我从事的工作方向是AI的应用领域，但是比较冷门，供应链领域。
我觉得AI从业者容易被各种科技新闻，融资数字和故事给洗脑。为什么这么说呢?因为各种科技新闻，融资数字和故事都在说某某大牛，某某独角兽在某个顶会上发了多少paper，拿了多少个冠军等。AI技术从业者看到这些宣传后趋之若鹜，简历上大家都塞满了这些，这样招聘的HR从简历上去筛选人选，自然在顶会上有paper，比赛拿了多少名是最吸引人眼球的。
但是对于企业来说，为了提升5%的正确率，投入产出比太低了。况且实际业务中的复杂性往往比模型高。可能要在理论/仿真证明能提升15%，在实际中才能换来5%的提升。那么什么样的AI人才是企业真正需要的?
两种：
- 解决实际问题的
- 探索前沿方向，突破点的
先说说解决实际问题的：AI主要是TO B的，它能给很多行业，企业带来价值，提升产能。这是我觉得有意思的地方，也是会坚持下去的地方。以前的TO B，在大多看来都是一帮咨询人士干的活，比如战略咨询，IT咨询。我觉得AI现在的角色就像是技术咨询的一种方式。比如，IBM在上世纪90年代转型企业服务，开始可能更为集中的是IT解决方案。AI火起来后，结合AI给企业提供解决方案，已经应用到很多行业中去。比如给食品企业McComick开发新产品，给Symise开发新香水等。BCG有GAMMA，Venture。Mckinsey有digital等。我自己从事的是智慧供应链，可能用不了高深的AI算法，但是需要结合实际应用场景，选择不同的解决方案。
再说一下探索前沿的AI人才。这类人才更符合大家的认知，顶着顶会和比赛冠军的光环，被一群AI技术从业者或者学习者膜拜。这类人才在当下更多的是在一些前沿的探索，发发paper，参加顶会和比赛给企业起到很大的市场宣传作用。这类人才不是每个公司都会设置的职位，毕竟是对未来的投资，当下不能带来利益。所以一般大厂会有很多这类的研究员岗位，包括很多实际工程岗也干这活。
我对自己评价，不适合在技术上深挖，不是比赛型选手，但我解决实际业务问题。我也阅读前沿paper，来看看新方法，有时候会复现一下做尝试。
最后免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、图像识别、OpenCV、NLP、YOLO、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。
下面是部分截图，文末扫码加我免费领取（AI技术问题我也可解答一二）
目录
一、人工智能免费视频课程和项目
二、人工智能必读书籍
三、人工智能论文合集
四、机器学习+计算机视觉基础算法教程
五、深度学习机器学习速查表（共26张）
学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。