前言——来自一位朋友的爬坑路
前段时间有个朋友私信我，问我刚刚培训出来面试什么工作合适，他是大专毕业学的计算机。培训出来干什么工作合适，我问他那个培训机构教了你那些实战项目，毕竟现在挂羊头卖狗肉的很多。
然后他就把那些理论巴拉巴拉列出来了，什么KNN、SVN、朴素贝叶斯、决策树等，感觉还是有点东西的，然后我又问了他项目，但是这个机构的项目实战就让我懵逼了。前面一个垃圾邮件分类还算中规中矩的涉及到了CNN模型和监督学习的一些技术落地，但是后面的股票风险分析模型我就看不懂了 ，大体就是用AI来炒股然后让你把他教你的那个模型复制一遍就成功了。
（我不气，真的）这个AI炒股其实很久之前就有一些国外的大佬在实验了，但是到现在都没有成熟的东西做出来，这个培训机构就能教这个了，啥时候我们有这么牛逼的大佬了？
就算国内有这种技术也是自己用或者直接卖出去，蝎子粑粑独一份不说多了，只要你模型的准确率够，几千万美刀应该是有的。用来开源教你们来拿这几万块的学费，他怕是AI学傻了吧。后面我给大家具体介绍一下关于AI方向现在的主流方向和就业需求，这个培训机构和粉丝我就不透露了。
目前人工智能这个行业怎么才算入门？
入门的话大体可以分三种。
1.直接开始搞算法开发
这种人就是重点院校博士毕业，而且在研究所就搞出过东西的大佬。
真正的算法工程师（也有公司叫科学家），最基本的日常工作其实是：读论文&实现之——确认最新论文中的阐述是否真实可重现，进一步确认是否可应用于本企业的产品，进而将其应用到实践中提升产品质量。
既然日常工作首先是读别人论文。那么，必不可少，作为算法工程师得具备快速、大量阅读英语论文的能力。
在计算机科学，尤其是人工智能、机器学习、深度学习这几个当今世界最热门的领域里，大家都在争分夺秒地抢占制高点，根本不能容忍耽搁时间。 之地。
如果要做算法，平均而言，大致要保持每周读一篇最新论文的频率。
也许这就是为什么，到目前为止，笔者所听闻和见过的算法工程师都是名校相关专业博士的原因。经过几年强化学术研究训练，这些博士们，就算英语综合水平不过 CET-4，也能读得进去一篇篇硬骨头似的英语论文！
理论联系实际，将学术论述与产品、业务结合的能力
一般来说，在大企业里做到真正的算法工程师/科学家，也就不需要自己去动手开发产品了。但做 demo/prototype 还是不能避免的。
算法工程师，可不是用别人写好的工具填几个参数去运行就可以的，需要负责实际业务问题到数学模型的抽象，并能够将他人最新成果应用到业务数据上去。
说得更通俗一点，就算是用别人写的工具或框架，做算法的，也得是 i）第一拨、最前沿那批试用者，或者 ii）工具最新玩法的发明者。
2.做工程（我们也戏称调参师）
相对于算法的创新和尖端，做工程要平实得多。但是市场的需求量大，而且也是我们这些半路出家或者非重点院校本科毕业的人必经的一个点。虽然有点low，但是工资是程序员之中最高的年薪几十万很正常，再搞个副业一年拿个百八十万也是正常的。
这一角色比较有代表性的一种岗位就是：机器学习工程师，他们使用别人开发的框架和工具，运行已有算法，训练业务数据，获得工作模型。
期间可能需要一些处理数据、选取特征或者调节参数的手段，不过一般都有据可循，并不需要自己去发明一个算法模型。
做工程也得读论文，不过和做算法不同，做工程读论文的一般目的不是尝试最新方法，而是用已知有效的方法来解决实际问题。
TIP：很多 title 写的是“人工智能/机器学习/深度学习算法工程师”的招聘岗位，其实招的是做工程的人。不要执着于辞藻，看清楚具体职责和工作内容。
做工程，「机器学习」学到多深够用
当然，既然是有领域的程序员，在专业上达到一定深度也是必要的。
虽然做工程一般要使用现成技术框架，但并不是说，直接把算法当黑盒用就可以做一名合格的“调参”工程师了。
把算法当黑盒用的问题在于：黑盒能够解决问题的时候，使用方便，而一旦不能解决问题，或者对质量有所要求，就会感觉无所适从。
作为程序员、工程人员，想用机器学习算法解决实际问题，就得对算法有一定程度的掌握，此外对于数据处理和模型验证，也需具备相应知识。
3. 搞数据标注
此处说得做数据并非数据的清洗和处理——大家可以看到做工程的岗位，有一部分工作内容就是 ETL 和处理数据。此处说的做数据是指数据标注。
虽然机器学习中有无监督学习，但在实践领域被证明有直接作用的，基本上还都是有监督模型。所以就诞生了一个新的职业——数据标注师，这种基本上是一个月包教包会，没什么技术含量，很多从垃圾培训机构出来的人被内推到这种职位上，干几年然后自己努力学可能会升职调参师，这个得看自己后期的努力能坚持下来的大概5个中可能有1个吧。
近年来，深度学习在很多应用上取得了巨大的成功，而深度学习的成功，无论是图像、语音、NLP、自动翻译还是 AlphaGo，恰恰依赖于海量的标注数据。
无论是做 ML 还是 DL 的工程师（算法&工程），后者有甚，都共同确认一个事实：现阶段而言，数据远比算法重要。
所以，虽然这是一件谁都能干的工作，但是恐怕没几个人想干。
道路千万条，入门第一条
大家现在可以看到新闻和一些国家对于AI方面的信息报道的越来越频繁，其中的道理大家都知道，可能因为自身的一些条件导致起点有点低，就比如我的那个粉丝我觉得没毛病啊，大专毕业只要面试的时候技术和对这个工作的热诚够就可能过了，当然前提是不要去面那种大公司，基本上简历都不会看你的。
别人有的是资本招博士、硕士，所以起点低的老铁还是安安心心的找一个小点的公司做跳板，多实践一下沉淀个一两年，这段时间多去接触AI圈子，扩大自己的人脉，找机会展现自己赢得内推机会，到时你就可以和那些博士、硕士站在同一起点了。
但是一定要到那些本身有东西教的培训机构去学，不然出来就是搞数据标注，顺利的话干5年，年薪大概30-40W没什么问题，如果有想转战人工智能领域的老铁可以私聊我，虽然我不是大佬，但是给你普及一下这个领域的一些东西还是可以的，另外我们自己也有在做培训，每年大概开4期吧，如果信我可以来咨询我，主动我们就有故事，主动你就教你怎么不白花钱入门人工智能。好了本文到此结束，感觉小编写的顺眼的记得关注赞赏一波。
给大家推荐一个有关人工智能的公众号，里面有很多相关实时技术的文章，还有免费的学习资料可以领取，大家有兴趣的话可以关注一下呢
