人工智能浪潮来袭,开发者应该怎么办?2018年1月16日,在刚刚召开的“AI生态赋能2018论坛”上,CSDN副总裁孟岩重磅发布了AI技术职业升级指南——《AI 技术人才成长路线图V1.0》。该路线图基于10多位专家的切身经验,提炼出入门AI的两大方式与进阶AI的10大路线。本路线图将随时更新,动态开放,希望成为开发者进阶AI的有益参考。
1. 结合AI人才的需求结构与市场现状,我们发现人工智能就是新一代的软件开发,值得每一个技术人用心投入。
企业AI应用的优先级:盈利 > “黑科技”
AI人才市场需求剧增:技术岗位占比3年猛增3倍,人才缺口将持续增大
AI人才需求结构呈金字塔型,研究型人才主要依靠学校及学术路线培养,应用型人才则必须依靠社会培训和继续教育补充
AI工程师要打牢编程基础,软件工程师转型AI要“换脑”
2. AI人才需求强劲:从2014年到2017年,AI人才招聘量增长近8倍,技术岗位占比增长3倍多。
根据猎聘统计,2017年AI技术类工程师的招聘量是2014年的8.8倍,数据类工程师的招聘量则是2014年的5.9倍,而全部IT技术岗位的招聘量仅为 2014年的2.65倍。与此相对,在2014年,AI类工程师和数据类工程师在全部技术岗位中的占比分别是2.97%和7.86%,这一数字到2017年分别涨到 9.86%和17.59%;人工智能相关岗位在技术人才招聘中的总比例从10.83%涨到27.45%,是技术岗位中增幅最大的领域。
3. AI工程师平均年薪远超IT工程师:知识图谱类最高年薪接近IT工程技术类的两倍。
根据猎聘统计,2016 年以来公开发布的招聘岗位中,IT 工程技术类人员的平均年薪为 17.92 万,而 AI 领域知识图谱方向工程师的最高年薪 可达 43.42 万,其平均年薪也高达 34.06 万,接近 IT 工程技术类的两倍。在 AI 细分领域中,除了计算机视觉类平均年薪 27.81 万,其他方 向薪资均在 30 万元以上。
4. AI人才需求结构呈金字塔型,“学院派”路线培育了AI人才金字塔的领军者。
G. E. Hinton苦心孤诣四十余载,一个“大脑是如何工作”的问题让他一直专注于神经网络,直到2006年发现了前馈神经网络中进行有效训练的算法,“深度学习”就此起步。李飞飞的ImageNet数据集、吴恩达的GPU高性能计算方法也随之而来,算法、算力和数据积蓄势能30多年,终于缔造出深度学习的大爆发。
十年树木,这群缔造者的学生一代——Russ Salakhutdinov、Ian Goodfellow、Andrej Karparthy、贾扬清、李沐等人,在深度学习的这场大爆发中纷纷成长起来,成为掌控科技巨头AI部门的领军者和中坚力量。
5. AI人才需求结构呈金字塔型,“实战派”方法培养出AI技术雄兵。
深度学习的人才需求大大超出了“学院派”培养所能供应的数量,成千上万的AI技术雄兵需要用更直接的方式来培养。于是,吴恩达继续在Coursera上推出深度学习专项课程,Jeremy Howard搞出不需要数学的Fast.ai课程,Udacity则联合Google、滴滴出行来培养行业紧缺的机器学习工程师……4个月速成机器学习成为可能,AI技术人才成长时间大大缩短。
6. AI技术人才成长路线总图:入门方法与进阶方向
CSDN特邀10多位AI技术专家,撰写6万多字来解析他们的切身经验,其中的部分内容组成 “AI 工程师职业指南” 《程序员》专题,已颇获大家的关注和认可。
现在,我们从全部内容中提炼出入门AI的两大方式与进阶AI的10大路线,把复杂的内容和方法转化成一目了然的图表结构,并分享给想要上手AI的各位朋友。
7. AI进阶十大路径示例
8. 非技术人员学AI:产品经理要弄懂技术原理和功能
“深度学习本质上是一种新的编程形式。”
扫描二维码,关注「人工智能头条」
回复“技术路线图”获取完整报告