年初，我从招聘网站上了解到，各互联网大厂，算法岗竞争相当激烈，供大于求。借着金三银四，跟大家科普几个 AI 岗位，看着适合自己的赶紧去投简历啊！！
1. 人工智能、机器学习领域究竟多火？
从各大公司纷纷创建自己的人工智能研究院，以及高薪吸纳人才的手段便可了解人工智能、机器学习有多火。
阿里星计划
年薪平均估计 60w+，本科生-博士生都有机会，CTO 直接面试，每年招 10 人，半年 base 美国的机会。
百度少帅计划
IDL 部门（机器学习、深度学习），年薪 100w+，每年 9 人，30 岁以下，工作地北京、深圳，一年后硅谷或常青藤名校访问至少半年，三年后带领 20-30 人团队。
腾讯技术大咖
要求，全球 TOP100 CS 相关硕士博士毕业，人工智能相关，薪资上不封顶，深圳市还有“孔雀计划”160w 的奖励。
近两年人工智能火起来了之后，不管什么技术的程序员都一股脑的想去做人工智能，什么计算机视觉，自然语言处理，想必大家经历过 2018 这一年，也大概了解 AI 领域的前景及现状环境，可以确定的是，薪资是真的高！
2. AI各岗位高薪上不封顶
网上流传出的 AI 大厂薪酬表：
来源：新智元
从上图中多次提到的关键词“算法”、“人工智能”、“视觉”字样的职位，都需要懂机器学习，这几个岗位的待遇也不同，AI research 组 > AI 应用组> 会改模型的 > AI 调包侠 > 普通工程师。
在产品和服务中应用机器学习模型，已经逐步成为了互联网行业的通行方法。甚至很多传统软件企业，也开始尝试应用机器学习。说得更直接一点，人工智能正处在炙手可热的风口浪尖上，看来，程序员不会机器学习都不好意思去找工作了。
3. 有哪些AI岗位
无数人涌入 AI 岗位，认准了待遇高、前途好。但在谈待遇前，得先清楚人工智能岗位都有啥。
AI research 组
AI 应用组 （研究，系统）
业务组 （算法工程师）
AI research 做的都是最前沿的技术，能够短时间内落地到产品的还是 AI 应用组，包含的大方向有自然语言处理、计算机视觉、机器学习平台等。
很多技术开发者迫切希望快速进入人工智能领域，从事工程或者算法等相关工作，但是，遇到“人工智能产品”时，你是否能够根据自己的知识，推导出 How it works ——
它背后有没有用到机器学习模型？
如果有的话是有监督模型还是无监督模型？
是分类模型还是回归模型？
选取的特征是哪些？
如果由你来解决这个问题，有没有更好的方法？
借鉴机器学习认识客观规律的过程，可以知道，模型是由数据和算法决定的。对应到人脑，数据是我们经历过的事物，而算法则是我们的思辨能力。我们完全可以主动训练自己的思维模型，通过改进算法和增大数据量及数据多样性来提升模型质量。
虽然技术本身和应用结果产生了巨大的飞跃，但在原理层面，却是有着紧密的传承。了解一件事是如何运行的；明晰事物发展的客观规律；知道从最简单的原理开始逐层推进，比纠结在复杂的状态却不得要领要高效得多。有了这样的认识，也就不会无端的焦虑。
了解一点 AI 的技术基本原理后，至少不会盲从：
看了一篇《当这位70岁的 Hinton 老人还在努力推翻自己积累了30年的学术成果……》，便宣布再也不学 CNN、DNN、RNN 了（好像真的学过一样）。因为《深度学习已死，可微分编程万岁！》刷屏，就以为目前在视觉、语音、NLP 这些领域已经在创造价值的 DL 工具瞬间消失无用了。
以上只是想说明，机器学习是为我们打开了一扇窗，让我们从新的角度来看待世界，并为日常决定的思考过程提供更加可量化方法。
4. 提升自我是关键
与其眼红这样的高薪岗位，不如静下来思考自己适不适合做机器学习，这并不是一个所有人都能从事的职业，有门槛且竞争激烈。在一头扎进 AI 之前，至少是一名优秀的软件工程师。
如果你已经掌握了机器学习，那么利用机器学习的技术来创新传统业务也一样有价值，机器学习可以应用在互联网公司的很多方面，例如安全、运维、测试，或者金融公司里面的投资、量化、期货交易等。
就当前的市场环境来看，机器学习的应用不仅在计算机视觉、自然语言处理、语音、推荐系统等方向，未来还会形成 Machine Learning +、AI+，机器学习加上自身领域技术才是未来人工智能从业者的核心竞争力。
掌握了就赶紧去应用搞事情，但是，如果你还没掌握什么是机器学习，现在开始学习也不晚！
为了帮助大家让学习变得轻松、高效，给大家免费分享一大批资料，让AI越来越普及。在这里给大家推荐一个人工智能Python学习交流群：705673780欢迎大家进群交流讨论，学习交流，共同进步。
当真正开始学习的时候难免不知道从哪入手，导致效率低下影响继续学习的信心。
但最重要的是不知道哪些技术需要重点掌握，学习时频繁踩坑，最终浪费大量时间，所以拥有有效资源还是很有必要的。