吴恩达推荐！22页「AI职业生涯发展正规之道」秘籍，AI Career Pathways: Put Yourself on the Right Track，让你不被AI失业与共建一个Work的AI团队

主题： AI Career Pathways: Put Yourself on the Right Track

【导读】现在人工智能发展进入一个平稳期，AI工程师们职业生涯如何规划发展以避免35岁困境？以及对于公司来说如何搭建一个有效的AI团队创造价值？是很多人关心的问题。吴恩达在Twitter亲自推荐了这份AI职业生涯正规发展之道的报告《AI Career Pathways: Put Yourself on the Right Track》带领你了解AI团队是如何工作的，以及在不同的AI职业道路上你需要哪些技能，短小精悍，非常值得学习。

地址：

https://workera.ai/candidates/report/?utm_source=NgSocial&utm_medium=twitter&utm_campaign=WorkeraReportPromoJanuary82020

Workera 公司通过提供指导和高质量的工作机会，帮助数据科学家、机器学习工程师和软件工程师实现他们的职业目标。我们的任务是确保每个人，无论背景如何，都有机会充分发挥他们的潜力，实现他们在AI领域的职业目标。

关键要点：

发展一个人工智能项目开发生命周期包括五个不同的任务:

• 数据工程:负责数据工程的人员准备数据并将数据转换成其他团队成员可以使用的格式。

• 建模: 负责建模的人员在数据中寻找能够帮助公司预测各种决策的结果、识别业务风险和机会或确定因果关系的模式。

• 部署: 负责部署的人员获取数据流，将其与模型组合，并在将模型投入生产之前测试集成。

• 业务分析: 负责业务分析的团队成员评估所部署的模型的性能和业务价值，并相应地进行调整，以最大化效益或放弃无收益的模型。

• 人工智能基础设施: 人工智能基础设施的工作人员构建和维护可靠、快速、安全和可伸缩的软件系统，以帮助数据工程、建模、部署和业务分析人员。

六个基本角色执行这些任务。没有一个人有足够的技能来完成AI项目开发的所有任务。因此，团队包括关注部分周期的个人。以下是六个技术角色的可视化表示，以及它们与各种任务的关

每个角色都需要特定的技能和知识:

• 负责数据工程的人员需要很强的编码和软件工程技能，最好结合机器学习技能来帮助他们做出与数据相关的良好设计决策。大多数情况下，数据工程是使用数据库查询语言(如SQL)和面向对象编程语言(如Python、c++和Java)来完成的。Hadoop、Hive等大数据工具也被广泛使用。

• 建模通常用Python、R、Matlab、c++、Java或其他语言编写。它需要强大的数学、数据科学和机器学习基础。一些组织需要深度学习技能，特别是那些专注于计算机视觉、自然语言处理或语音识别的组织。

• 从事部署工作的人员需要编写生产代码，拥有强大的后端工程技能(使用Python、Java、c++等)，并了解云技术(例如AWS、GCP和Azure)。从事业务分析的团队成员需要理解分析的数学和数据科学，以及强大的沟通技能和商业敏锐性。它们有时使用R、Python和Tableau等编程语言，尽管许多任务可以在电子表格、PowerPoint或Keynote或a /B测试软件中完成。

在人工智能基础设施上工作需要广泛的软件工程技能来编写生产代码和理解云技术。

目录内容：

第一部分 AI组织

数据科学 vs. 机器学习组织

我们发现了两种使用人工智能的组织:

数据科学组织帮助公司领导做出科学的或数据驱动的决策，以更有效地运营他们的业务。团队成员收集数据，分析数据集，并提出假设和行动。

机器学习组织将任务自动化以降低成本或扩大产品规模。输出是通过收集数据、训练模型并部署它们而实现的自动化本身。

尽管机器学习和数据科学组织是不同的，但是公司经常交替使用这两个术语。您可以通过评估一个给定的组织是否符合上面的描述之一来区分它们。一些公司拥有混合的组织，它们既制定数据科学决策，又使任务自动化。在本报告中，我们将使用“AI组织”来指代DS、ML或混合组织

第二部分 人工智能开发生命周期的任务和技能

人工智能组织将他们的工作划分为数据工程、建模、部署、业务分析和人工智能基础设施。这些任务一起构成了AI项目开发生命周期。每个任务都需要特定的技能，可以是多个角色的重点。您可以在附录中找到本报告中提到的技能的简要描述。我们将讨论机器学习(ML)和数据科学(DS)的项目开发生命周期之间的区别。然后，我们将查看每个任务的目标、执行任务所需的技能，以及组织中的哪些角色关注哪些任务。

第三部分 AI团队角色

有时候，想在人工智能领域工作的人的技能与招聘经理的要求不匹配。为了帮助你缩小这个差距，我们将解释AI团队的不同角色，他们的技能，以及他们关注的任务。

结论

世界需要工程师和科学家来建设未来。事实上，到2020年，本报告中定义的所有角色都严重短缺。让你的行动。本报告旨在阐明什么是人工智能组织，你将从事什么任务，以及现有的职业轨迹。它可以帮助世界各地的学习者选择符合他们技能、背景和愿望的职业道路。我们希望它对您的学习和专业发展也有帮助。人工智能组织在不断发展，所以这份报告正在进行中。我们打算修改它，因为我们的团队了解更多关于AI人才的供应和需求。