随着这一轮深度学习的带动，人工智能这几年来高速发展，整个市场对人才的需求激增。

我们已经知道，某种格式的数据对于机器学习算法是必需的。另一个重要的要求是，在将数据作为机器学习算法的输入发送之前，必须正确标记数据。例如，如果所说的分类，那么数据上会有很多标记。这些标记以文字，数字等形式存在。与sklearn中的机器学习相关的功能期望数据必须具有数字标记。因此，如果数据是其他形式，

随着科技的水平大幅提升，人工智能政策的不断完善，在2017年，在全世界人工智能初创企业共有几千家，但是中国以592家占据第二，只仅次于美国。人工智能技术公司犹如雨后春笋一样的爆发。

哈夫曼树又称最优二叉树。它是 n 个带权叶子结点构成的所有二叉树中，带权路径长度 WPL 最小的二叉树。

树的路径长度是从树根到树中每一结点的路径长度之和。在结点数目相同的二叉树中，完全二叉树的路径长度最短。

人工智能时代，我们该如何学习？很显然去做与机器重复的事情是没有意义的，超越机器就要花更多的时间去学习才行！各大公司也在培养新型人才，以帮助企业更快的步入人工智能时代。

人工智能算法需要过硬的算法基础，从培养上来看，本科是用来打基础的。如果你的职业发展是想要高端的人工智能算法行业，本科的研究水平应该远远不够，至少是研究生吧，并且推荐你读个博士，想要做大做强实力和名头一个都少不了。

AI是为了代替人类繁杂重复的工作而努力，这些工作不是很多，却有很多人争着做，以后不用开车，不用开飞机，不用做饭菜，不用开刀，还有什么要做，只有不停的改进与迭代，AI不是主角是工具，不会成为主要产业。

算法基础方面，如果是svm，gbdt，神经网络各类算法，数学基础也是算法基础。如果是leecode什么的，大家刷题就好了。

如果说就选择一个专业来讲的话，AI是一个好的方向，可以前期积累不少的理论知识，重点是尽可能的专注在AI的一部分实践和深入研究上，这样对自己的成长有一定的启发和突破；最后在由点到面，快速成长起来。

在于它可以比人类更有更强大的算法。人工智能的核心算法，现在基本上是被大公司垄断的,因为人工智能的算法太耗钱。我们看到的是AlphaGo战胜李世石，像一个人在传指令，但其实指令背后是上千个CPU。