【广而告之】崩塌！硅谷大佬疯狂裁员，人工智能AI的出路在哪里？

01

机器学习模仿人类智慧，使计算机应用通过互动处理和算法训练来积累经验。机器学习技术增强了人类的能力，可以比人类更快地成为专家。机器学习系统可以有效、高效、低成本地测试系统和衡量解决方案。

机器学习核心技能：

课程主题：

职业发展方向:

学习者心声：

02

机器学习 (ML) 是人工智能 (AI) 的一部分，属于计算科学领域，专门分析和解释数据的模式及结构，以实现无需人工交互即可完成学习、推理和决策等行为的目的。机器学习整合更正信息，改进未来决策。

机器学习在工程和科学领域核心技能：

课程主题：

职业发展方向：

学习者心声：

HOT

Galaxy Digital 是一家专注于数字资产的金融服务和投资管理公司。 他们使用前沿技术为导向的工作方式，将他们的工作重点放在加密货币和区块链上，而区块链也有助于他们的内部工作流程。尽管区块链通常与加密相关联，但它的去中心化性质有更多的应用场景。区块链削弱了对第三方的需求，支持以用户为中心的交易。

该PBL将向学习者介绍区块链里的丰富的数据世界，重点介绍其架构和可能的用途。 学习者将了解去中心化网络的内部运作，以及如何在区块链环境中利用数据科学、机器学习和人工智能。

加密货币市场是著名的动荡和不可预测的，表现出与传统金融非常不同的行为

比特币和以太坊等公共区块链网络是任何人都可以使用的开放环境。

为未来互联网价值提供动力--互联网正在发生变化，Web3工具与现有能力和基础设施相结合，为公共和私营部门的企业和个人带来了新的可能性

大于其各部分的总和--学习系统和纯应用账本的结合为分布式协调和问题解决开辟了新的视野，具有新颖的经济激励结构

💵 职业发展方向：

HOT

J.P. Morgan是金融服务的全球领导者，为100多个国家/地区的全球最重要的公司，政府和机构提供解决方案。 其“ You Invest Portfolios”服务使用高效的算法，以便根据有关客户的投资目标，风险偏好和财务约束的综合调查表为特定客户量身定制投资组合。

在本PBL中，学习者将学习包括.P. Morgan在内的大型投资银行用于开发新颖的金融服务的机器学习工具和现代金融经济学理论。

金融合同的估值通常与解决部分整数微分法有关。边界条件下的方程（PIDE）和神经网络的方法直到最近才在理论上证明了其在高维度方程数值求解中的有效性

💵 职业发展方向：

Johnson & Johnson是一家跨国公司，提供各种医疗器械和药品。 在2020年的新冠大流行期间，该公司与麻省理工学院的一个科研团队合作建立了用于疾病跟踪和预测的机器学习预测模型，从而使团队能够为疫苗开发过程做出数据驱动的决策。 

学习者将有机会探索Johnson & Johnson 如何利用数据科学工具做出明智的决策，以及机器学习如何在医疗保健的其他许多方面发挥作用。

使用机器学习进行医学成像诊断增强，将集中于利用机器学习来后期处理医学图像，以增强对人体的诊断和筛查。

如何最大限度提高预防COVID-19的疫苗接种效率，将探索数据驱动的模型以及将机器学习用于增强模型的方法，并理解疫苗的使用对新冠病毒的流行病学影响。

荧光显微镜中用于细胞计数，检测和形态测定的深度学习，该方向将利用机器学习来自动执行计算分析。

量化评估隔离对COVID-19传染性传播的影响，将重点介绍构建物理驱动的AI模型，以分析隔离策略对控制COVID-19传播的影响。

💵 职业发展方向：

HOT

Morgan Stanley 作为一家全球金融服务公司运营。该公司为其客户和顾客提供投资银行产品和服务，包括企业、政府、金融机构和个人。它通过以下部门运营全球商务：机构证券，财富管理，和投资管理。研究重点是资产定价模型在使用共同基金风险调整后的业绩基准。

此PBL计划旨在帮助学生加深对机器学习技术的理解应用于上述金融领域，定量分析也是其中的重点。

风险管理是了解公司在财务健康方面所面临的威胁的做法。它是每个公司的必要工具，对于那些可能经历其产品价值大幅波动的公司来说更是如此。

在这个方向上，学生将有机会处理基于不同方法的奇异期权的定价和估值，这些方法是基于数字方法的。

金融产品的动态性允许采用量身定做的方法，即可以定制特定的产品以适应客户的金融需求。

在这个方向上，学生将体验到作为一个交易员，他们不仅要制定，而且要能够执行和跟踪他们的交易策略。

💵 职业发展方向：

HOT

Microsoft是全球最大的软件制造商之一。 其“计算机视觉”服务使人们可以访问高级算法，利用这些算法处理图像并根据这些图像的视觉特征返回信息。 

该PBL借鉴了Microsoft的想法，致力于应用顶级计算机视觉系统将诸如自动驾驶汽车之类的应用推向未来。 学习者将学习这些算法和技术，并将其应用于学术界和工业界。

生成对抗网络（GANs）可以用许多图像进行训练，以创造全新的图像，学习者将探索使用人工智能来合成图像的创意应用

学习者将挑选商业摄影中的一个问题（去模糊、高动态范围、去除反射等），并使用机器学习来解决这些问题

计算机通常可以识别训练有素的人类医生可能错过的模式。有了人工智能，医疗诊断可以更快、更准确、更省钱

物体检测是计算机视觉中最基本的问题之一，它的目标是识别给定图像中的物体并找到它们的准确位置

💵 职业发展方向：

HOT

Lyft 是一家交通网络公司（TNC），它使用AI驱动的分析来预测未来的旅行请求，从而提前匹配请求，调度车辆和平衡空闲车辆。这样的分析能够优化资源分配并提高服务性能（缩短车辆等待时间和绕道时间）。 

在本PBL 中，学习者将对广泛应用于交通网络公司（尤其是Lyft）以及智能交通领域的“短期预测”和其他机器学习模型建立深刻的理解。

使用从高速公路上的传感器收集的数据探索在多个提前时间间隔（例如提前5分钟或15分钟）内的短期交通速度（即通过某一链接的汽车数量）预测

利用城市中的出租车行程数据，探索在多个提前时间间隔（例如提前5分钟或15分钟）内对短期出租车需求的预测 。

使用城市旅行数据探索共享单车在多个提前时间间隔内的短期共享需求预测。

该方向旨在使用地铁系统中的SmartCard交易数据来探索对多个短期时间间隔的短期乘客需求的预测

💵 职业发展方向：

Schrödinger 是一家设计计算化学软件的公司，旨在快速低成本地发现新型疗法和材料。 Schrödinger 平台集成预测物理的方法与机器学习技术以加快这一过程。通过额外的计算分析循环，每轮实验项目中找出的最有希望的化合物会被优化。 

在此PBL中，学习者将学习Schrödinger 用于大规模药物发现的计算工具，并将这些工具应用于未来的职业。

通过简单的物理描述符对过渡金属的d带中心进行机器学习预测

通过简单的物理描述符对无机固体的带隙进行机器学习预测

含锂固体的筛选和离子电导率的机器学习预测

构建机器学习力场以对氧化银表面进行分子动力学模拟

💵 职业发展方向：

DeepMind 是 Alphabet, Inc. 的一个部门，负责开发通用人工智能 (AGI) 技术。 DeepMind项目通过人工智让自动驾驶汽车学会避免碰撞，或者让机械臂在模拟环境中取放物体。在模拟环境中训练机器人，将知识转移到真正的机器人之前学习必要的技能，以降低成本。

学习者将更好地理解人工智能的不同方面，将这些知识作为灵感来构建新颖的计算机系统，这些系统学会自己寻找解决难题的方法。

掌握深度强化学习的算法，包括由DeepMind开发的AlphaGo上使用的算法。学习如何为一些特定的任务编程、如何使用流行的tensorflow 库和keras库开发人工智能算法。

学习使用机器人操作系统（ROS），这是控制无人机、无人驾驶地面车辆、四脚机器人、移动机器人、机械臂等的非常必要的技能。

💵 职业发展方向：