人工智能从业者攻略

　　中国人工智能发展迅猛，中国政府也高度重视人工智能领域的发展。预计到2020年，中国人工智能产业规模将超过1500亿元，带动相关产业规模超过1万亿元。2017年全球新兴人工智能项目中，中国占据51%，数量上已经超越美国。但全球人工智能人才储备，中国却只有5%左右，人工智能的人才缺口超过500万。

　　想要从事这个领域，首先需要对这个领域要有基本的了解。全球共有超过360所具有人工智能研究方向的高校，其中美国拥有近170所，中国仅30多所。虽然一些中国高校开设了相关课程，但总体上缺乏人工智能的基础教学能力，高校在独自培养具有动手能力的应用型人才上有所欠缺。

　　2018年4月，教育部制定《高等学校引领人工智能创新行动计划》，并研究设立人工智能专业，进一步完善中国高校人工智能学科体系。

　　那么向从事人工智能需要学习哪些知识呢？就业前景如何呢？

　　一、人工智能是什么？

　　人工智能其实是一个非常泛的概念，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括图像识别、语言识别、专家系统、自然语言处理和机器人科学等。在人工智能诞生以来，技术和理论都在不断成熟，应用领域也在不断扩大，可以猜想，未来的人工智能带来的创新科技产品，将是人类智慧的容器。

　　二、人工智能的专业选择

　　人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。一般而言，人工智能对数学基础的要求非常高。

　　所以如果有意向从事AI相关的工作，在本科专业上可以尝试以下选择：

　　1、如果是暂时没有太大倾向，既有可能做科学研究，也有可能做工程开发，可以选计算机方向，例如“计算机科学”CS（Computer Science），软件工程（Software Engineering），目前情况来看，最对口从事AI方向的的确是CS，AI具体的里面的子领域如机器学习（Machine Learning）、计算机视觉（Computer Vision）、自然语言处理（Natural Language Processing），数据挖掘（Data Mining）等，在CS的高年级和研究生阶段都有对应的课程和研究方向。AI工作既需要非常扎实和广泛的数学基础同时也要求很高的实做能力，而CS正好在这两方面都有着重培养。如果要专门从事这个AI领域，本科选择CS是一个极佳的选择，当然智能科学方向只是CS这一个大专业的其中一个子领域，对于没有从事这方向的CS学生来说，之后转向此领域也是相对比较容易的，毕竟CS的基础是从事AI工作的必要条件，在当今各个领域全面智能化的今天，各个领域都需要AI人才和懂如何配合AI工作的其他领域的人才，而这两者的高端人才都将大量来源于CS专业。

　　2、如果是潜心做学术，搞理论研究，那么专业推荐选择“应用数学”。目前的机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。而近年来发展蓬勃的深度学习，正是机器学习的一个非常接近人工智能的分支。因此，人工智能方向的研究人员需要有扎实的数学基础才能做好AI的理论研究。这个专业主要是培养学生的数学基础，比如微分方程、线性代数、数理统计、信息论等，这些都是人工智能和机器学习的基础。除了这些基础的学科知识，还可以了解下传统机器学习的知识，多加锻炼编程能力和英语，但完成本科应用数学专业的学生，如果就读研究生，通常就转到计算机方向或者经济类方向。

　　3、据了解，在2018年认定的首批612个“新工科”研究与实践项目中，布局建设了57个人工智能类项目。截至2017年12月，全国共有71所高校围绕人工智能领域设置了86个二级学科或交叉学科。目前，国内从事人工智能教学和科研的院校中，北京大学、清华大学、浙江大学、上海交通大学、中国科学技术大学、哈尔滨工业大学（机器人）等实力最强。厦门大学、中南大学、南京大学、南京理工大学、东南大学、电子科技大学、北京航空航天大学、北京邮电大学、北京理工大学、中山大学、华中科技大学和武汉大学等也是非常不错的选择。

　　另外，还有三所录取分数不高但同样很有实力的学校：西安电子科技大学、上海大学和湖南大学。部分高职院校也开设了人工智能应用型方向的专业。相对而言国内的人工智能教育还是相对落后，能出国的尽量出国。

　　但是无论选择什么专业，只要想要从事AI的工作，可以尝试去掌握以下技能：

　　1、信息论（Information Theory）：开启新的视角，无论是理论还是应用都会用到。

　　2、线性代数（Linear Algebra）：无论学什么，都是基础中的基础必须学会。推荐教材： Gilbert Strang 的书和视频

　　Linear Algebra，Stephen H. Friedberg

　　3、基本统计数字Basic statistics & 概率probability &随机过程stochasticprocess：

　　4、信号处理Signal Processing/图像处理ImageProcessing：对于computer vision很重要，但对有的领域比如NLP，或者大部分machine learning ，用处有限。

　　5、统计学习Statistical learning：哪怕深度学习deep learning再火，它也不可能解决所有问题，统计知识是必备的。

　　6、优化组合Optimization：绝大部分统计学习问题都会转化成优化问题，区别在于有的是严格的分析转化如SVM，有的只是走个优化的套路但真正理论基础还没有得到完善比如deep learning。

　　三、人工智能行业前景

　　人工智能有着非常不错的就业前景，我国目前处于产业升级阶段，人工智能和工业机器人方面都是较为强烈的热点，近两年我国出现了大量的人工智能创业公司或者是专注于人工智能研究的实验室。

　　第一、对于科技公司而言，人工智能，及其中的机器学习技术应用范围很广。因而对AI人才的争夺也成了大公司布局人工智能领域重中之重的事。

　　第二、对于大学研究院、人工智能研究所而言，他们非常希望招纳更多的人工智能人才来从事基础研究，招纳更多愿意公开分享知识的教学人员来培养更多的人工智能未来研究者。

　　第三，随着人工智能商业应用的大规模推广，兼具良好沟通交流能力和人工智能基础知识的应用型人才更受市场欢迎。这对于缺少高精尖人才，但与市场对接非常严密的职业院校来说，开设人工智能应用型人才培养方向的专业不失为一个好的选择。毕竟再好的产品也需要推广落地和后续服务。

　　四、人工智能行业薪酬（来源于雷锋网）

　　人工智能领域薪酬水平和人才供需情况到底如何呢？下面就通过11张统计图来看看，这个“风口”行业的人才有多贵。

　　1、人工智能在互联网岗位薪酬排名中位列第三

　　数据显示，管理岗在各岗位中薪酬最高，平均达到23k，数据开发和人工智能紧随其后，都在20k以上。

　　2、职位数大增，投递量增长更快

　　从 2015年到 2016年，人工智能招聘岗位的数量翻了一番，投递量增加了近两倍，平均薪酬也有温和增长。

　　从 2016 年到 2017 年，职位数增长了27 %，投递量则翻了一倍不止，平均薪酬基本保持不变。

　　3、岗位竞争激烈程度下降

　　虽说投递量出现大幅增长，但从2016 年到 2017 年，人工智能岗位与求职者数量比值实际上是下降的，从 2.6 个求职者到 1.3 个求职者对应一个职位，这其中有岗位数量种类增加的原因。

　　4、大部分要求 1-5 年经验

　　在招聘需求中，人工智能岗位大多要求3-5 年或 1-3 年工作经验。其中要求 3-5 年经验的在 2016 年占 40.4%，2017 年降至 38%；要求 1-3 年经验的则从 31.8% 增长至 33.3%。

　　5、语音是人工智能中的热门，平均薪酬最高

　　声音认知是人工智能的新热门领域，相对其他岗位求职者数量增加导致薪水趋于平稳，声音认知一枝独秀薪资涨幅领先，平均薪酬从 2016 年的 20.5k增长到 2017年的 27.6k。

　　6、想进人工智能行业，最好来北京

　　超过一半的人工智能岗位招聘都在北京，比例高达54%，排在后面的城市分别是上海、深圳、杭州、广州和成都。

　　7、大公司招人多

　　高达 28% 的人工智能岗位是由规模在2000 人以上的大公司提供的，500 人以上的公司占比达 42%。

　　8、大公司平均薪酬高

　　2017 年，人工智能招聘领域，2000 人以上大公司平均薪酬 25.2k，相比之下，15-20 人的公司只有 16.2k，而且整体呈现出公司越大薪酬越高的现象。

　　9、同是码农，待遇不同

　　在后端开发、前端开发、移动开发和人工智能四个领域中，人工智能是平均薪酬是最高的，平均比其它三个领域高三分之一左右。

　　10、人工智能岗位竞争没有其它领域激烈

　　人工智能领域平均一个职位收到24.7 份简历，相比之下，移动开发领域最高，平均收到 130.3 份简历。

　　11、应届生做人工智能拿 9k，做移动开发仅 6k

　　和传统技术岗位相比，新兴的人工智能领域在不同经验阶段都提供了优厚的薪酬，一个应届毕业生进入人工智能行业，平均可拿 9k，而移动开发则只有 6k；10 年以上优质人才，人工智能的薪酬比后端开发翻了近一番。

　　雷锋网注：统计数据由互联网招聘平台拉勾网提供，图表由雷锋网（公众号：雷锋网）制作。统计所用的人工智能的标签词：深度学习、机器学习、图像处理、图像识别、语音识别、机器视觉、算法工程、自然语言处理、算法、语义识别、声纹识别、NLP、神经网络、自动驾驶、人工智能、自然语言、数据挖掘、计算机视觉、搜索引擎、模式识别。

　　但即使目前我国人工智能公司求贤若渴，若想找一份自己满意同时公司满意自己的工作，难度肯定会较高。不仅需要学过诸如智能语音、智能图像、智能语义或生物特征识别等人工智能技术的相关领域、基础知识扎稳，同时还要有创新的思维能力、一定的工程实践能力，在未来，一定会有越来越多的企业、人才加入到人工智能产业中，各领风骚、兼容发展将是中国人工智能产业独特的风貌，同时AI的竞争也是中国实现弯道超车的一次绝佳机会。