完成「系統性AI學習」後究竟能有多值錢？

AI大戲如火如荼，但如何才能在AI界立足？助教小姐姐在走訪幾家IT/互聯網大廠，採訪了幾位資深AI技術負責人後，精心整理出的寒假大戲，決不容錯過，先為大家獻上采（gou）訪（da）名單。

華為-人工智慧晶元應用端技術負責人-19級技術專家-CENG博士

橘子科技（滴滴）-智能交通組負責人-加偉

安脈盛智能-智能工業控制組組長-Qian Lee

深知科技-CEO-陳輝

當虹科技-視頻演算法研發核心骨幹 -李日

問題1：大致說一下AI界究竟需要怎樣的人才？

幾位專家均認為當前AI界技術人才還很難準確界定標準，總結對AI技術的理解大致可以分為以下四檔：能自己實現AI模型的、能通過網上搜索，藉助已有模型解決現實問題的、能對已有模型進行演算法的優化修改的以及可以搭建出屬於自己的演算法模型的。大致介於2/3之間便可以找到一份合適的AI工作。

現在AI方面還沒有特別好的成體系的專業課程，當前業界其實大部分底層的AI工程師都沒有經過系統的培訓，都是轉行而來，缺乏對模型的感知。經過系統培訓，且具備技術探索能力，能利用技術端到端解決問題閉環問題的人才，是企業需要的。

總結：大多數公司的CTO並沒有指望底下員工有系統性的AI能力，能夠從github上下到相應的演算法，並能自主運用基本上就可以有一份相關工作了！如果應聘者能夠深入掌握演算法的各個環節，從照著別人的結構應用到適應自身項目的系統調整能力，那就是不錯的進階了！但幾位專家均提到了解決問題的能力，看來綜合能力在這個社會真的是越來越重要呢！

問題2：都說AI對數學要求高，AI對數學的要求究竟有多高？

其實AI行業也存在很多發展方向，有些發展方向對數學的要求很高，而有些卻不是。但基本的數學能力還是要有——能理解微積分，通過基本的微積分理解已有演算法的機制即可過關。能看得懂人家寫的論文還能舉一反三並應用到自己的模型中，這個很重要，所以更多考驗的還是解決問題的能力。但想要做一個AI演算法工程師，數學的功底自然是越強越好。

其實一步一步入門AI的過程也是一個數學能力培養的過程，先學好數學再學AI是一個學習的誤區，早期的AI學習，掌握基本的微分和矩陣運算即可。

問題3：AI的技術複雜么，在技術上的門檻高么？

單純從實現本身的角度來說，AI真的一點都不難，無論是構建一套完整的AI模型，還是借鑒一套AI模型，只要稍加學習，對普通的程序員來說都不是什麼難事。AI的難點在於，數學、技術及行業知識的結合，當然這是日積月累的事情，不會要求應聘者一上來就什麼都會了。

在AI技能方面，機器學習演算法、神經網路演算法及主流框架的理解必不可少，對卷積神經網路、序列模型及強化學習的掌握根據企業需求各有側重。很多公司的應用落到最底層是圖像、語音的智能識別，因此深度神經網路、卷積神經網路、序列模型的掌握程度都是面試官重點關注的。

AI在技術層面上更多的是對演算法和模型的理解。閱讀論文，尋找資源的能力十分重要，便是我們所謂的技術探索能力。另外AI也涉及到大量數據的運算，我們常說的大數據技術在AI中的應用也十分廣泛。

此外，以上各互聯網大廠均和「FUTEACH」達成合作協議，凡經過FUTEACH的專業AI培訓並順利畢業的優秀學員，皆可直接獲得片頭各大廠的面試機會。那麼「FUTEACH」是什麼呢？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！