作强度x4，工作地点x5。存在一个关系使得满足y=∑（i=0~5）​xi​wi​+b,已知参数即为y，xi，也就是训练样本，待训练的参数为wi，b，优化目标是找到合适的wi，b使得y与xi之间尽可能满足上述线性关系，表现为计算得到ŷ与真实值y尽可能的接近。

      工作方面：目前从事视觉检测方向，可以假设一个失效模式多分类问题，输入的参数即为图片的矩阵，输出一个判定结果，通常为一个OneHot向量（其本质是对每种可能的概率预估），待训练的参数为每个卷积核中的w和b（一个3x3的卷积核对应有10个参数），优化目标使得对应正确分类结果的概率尽可能的高，再往前一步就是要有效的提取卷积过程中的feature map。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

       未来，人类应该会和人工智能创造出一种新的工作模式，由人工智能衍生出来的工作来维持人类的工作需求，也就是逐步取代一些重复性强，有明确结论导向的工作，从而节约人力成本，提升利用效率。

       目前，大多数企业仍旧停留在大面积人工作业或者比较传统的自动化模式，故对于AI产品的引入，市场供需方面必然是供不应求的状态，因此对于AI工程师的需求也是日益增加，至少目前是出于爬坡阶段，同时AI技术的深入研究也是一门门槛较高的工作，所以一名优秀的AI工程师在就业前景以及待遇方面均具有非常不错的发展。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

答：园区每日人流量预测

假设：即可能影响每日人流量的原因有天气、温度、季节、是否是节假日，并且假设是线性关系。

参数：天气、温度、季节、是否是节假日分别对每日人流量影响的权重。

优化目标：对每天预测出的人流量偏差在可接受范围内。
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

答：

随着行业/企业数据积攒的越来越多，必然会有越来越多的需求 需要基于行业/业务数据 推导与迭代出高精度的算法模型（规律）。

各个行业逐渐都会走向智能化，必然需要大量的AI工程师深入到不同的行业的不同业务中进行支撑。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
肺活量与体重和身高的关系。在肺活量作为因变量（y），体重和身高作为自变量。优化的目标拟合好，损失函数均方差最小化。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？
AI涉及到各个领域，现在AI还处于成长期，AI工程师利用专业知识将各个领域的内在关联和隐藏需求挖掘出来并落地应用，
随着AI工程师的大量增加同时行业领域也会对工程师提出更高的要求，促使工程师不断专业细分，细分专业提升专业技能的同时又出现对工程师需求的增加。
行业领域和AI工程师是相辅相成的。

看起来好高深哦。

1，类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

一个人的工资和他受教育的时间及他的工作年限。假设教育时间越长，工作经验越久工资越高，公式为 y=w1*x1+w2*x2+b，其中y为工资，x1教育年限，x2工作年限。

 优化w1,w2和b使预测提高幅度与实际提高幅度更加接近。损失函数采用MSE损失函数。

2，为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

因为当前这方面的需求非常火热，整体供不应求，也就是现在人才无法满足市场需求，并在长期时间内都将无法满足需求。一种新技术在普及的时候，业务量的扩张可能是指数级的，而人才培养需要实践，更类似线性增长，所以会有一段实践呈现供不应求的情况，在此期间，AI工程师会非常的火爆。

问题一，类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

让孩子上补课班，孩子学习成绩提高幅度和上补课班的课时、及前期成绩成绩的关系。假设前期成绩越低，上补课班越长，成绩提高越大。此问题为回归问题 y=w1*x1+w2*x2+b， 优化目标使预测提高幅度与实际提高幅度更加接近。损失函数可以选择MSE。

问题二，为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

因为AI技术已经来到了爆发期。云、大数据的发展已经为AI提供了硬件基础和数据基础，现在AI应用场景不断的落地，应用范围越来越广，对人才的需求也越来越大。整体来说人才缺口很大，整体为供不应求，所以在今后相当的一段时间，AI工程师的前景会非常好。

一、类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

身高和腿长的关系。数学中身高x属于自变量，腿长y属于因变量，最后要找出的关系式y=f(x)（有可能是简单的线性函数，也有可能是非线性的）

（1）假设一：y=kx+b；参数为k，b；优化目标为找到一组k，b使样本数据得到的预测值 y' = kx+b 与真实值的 y 的均方误差最小

（2）假设二：y=f(x) （非线性函数），假定模型网络层数为2，两层网络采用的激活函数都为 tanh ，则函数 f(x)=tanh(k2*tanh(k1*x+b1)+b2)（更高层次同理可得函数 f 表达式）；参数为k1，k2，b1，b2；优化目标为找到一组k1，k2，b1，b2使样本数据得到的预测值 y' = f(x) 与真实值的 y 的均方误差最小

二、为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

随着近年来硬件设备的发展，以及处于大数据时代，促使人工智能的飞速发展。各行各业都出现了AI转型的情况，现在市场上AI工程师处于供不应求的情况，因此现在AI工程师有发展前景

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

比如打车问题，假设：附近一定距离内车辆数量和车辆距离以及预定人数估计打车成功率，参数：附近车辆数、车辆距离、交通拥堵情况 优化目标：均方误差（打车成功率）
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

目前火热的领域都与AI进行了一定的交叉使用，如AI农业病虫害、AI量化等等，对于AI对需求量是广泛的，而目前AI人才数量较少，大部分只是了解概念，对于具体深入研究并不擅长，造成了AI工程师相对短缺，但底层AI人员较多的现象。

问题一： 可以拿生活中追女朋友的例子，套用监督学习框架，男性的身高，体重，颜值高低，收入，个人魅力，家庭修养等作为男性特征，女方的颜值身材，理想男友期望等特征，来对追女孩成功率做预测，可以通过收集到的数据做统计，也可利用线性回归方法，得出各个特征的权重比，根据权重比来生成策略，已达到更好的个人优化，对异性吸引加大，来提升成功率。分类问题中，可分为追求异性成功，追求异性失败。结果标签用0,1 表示。loss = (y-yhat)的平方，通过不停迭代，降低loss，得出个特征系数。

问题二：俗话说科技是第一生产力，人工智能对目前时代带来的变革是有目共赌的。从人脸识别到指纹支付，从自动驾驶到语音识别。这些新兴的技术正在为我们的生活带来了很大的便利。从经济的角度来讲，中国作为世界上第二大经济体，中国的制造业为我国的GDP立下啦汗马功劳，而我国的制造业发达，有很大一部分原因是因为我国拥有廉价的劳动力。试想，随着人力成本的不断提升，企业的经营成本增高，势必会造成制造业流向人力成本更低国家（东南亚或者非洲）。AI能帮我们解决人力成本的的问题，如果制造业完成AI改革，大幅减少工业制造的人力资源，不但能够大副减少成本消耗，还能成倍提高生产能效。成功将制造业留在中国，为我国经济创造高额价值。AI工程师作为人工智能发展的主力军，其价值是不可估量的。人工智能可以类比于当前的互联网，可以渗透到生活的方方面面，其未来对生活的影响要远远大于今天互联网对我们的影响，当时互联网发展时，谁也没想到，它给我们带来多大的变革，带来了多少的就业机会。如今人工智能彭博发展，需要大量的人才来一起探索，尝试，试错，开拓，不单是编程人员，而是各行各业的人一起加入进来，软件，硬件，机械，芯片制造，每一份努力都会为人工智能发展注入强劲动力，都需要奋斗于一线的AI工程师的奉献。让我们作为其中的一份子，一起来见证强人工智能的到来。为中华之崛起而学习AI！！！

1.类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？模型假设和参数是什么？评价函数（损失）是什么？

比如估计苹果的重量，模型假设：苹果估算重量=平均重量*个数，参数为平均重量，评价函数为（实际重量-估算重量）^2。

2.为什么说深度学习工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

• 深度学习可以用来解决传统行业问题，同时又不需要开发人员具备相应的背景知识，这种端到端的方式提高了生产效率，降低了成本。
• 训练好的模型可以快速迁移到其它应用场景，提高了自身的应用范围。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
答：

预测路段日均车祸次数。
假设：线性关系，y=w1x1+w2x2+w3x3+w4x4+b
参数：日均车祸次数、日均车流量、路口数量、日均人流量。
优化目标：预测日均车祸次数与实际车祸次数方差极小。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？
答：
从经济学角度，数据运营成本的下降，将提高互补品的价值，同时降低代替品的价值，人工智能就是一次对以往人类计算和预测的革新，所以AI工程师拥有非常非常大的发展前景。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

文字语句的情绪识别，假设是在不依赖语气的情况下，依赖前后语句，可以判断出当前语句的情绪是正面/负面/平静；
参数是前后语句及当前语句被分割成的词向量；
优化目标是让模型返回loss尽可能贴近小，及尽可能让返回的情绪值跟实际值相同。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

后续国内非脑力人工成本会持续上升，这就导致了企业会寻求低成本的办法；而AI工程师能处理单一场景很多，很适应此种场景，因此企业会寻求AI工程师来解决此种类型的问题。
即需求会增加，所以有发展前景。

再次微修正回复如下

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

答：预测路段日均车祸次数。

       假设：线性关系，y=∑(i=1,M)wixi+b 

       参数：日均车祸次数、日均车流量、路口数量、日均人流量、时刻、路灯数量、交通灯数量。

       优化目标：预测日均车祸次数与实际车祸次数方差极小。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

从经济学角度，数据运营成本的下降，将提高互补品的价值，同时降低代替品的价值，人工智能就是一次对以往人类计算和预测的革新，所以AI工程师拥有非常非常大的发展前景。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么

我们可以把监督任务可以分为回归预测和分类学习，在实际生活和工作中，会遇到很多多分类的问题，如：医生对肿瘤性质的判断；邮件系统对手写体邮编数字进行识别；互联网资讯公司对新闻进行分类等

人工神经网络集团贡献法预测有机物闪点

假设有机物闪电的大小和分子的基团构成有关，我们将分子的基团构成作为神经网络的输入，闪点作为输出，参数就是每一层神经网络之间的权重和偏置，优化的目标就是让损失函数越来越小，求出各层神经元的权重和偏置，根据分子基团输入预测有机物闪电的大小。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

人工智能技术无论是在核心技术，还是典型应用上都已出现爆发式的进展。随着平台、算法、交互方式的不断更新和突破，人工智能技术的发展将主要以“AI+X”(为某一具体产业或行业)的形态得以呈现。所有这些智能系统的出现，并不意味着对应行业或职业的消亡，而仅仅意味着职业模式的部分改变。任何有助于让机器(尤其是计算机)模拟、延伸和扩展人类智能的理论、方法和技术，都可视为人工智能的范畴,展现出无比光明的发展前景。

在生产方面，未来人工智能有望在传统农业转型中发挥重要作用。例如，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由人工智能自动决定(或向管理员推荐)最合适的种植方案，并综合调度各类农用机械、设备完成方案的执行，从而最大限度解放农业生产力。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

比如生活中的疾病预测，可以用监督学习的框架来进行预测。 特征假设的参数包括， 临床症状1的表现，临床症状2的表现，...,   再加上

仪器检测指标1，仪器检测指标2，最后跟踪病人得出实际情况，可以作为真实值，框架计算值作为某类疾病的概率大小预测值。 优化目标是，如果真实值是得了某类疾病，则预测值要趋紧1， 否则趋近0.  计算的loss最小。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

AI是最近几年在，技术和互联网发展到一定程度才再次火爆起来的， 而学校根据市场需求培养人才的周期一般来说比较滞后。从而出现，在近5年内，仍然属于行业稀缺人才， 市场需求量大，岗位多，人才少的情况不会改变。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

晶圆缺陷检测：

目前是人工在显微镜下一个个目检，缺陷品种繁多（划痕，崩边，异物，脱金，底盘开裂等），针对划痕，又细分为位置，长度，趋势等；针对崩边，又可以细分为位置，大小，崩边开口趋势等；人工在显微镜下长期工作对人眼不好，虽说公司有显微镜岗位补贴，但员工流动性还是很大；客户希望对每一块晶圆都分类（不能漏检），分类的结果可用于知道目前工艺的改进。

如果采用传统的模板匹配来分类，需要定义很多中模板，还可能出现没有定义的模板，效率还没有人工高（一般一块晶圆有36000颗芯片，人工一天1.5块），因此，走自动化路线是遇到了很大的瓶颈。

提供一定量的样本，可以采用监督式学习框架来完成缺陷分类；首次使用可以先定义少量的缺陷种类，但尽可能多的收集好的，坏的样本，好的芯片定义为0，坏的依次定义1，2，3等；训练好的模型可以用来实现自动分类，从而可以实现自动化实现。

救我们目前了解，很多大公司都有这方面的需求。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

从传统的自动化解决方案，到偏智能化，偏自主学习的自动化设备是每个自动化人追求的目标。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么

监督学习可以分为回归和分类俩种，在实际生活和工作中，会遇到很多多分类的问题，如：医生对肿瘤性质的判断；邮件系统对手写体邮编数字进行识别；互联网资讯公司对新闻进行分类等

俄勒冈波特兰的47所房子的居住面积(living areas)和价格(price)：

房子的居住面积为输入，价格为输出，假设房子的居住面积影响房子的价格，参数为居住面积的权重和偏置，优化的目标是使损失函数越来越小，根据房子居住面积来预测价格。

还有个人贷款问题，根据个人收入、房屋面积、年龄等条件影响个人可以贷款的金额。可以预测贷款金额。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

人工智能技术无论是在核心技术，还是典型应用上都已出现爆发式的进展。随着平台、算法、交互方式的不断更新和突破，人工智能技术的发展将主要以“AI+X”(为某一具体产业或行业)的形态得以呈现。所有这些智能系统的出现，并不意味着对应行业或职业的消亡，而仅仅意味着职业模式的部分改变。任何有助于让机器(尤其是计算机)模拟、延伸和扩展人类智能的理论、方法和技术，都可视为人工智能的范畴,展现出无比光明的发展前景。

在制造业中，人工智能将可以协助设计人员完成产品的设计，在理想情况下，可以很大程度上弥补中高端设计人员短缺的现状，从而大大提高制造业的产品设计能力。同时，通过挖掘、学习大量的生产和供应链数据，人工智能还可望推动资源的优化配置，提升企业效率。在理想情况下，企业里人工智能将从产品设计、原材料购买方案、原材料分配、生产制造、用户反馈数据采集与分析等方面为企业提供全流程支持，推动我国制造业转型和升级。　　在生活服务方面，人工智能同样有望在教育、医疗、金融、出行、物流等领域发挥巨大作用。例如，医疗方面，可协助医务人员完成患者病情的初步筛查与分诊;医疗数据智能分析或智能的医疗影像处理技术可帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果。在教育方面，一个教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养。

（1）类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

答：酒店住宿人数预测

假设：即可能影响每日人流量的原因有天气、路况好坏、是否是节假日，并且假设是线性关系。

参数：天气、路况好坏、是否是节假日分别对每日人数影响的权重。

优化目标：对每天预测出的人数偏差在可接受范围内。

（2）为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

数十年来有关贸易影响的研究表明，其他就业岗位自然会出现，整体就业不会大幅跳水。对决策的剖析暗示了这些新的就业岗位有可能来自什么地方。人类和人工智能有望一起工作；人类为预测提供互补品，即数据、判断或行动。例如，随着预测越来越廉价，判断的价值越来越高。故此，我们预计，与回报函数工程相关的岗位会增加。这些岗位中的一部分专业性强，报酬也高，它们将由那些在预测机器出现之前就已在应用这类判断的人来填补。其他与判断有关的工作会更为普遍，但它们对技术的要求或许不如人工智能所取代的岗位高。当今许多高薪职业的核心技能都包括了预测，如医生、金融分析师和律师。正如机器对于方位的预测减少了伦敦出租车司机相对较高的收入，却增加了收入相对低的优步司机的人数那样，我们预测，医疗和金融方面也会出现相同的现象。随着任务的预测部分逐渐能自动完成，更多的人可填补这些岗位，其所需的技能也收窄到与判断相关的技能内。如果预测不再是约束性的限制条件，对更广泛的互补性技能的需求或许会增加，这会带来更多低薪的就业机会。人工智能和人有一点重要的区别：软件能成规模地扩增，人却不能。也就是说，一旦人工智能在特定任务上的表现超过了人类，岗位流失很快就会发生。我们固然相信，几年内新的工作岗位会出现，人们会找到事情可做，但对那些渴望工作、等着新工作出现的人来说，这算不上什么安慰。从长远来看，就算与机器岛进行自由贸易不会影响岗位的数量，人工智能引发经济衰退仍是可能的。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

答：考试分数预测

假设考试分数与复习天数、老师是否划重点、心情指数、所做题目等等因素有关，且是非线性关系。

参数：复习天数、老师是否划重点、心情指数、所做题目等等因素所占权重。

优化目标：考试分数尽可能高。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

答：繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。

     BAT等互联网公司是招聘AI人才的主力，主要是针对算法、机器学习方面的职位。累计到现在，国内已有几万名AI领域的毕业生了。但是这个数字还远远不能满足市场需求，因为市场的人才缺口是百万级的。最近两年才是AI人才需求的井喷期，3~5年后AI岗位一人难求的困境将会缓解。

     随着相关高校设置专业和毕业生数量的增加，AI领域的低端人才会多起来，但是高端人才依旧难招，虽然很多行业都急缺高端人才，但是AI领域特别明显，因为这涉及到逻辑思维等，门槛非常高。

问题一：

食堂饭菜供应量与节假日、当天有课的人数、是否有活动等相关性，参数是节假日、当天有课的人数、是否有活动相关程度α1，α2，α3；优化目标，损失函数最小。

问题二：

  从大环境来说，中国已经进入了互联网时代。在互联网时代中，“AI+”已经成为了目前的热点，并且创造了巨大的经济价值。因而，在未来互联网产业中，AI与产业的结合将会更加深入，因而对AI人才的需求将会呈现一个剧增的趋势。从AI技术本身来说，机器学习、深度学习、强化学习任何时候都不可能说已经达到了一个完美的情况，因而对于AI本身的研究也会具有持续性，从而对于人才的需求将会进一步增加。从经济学的角度来说，价格和需求是呈反相关关系，在这里，需求的增加，就导致了对于人才需求的增加。因而，AI人才是有很广阔的前景的。

但是应当说明的是，目前涌进AI领域的人越来越多，想要在AI领域站稳脚跟，必须具备绝对的竞争力。