我本科毕业于软件工程专业，毕业后一直从事前端开发的工作。多年来，我参与过不少和数据可视化、用户行为分析、OCR图像识别相关的项目，虽然这些经历让我对人工智能应用有所耳闻，但对其背后的算法逻辑、模型训练方式几乎没有概念。
所以，我选择加入里约热内卢联邦大学（UniversidadeFederaldoRiodeJaneiro, UFRJ）人工智能硕士。相比于之前的工作和学习经历，让我离AI更近了。
重新进入学术环境，目标更清晰
本科的软件工程课程更像一个通用工具箱，涵盖数据结构、算法、操作系统、计算机网络等基础知识，目标是铺开广度，构建计算机学科的整体框架。
而人工智能硕士的学习则完全不同，它要求你深入钻研某一领域，并且亲手实现具体项目。从机器学习算法到神经网络，再到深度学习的框架应用和模型评估，我接触到很多本科阶段没有深入探索的内容。每一次动手实验都让我觉得耳目一新。
很多人会问，工作多年再回到学术环境，会不会很难适应？
我的感受是，适应并不难，甚至更加游刃有余。因为带着工作经验和明确的目标学习，我很清楚自己需要什么、能用在哪里。和本科时“学而不知所用”的状态相比，现在的学习目标更清晰，动力也更强。
在UFRJ的学习收获
在UFRJ的课程中，对我收获最大的是机器学习算法及其工程化落地。通过系统的学习，我不再只是局限于工具，而是能够理解这些工具背后的工作机制。比如，神经网络、支持向量机（SVM）、决策树等模型是如何完成分类、识别、预测等任务的。
更重要的是，我开始能从头到尾搭建一个模型，包括数据清洗、特征工程、模型训练、调参和评估。这种从“黑箱到透明”的体验，让我重新认识了人工智能的力量和边界。
在资源方面，UFRJ的教授们会提供PPT、论文和参考书籍，比如《DeepLearning（深度学习）》这本经典教材。虽然对数学要求较高，但只要把线性代数、微积分、概率论等基础补好，就能跟上。系统的学习材料对我帮助很大，让我能在课下加深理解。
比较有趣的是我们每周的跨时区答疑，国内在北京时间晚上6–8点举行，而巴西那边正好是清晨。课堂上，教授用英语授课，会有助教翻译即时传译。有时我能感觉到教授在讲笑话，但因为文化差异，缺少了一些互动，也让我意识到技术交流之外的“软技能”同样重要。
为什么选择UFRJ？
在市面上，也有很多关于数据处理和AI应用的培训课程，但我选择攻读学位有两个原因：一是时间安排更合理，二是专业匹配度高。更重要的是，学位课程比技能培训更系统、更深入，它不仅提供知识本身，还训练科研思维和问题解决能力。
我也对比过国内的考研项目。国内考研对英语、数学等科目的要求比较高，需要投入大量时间准备，我觉得短时间内完成难度太大。
刚好看到了UFRJ人工智能硕士的项目介绍，了解后发现课程方向非常符合我的预期，且时间安排灵活，非常适合像我这样的在职人士。于是，我就毫不犹豫地选择了UFRJ。
在线学习有着独特的优势，不止可以个性化规划自己的节奏，还可以立刻将知识应用到实践中。课堂上学到的算法，我能马上写代码试验，甚至融入到手头的一些AI项目中。这种学以致用的成就感，反过来又成为我坚持下去的动力。
但在线学习也是有挑战的，没有人监督的时候，尤其是我遇到数学推导或公式时，很容易打不起精神。所以我的方法是“基于时间块的弹性学习法”，把一天的时间划分为不同的时间块，每个时间块专注于一件事。有的时候实在学不进去时就休息或转去做别的事，缓解疲劳，做弹性管理，反而可以保证学习的连续性。
结语
虽然目前我还是在读，但回顾这段时光，我最大的感受是：带着工作经验再来学习人工智能，不仅让我学到知识，也让我看清了自己在未来的定位。
未来开发者和AI的关系是协作而非竞争。AI会接手大量重复性的工作，如自动代码生成、简单调试等。而开发者的价值会体现在能否驾驭AI工具，比如掌握提示工程和场景拆解；能否识别AI的局限性，清楚它在哪些任务上容易出错；能否从业务需求出发，定义问题并实现创意落地；能否统筹全局，进行系统架构设计。
未来的核心不是“和AI抢饭碗”，而是“借力AI，做AI做不到的事”。
