本文大约 580 字
读完可能需要一首歌的时间
最近中美之间因为贸易战闹得很不愉快。美国非常鸡贼啊，掐死了高新科技这条路，这样一来我们依赖美国专利技术的行业就非常难受。但是，虽然美国这次做的很不地道，可也让我们更清楚的看到了掌握技术的重要性，以及迫切性。
所以当条子跟我说中国肯定会大力扶持人工智能，未来人工智能的岗位将会非常火的时候，我就信了一半。条子是我们新来的同事，跟我一块儿做人工智能头条。他负责找资源，我负责把控和产出内容。
上周五我正听 Staring at you 沉迷工作呢，条子突然拔掉我耳机跟我说，哎你知道不，现在移动端也可以玩机器学习了？我愣了几秒钟，Staring at 他那张脸，真想拿起桌子上的BB8，和他脑袋比个软硬。
作为人工智能的一个重要分支，机器学习已经发展成为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。并且被广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
就算完全不了解机器学习是个啥的人，也能看得出来，上述的每个领域都涉及到大量的数据采集和分析，普通PC的算力都不一定搞的定。你看比特币挖矿现在都需要专门的强大算力的机器，甚至已经发展成了一门生意。指望在移动端做机器学习？我手上这台Pixel 2还不得炸了？
结果就在今天，他甩给我一张图给我：
我愣了几秒钟。一看是个针对零基础的AI课程，9块9，不到半碗面的价格，就买了看看，发现确实讲的很零基础……通过一个实例入手，安装部署开发环境开始，一步一步跟着操作，最后完成一个Demo项目。典型的得体和盔壳（Dirty and quick），优点就是上手门槛低，入门快。缺点就是不系统。
面向的人群是：
机器学习初学者
TensorFlow 初学者
计算机视觉初学者
还提供了详细的代码实现。比如获取到TensorFlowInferenceInterface的对象之后，在这个对象上面输入图片数据并获取识别结果：
原来我想的只是在在移动端进行模型训练，这个显然是不可能实现的。但其实只需要利用服务端的海量数据和计算资源训练好的模型，部署到移动端，只利用移动端的计算能力来进行推理，这个是可以实现的。
看来今晚加班餐，我得给条子多加一颗卤蛋了。
哦，差点忘了，今天是周五。各位AI准备怎么度过这个宝贵的日子？