简介：今天，首席执行官注意到与您分享DevOps和AI的相关内容。如果您可以解决您现在面临的问题，请不要忘记注意此网站。让我们现在开始！
我学到了这两个软件。学习并不难。这取决于您首先学到的东西。如果您首先学习PS，那么AI就会更加困难。首先学习AI。AI，我现在使用两个软件：Photoshop和Coreidraw。我只是为图形设计。
DevOps并不是一开始，为什么当前的声音变得更大。实际上，原因很简单，这表明市场，即每个软件公司都遇到了问题。DevOps可以帮助解决此问题并为客户创造价值。
客户有什么问题？每天发行很多次。如果它仍然像以前的模型一样，您的公司可能很久以前就被淘汰了。
实际上，理解非常简单，就像Dev和Ops像图片一样合作（但是上图中的幽默都用来隐喻实际效果是正确的） - 外观是离婚的。如果您只有一个英亩三分之三，出于各种KPI的原因是正常的。但是，想象一下，如果公司的KPI为：对于开发团队，将在一个月内发布10个版本。对于操作和维护团队，在线环境可靠性为99.99％。明显地，这将使开发团队，运营和维护团队突然变得相反。如果您想快速发布版本，获得质量（测试团队）以及操作和维护团队，因为要在线上，它可能会受到基础架构等各种原因的影响。Besides，操作和维护团队将经过仔细的测试，因为它很容易获得稳定的环境，您为我增加了新的风险，当然我很不高兴。
由于上面的各种系统，再加上OP的前缀，因此工作量和工作复杂性增加了，因为在软件行业中，由于新事务的出现，它并没有消除一些复杂性。将复杂性从一个地方转移到另一个地方。因此困难正在越来越大。组织结构没有动态，并且概念没有调整。它已经为DevOps的失败种子奠定了基础。此外，提高能力的能力将使这一美好事物与成功更远。
这个问题与两个方面分开讨论。让我更合理地分解您。
制作算法更好吗？人工智能高吗？
首先，最好制作开发算法吗？
我不这么认为。我一直从事算法工程师的职位，同一项目组中有许多算法工程师。实际上，我认为算法和开发的边界变得模糊。编码，该算法并不是整天都在思考和研究该算法。让我谈谈我对算法的感觉。采用计算机视觉算法位置。已经有许多成熟的阶层。有意义的变化只有很少的变化。从2012年Alexnet的出现到现在，每日使用更加频繁。太少和太少了，尤其是在公司中，没有太多的努力和财务资源来培养大量算法工程师如何改进，大多数或大多数人都对上述成熟度发疯，然后根据特定领域（例如机器学习，优化算法和场景知识）提出一个解决方案，然后进行编程和验证。具有成熟框架的平台与tensorflow或pytorch等框架相结合，以查看其是否过度贴上？准确性如何？召回率检查率是多少？然后通过某些方法解决它。当然，几乎所有这些方法也准备好制作，因此我个人认为开发和算法没有明显的界限。我认为该主题的发展可以被视为前一个发展部分。对于后端，大多数日常工作时间的算法也在处理代码，因此我认为没有人比其他任何人都糟。如果您进行开发，您将非常受欢迎。
其次，人工智能是高端吗？
我的答案是肯定的。如果没有高端国家，它将不会引起太多关注，并且不会有那么多渴望布置AI的公司。计算机视觉，自然语言，推荐和加强学习的应用程序场景太多。如果准确性是准确的，那么速度和其他方面确实可以产生很高的结局。例如，我在一份新闻上读到，计算机视觉已经达到了医疗方面的专家水平。在癌细胞识别方面也有许多突破，但我认为目前人工智能仍然存在许多问题，例如慢训练速度，数据量有限，并且在序列中存在许多问题。有很大的障碍，深度学习的解释性很差，但是不可否认的是，人工智能的广泛方向非常美丽。在此期间，需要克服许多问题。
实际上，这个问题需要从多个角度回答。如果您想成为顶级主人，那并不容易，但是如果您只想进入门，人工智能将会更简单。您为什么这么说？从语言角度来看，Python为我们的免费试验提供了大量人工智能库。我们不需要知道任何算法的原理。您只需要调用界面即可实现我们想要的目的。在视觉上，例如机器学习输入练习的项目分类，我们还可以看到中间结果的输出，这很容易获得理解成就。在短时间内，如果您依靠自己，就很难获得明显的发展结果。在成就的培养方面，情况更糟。从另一个角度来看，如果您想在这两个方向上工作，它将更容易软件开发。参与软件开发所需的基本条件是毅力。您基本上可以从持久性中学习。这个过程可能很无聊。如果您想参与人工智能，则需要更多的基本条件，例如需要高数学，统计数据和线性代数。如上所述，如果您不了解这些，我们只能编写一些人工智能程序。不理解该原则，这些原则正是在访谈中必须进行的。哪种算法适合于哪些方案和应该优化哪些参数。因此，简单或困难，或目的是什么，可以解决您的问题。
人工智能比软件开发要高得多。人工智能中的软件编程仅是基本要求。也必须有一定程度的学习数学与数学相关的可能性。存在相对较高。
人工智能更加困难。人工智能包含软件开发。人工智能正在编程。
人工智能很难学习。
AI的内容比PS少，当然，相对工作表面比PS狭窄，但是如果您学习它，则可以从PS学习更容易。也强烈建议从PS学习。
PS是图形设计软件的基础。它包括图形设计软件（例如路径，层，质量，通道等）经常遇到的功能。LEALNingPS首先可以提高您学习其他平面软件的效率。
PS的教程是最广泛的，也是最容易找到互联网上详细的教学内容。PS相关的帖子，论坛和QQ组也很大，这有利于自学。
AI软件和PS之间的区别
1.主要差异：
PS是一个过程图，AI是矢量图
1.由于PS是基于像素的编辑器，因此AI基于对象编辑。因此，AI编辑排版操作更有效。
2.它也正在绘制一条线。PS是许多像素，而AI使用点和点坐标来确定位置。因此，图片内存很小（不是计算机的高要求），并且可以无限地放大而不会失真。
3. AI没有效果编辑的PS，例如添加阴影等。它需要大量操作。同时，AI缺乏颜色，颜色编辑工具。
第二，功能差异：
AI主要用于绘制图形，PS主要用于处理照片和图像。
第三，不同的用途：
AI主要用于生产企业VI（徽标），矢量图形图等，因为在这方面向量图更有利。EAI在排版方面也很擅长。许多手册，宣传页面，海报等都是通过AI.完成的。尽管AI可以从某种意义上进行编辑Pixel图表，但编辑功能远小于PS。
PS擅长修理和绘画，因为照片，图片等是Pixels.ps。PS主要用于修改，编辑和材料的编辑生产。当然，将完成一些排版的工作。尽管PS还具有一些矢量编辑功能，但使用并不方便。
AI是矢量绘图软件。PS操作主要处理；AI是图像的“生产”软件，PS是图像的“处理”软件。
AI和PS之间的区别
1.不同的原则
PS是当前唯一的图片处理软件。AI是矢量绘图软件。PS操作的主要过程是图片的特征。图片的特征是如果它放大，将会有像素。然后AI不一样。他无法执行图片和修改。它只是用来绘制它。图形的效果是矢量，也就是说，它不会通过放大的时间来模糊。
2.不同的功能
AI是图像的“生产”软件，PS是用于图像的“处理”软件。AI用于制作一些高分辨率的图像，例如那些需要像专辑一样打印的人，并且可以使用海报。PS用于图像修改。
3.不同的用途
AI主要用于生产企业VI（徽标），矢量图形图等，因为在这方面向量图更有利。EAI在排版方面也很擅长。许多手册，宣传页面，海报等都是通过AI.完成的。尽管AI可以从某种意义上进行编辑Pixel图表，但编辑功能远小于PS。
PS擅长修理和绘画，因为照片，图片等是Pixels.ps。PS主要用于修改，编辑和材料的编辑生产。当然，将完成一些排版的工作。尽管PS还具有一些矢量编辑功能，但使用并不方便。
AI很难学习或PS很难学习
AI的内容比PS少，当然，相对工作表面比PS窄。
但是，如果您学习它，则更容易从PS学习，强烈建议您从PS学习。
原因如下：
1. PS是图形设计软件的基础。它包括平面设计软件（例如路径，层，质量，通道等）的功能。经常会遇到。LEALNingPS首先可以提高您学习其他平面软件的效率。
2. PS的教程是最广泛的，也是最容易找到互联网上详细的教学内容。PS相关的帖子，论坛和QQ组也很大，这有利于自学。
3. PS学习比学习AI的人要多得多。无论您是在寻找一起学习的老师还是一起学习的朋友，PS都更容易。
4，PS更实用，可以轻松实现很多效果，学习PS很容易获得实用的机会，并且学习得很满意。
因此，尽管PS学习内容不仅仅是AI，但学习非常有趣，但是您学习更容易。学习PS后，AI并不困难。
结论：以上是首席CTO注释为所有人编制的DevOps和AI的所有困难。感谢您阅读本网站的内容。我希望这对您有帮助。有关DevOps和AI.Forgot的更多相关内容，可以在此站点上找到它。