22位AI領域的高管揭秘：人工智慧開發人員需要什麼技能？

更多騰訊海量技術文章，請關注云加社區：https://cloud.tencent.com/developer/column

作者：人工智慧資訊小編

原文標題：在人工智慧領域, 開發人員需要什麼技能？

為了收集有關人工智慧（AI）及其所有變體（包括機器學習（ML），深度學習（DL），自然語言處理（NLP），預測分析和多重神經網路）情況的見解，我們與22位熟悉人工智慧領域的高管進行對話。

我們向他們詢問: 「開發人員精通AI項目需要有哪些技能？」

下面是他們給出的答案:

數學

這取決於你想要在這個領域研究多深入。人工智慧是一門不可知的語言。你的確需要知道關於數據和其他的一些技術。這包括數學，代數和演算法的演算等，但其中的很多知識前人已經寫好了。你需要懂得自然語言處理的人類思維過程, 包括上下文，意圖以及如何鏈接實體。更深入地洞察人類思維過程。

有統計學的基礎。數學專業的人員更容易成為軟體程序員。在統計學方面擁有堅實的基礎可以使你在人工智慧或者機器學習領域有所造詣。軟體開發者不能只是簡單地把一個Python庫應用於一個問題上。

計算機科學，數學，統計學，人工智慧，深度學習，循環神經網路(RNN)。創建更高層次的抽象來將許多東西移植到機器上。

有 統計學，數據建模，大數據的專業知識, 並精通一種或多種編程語言方面對於嘗試進入AI領域的開發人員來說是一個良好的開端.

我們發現需要以下技能: 良好的數學技能 並有數據科學的學術背景。能跟上這個快速發展的領域（需要數據的領域諸如費用統計，會議數據搜集，博客數據整理等等）的發展。輕鬆地操縱大數據集。快速掌握機器學習工具集並將其集成到一個更大的項目中。

深入這個困難的領域並建立專長。了解數學和數據類型(數字和類別)。學習機器學習，演算法，決策樹和神經網路。了解開源，Apache，谷歌，IBM，微軟，R語言，Python等技術或者IT公司和它們的技術。

數據科學

有能力並樂意查看數據，了解數據，預測數據，對數據有共鳴，能夠將數據圖形化以達到一定的理解水平。只要求掌握一定程度的數學運算技巧, 並且這個要求還在不斷降低。理解過度擬合的陷阱。這不是拖放式的機器學習, 人類可以給電腦更多的數據。將人類的洞察能力與編程輸入結合起來。問問你自己，你真正知道的有什麼？數據能告訴自己什麼？聰明的軟體開發人員會在思維上加入對數據的感覺和預測來習得機器學習。

精通Python和Java。了解TensorFlow，Café和Torch等主流人工智慧庫。能夠從HDFS(Hadoop Distributed File System, Hadoop分散式文件系統)資料庫中提取正確的數據。知道如何使用過濾器。能夠融合和關聯不同的feed。提高解析度。了解神經網路。精通數學。使用庫不要求開發者如同以前一樣知道很多知識。

知道一些基礎。Coursera上可以獲得理論基礎。開始為一家人工智慧公司工作或在工作中自己做一些與人工智慧相關的事情。尋找用例。我們只需讓開發人員使用神經網路來構建一個應用程序以了解圖像何時被完全正確呈現。了解AI框架和Spark。

什麼是數據科學家？ 他們需要會計算機科學，分析部署，攝取，ETL(Extract-Transform-Load, 數據倉庫技術)，還有很多瑣碎的知識。知道如何實現價值。了解業務問題。

在學習中使用其他演算法，觀摩其他客戶或業務問題來解決問題。利用現有的演算法。關注可用數據, 思考如何訓練系統，如何提供最佳結果，提升訓練級別, 組織開展編程馬拉松。學習TensorFlow，Spark和R語言.

數據科學家需要從R語言，Scala和Python入手。如果從事機器學習演算法研究，請依靠語言學團隊的成員來確定如何針對機器學習進行數據預處理。

使用開源社區工具。專註於解決業務問題。學習Scala，R語言和Python。數據科學和機器學習正在使用R語言和Python進行迭代建模，但是它們不會縮放規模。因此必須使用Scala來進行縮放實現真正的分散式計算。

弄懂業務問題。理解認知系統。知道可用的服務有哪些才不會學習一些你用不上的東西。學習演算法和大眾數據科學。學習如何使用Torch，Café，TensorFlow，回歸，Python，R語言和JavaScript。更深入地收集訓練數據, 數據的質量很重要。明白如何組織和準備數據。

其他

後端開發人員需要知道機器學習和大量圍繞人工智慧的開源技術。前端開發人員需要學習有關機器人和會話流程的知識。

人工智慧領域的知識。人工智慧不像Tableau。你需要知道對應的問題的正確解決方案。弄懂統計學。建立深層次的人工智慧知識。

人工智慧有一套完整的技術。

通過開始嘗試其中任何的一些技術來開始獲得一種不同的思維方式。這比任何工具都重要。從教程上著手開始。

作為人工智慧開發人員, 我們的工作是關於訓練的。分解問題，思考如何有效地進行訓練。觀察並回到某個學習基礎點上。思考你需要系統理解的核心概念。有很多條路徑可以完成你正尋找的東西。獲得一個不同的思維方式並解決手頭的問題。

在上層應用真實世界的用例。採取具體的原始用例, 看看技術如何應用在它們上面。如果你這麼做了, 只要想得到沒有辦不到的。

有某個領域應該是屬於機器人領域。我從事人工智慧軟體方面的工作，所以我傾向於考慮以軟體為中心的解決方案，例如機器人和應用程序，但是有整個的人工智慧機器人應用。我很好奇軟體和硬體如何融合在一起，使得真實的設備和物理對象變得聰明起來。

現在，由於人工智慧的最新應用所需的高度專業化的理論和實踐知識，擁有博士學位正在迅速成為此領域所需的最低要求。

那麼, 你的經驗又告訴你開發者精通AI項目需要些什麼呢？

以下是我們進行訪談的人士:

首席執行官Gaurav Banga, 首席技術官 Vinay博士 Sridhara，來自Balbix

數字服務集團領導, 阿比納夫·夏爾馬(Abhinav Sharma), 來自 Barclaycard, 美國

Birst產品戰略副總裁 Pedro Arellano

BlueMetal副總裁兼全國總經理Matt Jackson

Bonsai公司首席執行官Mark Hammond

CA Technologies大型機總經理Ashok Reddy

DataProM聯合創始人兼首席執行官Sundeep Sanghavi

Deep Instinct聯合創始人兼首席技術官Eli David

dinCloud總經理和首席營銷官Ali Din，以及研發總監Mark Millar

FogHorn Systems首席技術官Sastry Malladi

Flavio Villanustre，LexisNexis風險解決方案技術副總裁, 來自HPCC Systems

Rob High，IBM首席技術官Watson

iManage首席技術官Jan Van Hoecke

Jetlore公司首席執行官兼聯合創始人Eldar Sadikov

Kinetica首席執行官兼共同創始人Amit Vij

Ted Dunning博士，MapR首席應用程序架構師

首席技術官和聯合創始人Bob Friday，營銷副總裁Jeff Aaron, 來自 Mist

甲骨文(Oracle)公司人工智慧機器人和移動部門副總裁Sri Ramanathan

Sinequa高級產品營銷經理Scott Parker

TIBCO首席分析官Michael O"Connell

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！