连昊飞是里约热内卢联邦大学（Universidade Federal do Rio de Janeiro, UFRJ）人工智能硕士的在读学生。他热爱摄影和无人机，对科技的一切都怀有好奇与热情。
他与数据处理的缘分始于一次看似简单的个人爱好项目：为了统计自己收集的城市特色杯子数量，他最初使用Excel进行记录，但很快发现其便携性和可扩展性不足。于是，他主动学习了数据调取与存储的技巧。
这段经历也成为他迈向AI的开端。
直到AI视频在全球范围内广泛传播，他真正意识到人工智能的颠覆性。过去需要一个月才能写出的代码，如今AI只需几分钟就能生成。这种效率上的飞跃，让他下定决心投身人工智能的学习与研究。
循序渐进的课程体验
UFRJ的整个课程结构是比较循序渐进的，从Python编程与经济学导论开始，进入机器学习、深度学习，如今我已经学习到计算机视觉与可视化。
课程的难度，就像指数函数一样，越往后越陡峭。早期的课程相对轻松，更多是编程语法和基本建模。但进入深度学习阶段后，涉及的内容包括卷积神经网络（CNN）、循环神经网络（RNN）、优化算法以及图像识别等，需要使用GPU等高性能硬件。
记得在项目三，数据建模部分中，我提前两周就完成了任务；而在项目四，基于深度学习的市场细分预测时，我几乎拼到最后一天才交上，交完依然觉得模型还可以继续优化。
如今在图像处理环节，最大挑战是专业术语和计算逻辑的陌生感。例如卷积核的应用、特征提取的过程，既要理解数学原理，还要能在代码中实现。学习过程虽艰难，却能明显感受到自己的能力在逐步提升。
让我感到与众不同的一点是，UFRJ的课程考核结合了客观题与主观题，后者要求学生以项目报告的形式，像向甲方交付方案一样，既锻炼了逻辑表达，又培养了实践思维。
AI在我的工作中的应用
我目前在星巴克担任门店主管，主要负责门店运营与统筹管理，包括每日客流、销售、库存等数据的分析，有时也会临时代理其他门店的工作。
《机器学习》是我在目前受益比较大的课程。我尝试将其应用到门店管理中，比如基于客流与销售数据建立预测模型，从而帮助制定库存调整方案、销售策略等。
以库存管理为例：过去每月两次的库存调整，需要逐一比对数据，仅核对与差异较大的部分就要耗费三到五个小时。我第一次做时甚至花了八个小时。后来我编写了数据比对脚本，将文件导入数据库，由程序自动完成差异分析。结果还是很明显的，我每次可以节省2小时以上的时间，还避免了重复、枯燥的人工操作。
在UFRJ的收获
在攻读硕士前，我也体验过一些短期技能课程。这类课程通常内容紧凑、体系完整，但缺少深度互动，答疑也有限，学习过程更像是单向吸收。
相比之下，UFRJ的硕士课程从基础到应用，逐步递进，学习更系统。同时既有项目驱动，也有讨论交流，学习群里有几个同学很活跃，我们经常一起讨论问题，有交流对象的感觉很好。
最重要的是，硕士学位不仅是学术认证，也能在职业发展中提升竞争力。比如我已把UFRJ的部分项目写进简历，简历曝光度和招聘方的关注度都明显提高，这是让我感到很惊喜的收获。
跨专业如何学习AI
我的本科专业、工作经历其实和计算机的关联都不大，但凭借着对AI的热情我还是坚持下来了。我知道有不少同学本身可能是零基础，想学又难以跨出这一步。对此，我深有体会，跨专业进入AI虽充满挑战，但也让人收获颇丰。
对于想要转型的同学，我认为关键是保持热情、打好数学和编程基础，并善于利用资源。
人工智能的核心是算法与建模，数学是它的语言。线性代数、概率统计、微积分是基础，很多复杂的模型可以通过数学公式简洁表达。
英语与编程建议结合学习。Python是解释性语言，很多操作与单词紧密对应，理解好英语能大幅减少学习成本。
在资源方面，UFRJ给了不少支持，比如学校会提供软件下载的教程，遇到获取的困难时，助教会直接上传打包好的资源。
同时，学校推荐了很多教材，内容很全面，这些教材也有中文版，所以学习起来难度降低力了不少。在学习过程中，我也接触了很多新资源，比如Kindle，能提供免费GPU运算，GitHub，有大量开源软件和训练好的模型，这些都减少了我的学习成本。
老师还推荐过一些检验成果的平台，比如Python竞赛网站、数据类网站。另外一个意外收获是，我因为GPU问题，顺便学会了用亚马逊云计算。
我想这不仅仅是技能的拓展，更是思维方式的转变。这种面向实际问题寻找解决方案的思维，也是AI学习过程中非常宝贵的能力。