AI 浪潮帶來了更高效的生產方式，也帶來了大批崗位的滅亡。很多人感受到了危機，決定抓住風口轉行 AI，但轉行並不是容易的事情。對於有興趣的人來說，AI 領域可選擇的方向這麼多，應該從哪開始起步？也有人一隻腳已經踏入了 AI 行業，可為什麼高薪都是別人的？我的問題出在哪？

本文就從AI的人才趨勢、就業方向等帶來一些最新的資料和建議。

一、AI 行業已進入人才飽和期?  

怎麼可能，別開玩笑了。

雖然華為、阿里、京東最近“停止社招”的訊息被炒的沸沸揚揚。大廠早已現身闢謠，所謂的停止社招是定期的人才體系升級，導致了暫時的“人才飽和”假象。根據獵聘《2018年四季度招聘趨勢調研報告》的資料，相比之下傳統行業招聘需求似乎更不樂觀，而網際網路行業中，25.9% 的企業表示 2018 年第四季度會增加招聘需求。

二、AI 高薪崗位學歷要求太高，導致轉行難度大？

任何行業都有初級和高階的崗位。機器學習、演算法都是核心的 AI 能力，具備相關經歷的應聘者自然也多，但同樣，初級崗位更容易入門、機會更多、未來發展空間更廣闊。

那麼，對於摩拳擦掌想要進入 AI 行業的你，哪個細分領域是最佳選擇?

對於準備轉行 AI 或者相關專業的大學生而言，機器學習工程師很可能是你找到的第一個 AI 工作。這些崗位往往對學歷有相對基礎的要求，但更看重技能本身。

*圖中招聘資訊來自拉勾網

總結：

AI 人才需求旺盛，初級崗位相對更好入門，學歷為加分項而非必須項。

企業高薪搶人 | AI 熱門領域

從職位薪資看，截止至 2017 年，即使是 AI 領域平均薪資最低的影象處理，平均招聘薪酬也達到 2.36 w，比一般技術類職位薪酬高出 40-80%。

從崗位需求看，需求量增長最大的是實現人機對話的機器學習人才，2014-2016 年年均入職複合增長率為 168.2%。以搜尋、影象、推薦演算法為主的演算法類崗位需求量增長幅度位居第 2。

*資料來自《2018 AI 人才白皮書》

計算機視覺和自然語言處理相關崗位在中國尤其稀缺，是因為中國企業的業務發展更側重這兩個領域。2017年以影象識別、視訊識別等技術為核心的計算機視覺市場規模達到 82.8 億元。

總結：

計算機視覺、自然語言處理崗位在國內很稀缺，可以從更好入門的機器學習相關崗位開始，邁出 AI 第一步。

企業招聘 | 看重專案經驗

*圖中招聘資訊來自拉勾網-滴滴出行

絕大多數企業招聘時要求應聘者有“實踐經驗”或專案經驗。AI 人才難求，難的不是技術門檻，而是技術的應用能力。

然而對於大多數沒有相關工作經歷準備轉行的 “你” 而言，在夯實基礎的過程中你很有可能會面臨以下幾個問題：

數學、程式設計基礎不紮實

AI 理論晦澀難懂，自學的過程中障礙重重

市面學習資料繁多，水平參差不齊，不知如何選擇

但更重要的是如何獲取專案經驗，提升僱主最為看中的 “應用技能”? 

課程介紹

一、系統、科學的學習提升大綱

二、行業大牛教學指導

畢業後，你能夠手握至少 10 個實戰專案經歷，這些都將為你的簡歷加分，成為你在求職、轉行或參與 AI 技術應用的敲門磚。

以下為部分專案示例：

實戰專案示例一：揭祕微信朋友圈

連線到微信賬號，收集好友性別、城市、個性簽名等公開資訊，使用 Python 進行資料統計與分析，得到專屬的朋友圈分析報告

「人工智慧程式設計基礎」專案例項

實戰專案示例二：探索熱門電影資料

你將獲得 TMDB 電影資料集，通過對資料的清洗、探索、分析，洞察熱門電影成功的商業祕密。

「人工智慧程式設計基礎」專案例項

實戰專案示例三：訓練機器人走迷宮

在這個專案中，你會需要實現一個 Q-learning 演算法來解決走迷宮問題。同時你有機會將你的演算法應用在股市中，讓機器學習出高收益策略。

「機器學習」納米學位專案示例

實戰專案示例四：貓狗影象識別

使用深度學習方法識別圖片中是貓還是狗。

「機器學習」納米學位專案示例

職場人自我提升，更注重高效的學習路徑、系統的知識體系和權威的平臺。

熟悉我們咕泡學院的人應該都知道我們咕泡學院在騰訊課堂的口碑和在程式設計類目專欄的地位，線上公開課學生超過20萬+，VIP學員人數超過6000+我們有專門的ASK社群和VIP交流群，老師24小時線上答疑，情況緊急可以電話聯絡（比如在考試、面試的時候）

掃碼進群獲取往期課程資料