人工智能浪潮来袭，开发者应该怎么办？2018年1月16日，在刚刚召开的“AI生态赋能2018论坛”上，CSDN副总裁孟岩重磅发布了AI技术职业升级指南——《AI 技术人才成长路线图V1.0》。该路线图基于10多位专家的切身经验，提炼出入门AI的两大方式与进阶AI的10大路线。本路线图将随时更新，动态开放，希望成为开发者进阶AI的有益参考。
1. 结合AI人才的需求结构与市场现状，我们发现人工智能就是新一代的软件开发，值得每一个技术人用心投入。
企业AI应用的优先级：盈利 > “黑科技”
AI人才市场需求剧增：技术岗位占比3年猛增3倍，人才缺口将持续增大
AI人才需求结构呈金字塔型，研究型人才主要依靠学校及学术路线培养，应用型人才则必须依靠社会培训和继续教育补充
AI工程师要打牢编程基础，软件工程师转型AI要“换脑”
2. AI人才需求强劲：从2014年到2017年，AI人才招聘量增长近8倍，技术岗位占比增长3倍多。
根据猎聘统计，2017年AI技术类工程师的招聘量是2014年的8.8倍，数据类工程师的招聘量则是2014年的5.9倍，而全部IT技术岗位的招聘量仅为 2014年的2.65倍。与此相对，在2014年，AI类工程师和数据类工程师在全部技术岗位中的占比分别是2.97%和7.86%，这一数字到2017年分别涨到 9.86%和17.59%;人工智能相关岗位在技术人才招聘中的总比例从10.83%涨到27.45%，是技术岗位中增幅最大的领域。
3. AI工程师平均年薪远超IT工程师：知识图谱类最高年薪接近IT工程技术类的两倍。
根据猎聘统计，2016 年以来公开发布的招聘岗位中，IT 工程技术类人员的平均年薪为 17.92 万，而 AI 领域知识图谱方向工程师的最高年薪 可达 43.42 万，其平均年薪也高达 34.06 万，接近 IT 工程技术类的两倍。在 AI 细分领域中，除了计算机视觉类平均年薪 27.81 万，其他方 向薪资均在 30 万元以上。
4. AI人才需求结构呈金字塔型，“学院派”路线培育了AI人才金字塔的领军者。
G. E. Hinton苦心孤诣四十余载，一个“大脑是如何工作”的问题让他一直专注于神经网络，直到2006年发现了前馈神经网络中进行有效训练的算法，“深度学习”就此起步。李飞飞的ImageNet数据集、吴恩达的GPU高性能计算方法也随之而来，算法、算力和数据积蓄势能30多年，终于缔造出深度学习的大爆发。
十年树木，这群缔造者的学生一代——Russ Salakhutdinov、Ian Goodfellow、Andrej Karparthy、贾扬清、李沐等人，在深度学习的这场大爆发中纷纷成长起来，成为掌控科技巨头AI部门的领军者和中坚力量。
5. AI人才需求结构呈金字塔型，“实战派”方法培养出AI技术雄兵。
深度学习的人才需求大大超出了“学院派”培养所能供应的数量，成千上万的AI技术雄兵需要用更直接的方式来培养。于是，吴恩达继续在Coursera上推出深度学习专项课程，Jeremy Howard搞出不需要数学的Fast.ai课程，Udacity则联合Google、滴滴出行来培养行业紧缺的机器学习工程师……4个月速成机器学习成为可能，AI技术人才成长时间大大缩短。
6. AI技术人才成长路线总图：入门方法与进阶方向
CSDN特邀10多位AI技术专家，撰写6万多字来解析他们的切身经验，其中的部分内容组成 “AI 工程师职业指南” 《程序员》专题，已颇获大家的关注和认可。
联系客服
