分享来自 SuperDataScience 团队近期写的一篇文章——How to Become an AI engineer。 本文详细介绍了成为AI专业工程师所需的技能、知识和训练。 虽然是一篇课程推荐类文章，但还是值得分享。
“if you enjoy mathematics,data and computers,then working as an AI Engineer is an Exciting career option”
斯坦福大学的2018年AI指数报告显示，自2000年以来，人工智能创业公司的增长率已经增加了1400%，自2013年以来人工智能先关工作岗位增加了4.5倍
AI领军人物
- Andrew Ng（吴恩达）：近年来最着名的AI工程师之一。他成立并领导了Google Brain项目，并领导了百度的AI小组。他主要关注机器学习，神经网络和深度学习。
- Daphne Koller：斯坦福大学计算机科学教授，与吴恩达共同创办Coursera。Coursera已成为世界上最受欢迎的免费课程提供商之一。她的专业领域是贝叶斯机器学习并将其应用于生物医学，著有：概率图模型：原理与技术。
- Geoffrey Hinton：著名的计算机科学家，被称为“神经网络之父”，人工智能工程师和心理学家，他在人工神经网络领域开辟了新天地。2013年，Hinton 加入谷歌并带领一个AI团队，他将神经网络带入到研究与应用的热潮，将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，并将HintonBack Propagation（反向传播）算法应用到神经网络与深度学习。
- Jurgen Schmidhuber：着名的计算机科学家和人工智能专家，他一直致力于研究和开发自动驾驶汽车的AI。
- …
薪资和就业能力
根据Indeed.com的说法，人工智能或机器学习工程师的平均工资是140,866美元，这是目前你可以获得的最高薪技术职业之一。在过去3年中，雇主对人工智能工程师的需求猛增，2018年的增长率达到了344％。
”If you have the ability and you’re willing to learn the technical know-how, now is the time to become an AI engineer. “
AI工程师做什么？
AI或机器学习工程师负责各种项目。根据角色，工作的主要职责可能是：
- 计算机编程,使用Java,Python,C#等等语言
- 工作中使用数据、统计、算法
- 应用数据模型和评估策略
- 应用机器学习算法和库
- 研究和设计深度学习应用程序
人工智能工程师还可以做很多其他事情，其中很多都是特定于项目的。例如，你在开发自动驾驶汽车，可能会运用到计算机视觉的要素，创建深度学习模型、传感器融合、过滤和编程等。
一般而言，AI工程师的角色可分为4类：
- AI或机器学习研究员：这一角色包括探索人工智能的理论方面，并寻求进一步发展该技术或将其应用到新的领域。他们通常是硕士或博士学历。
- AI软件开发或项目经理：这些工程师将机器学习应用于给定的数据集。这个角色需要强大的编程和数学技能。
- 数据分析和数据挖掘工程师：建模并创建深度学习系统。
- 机器学习工程师：这涵盖了与AI相关的所有其他内容 - 即行业特定的机器学习应用程序。换句话说，应用AI技术来执行功能或解决业务中的问题。
成为AI工程师的步骤
1. 获得资格
获得合适的资格是成为AI工程师的重要部分。第一个决定，是否要攻读大学学位。如果是的话，那么选择哪门课程。决定是否攻读计算机科学或人工智能相关学科本科学位的最佳方法，是问自己是否想要参与研究和开发。如果答案是肯定的，那么建议使用数学，计算机科学或专门的人工智能学位，然后是机器学习的硕士或博士。
如果你对研究方面的东西不感兴趣，想要更多地实践人工智能的应用，那么你不一定需要学位。大学学位有其局限性，尤其是在像人工智能这样的新兴领域，因为到课程讲授时，你将要学到的东西可能已经过时了。这时，在线课程通常是最好的选择，因为它们是最新的，经常教授最前沿的技术，而且它们越来越受到雇主的尊重，无论雇主是大是小。
2 知识和培养技能
技术技能：
- 编程-至少下列之一：Python , Java , C#
- 人工智能理论和技术
- NLP 和 深度学习
- 数据科学应用
- 计算机视觉
软技能：
- 解决问题和分析思维
- 耐心和韧性
- 独立工作或作为团队一员
- 注重细节
- 专注
- 愿意学习新的技能和获得新的知识
3 积累实践经验
由于人工智能是一项新兴技术，雇主们不一定只对正式的学位证书感兴趣。他们更想要的是实践经验丰富的人。你可以展示的经验越多，就越有可能获得高薪的AI工程师工作。这些实践经验包括：
- 课程：能让你参与AI的项目的在线或线下的课程，例如课程”创建深度学习模型“或”编程应用“，并记录它们和证书。
- 研讨会：例如，如果你完成了一个关于计算机视觉的研讨会，这将使你适合许多涉及机器人或自动化任务的角色。
- 带薪或无薪工作：包括你做的任何工作，无论有没有带薪。即使是在朋友的网站上，比如为他们的聊天机器人编程。这给了你可展示的技能，能快速直接链接到内容。
- 广泛阅读或额外学习：雇主正在寻找对人工智能充满激情的人。记录你读过的任何书籍、杂志或受人尊敬的在线出版物，更好的是写一些简短的总结。
- 相关的爱好或兴趣：例如，通过团队合作来展示协作性工作能力，或者通过填字游戏来展示分析性思维。
SuperDataScience相关课程介绍
- Deep Learning A to Z课程–6项实践
- 人工智能神经网络解决客户流失问题
- 用于图像识别的卷积神经网络
- 递归神经网络（RNN）预测股票价格
- 自组织(特征)映射（Self-Organizing Maps）调查欺诈
- Boltzmann Machines创建推荐系统
- 堆叠的自动编码器来接受Netflix 100万美元奖金的挑战
- Artificial Intelligence A to Z 课程
- 培养Q-learning 的直觉
- 为自动驾驶汽车构建深度学习和人工智能
- 学习并应用深度卷积Q-learning 技术
- 理解和设计人工神经网络
- 理解和设计卷积神经网络
-
Artificial Intelligence for Business课程
将AI应用于：
- 优化业务流程
- 最小化成本
- 最大化收入
-
其他课程 不一一列举
- Computer Vision A-Z
- Deep Learning and NLP A-Z
- Data Science A to Z
- Tableau 2018: Hands-On Tableau Training For Data Science （数据可视化）
- Business Process Modeling A-Z: Learn BPMN 2.0 from Scratch
- Careers in Data Science A-Z