導讀：人工智能浪潮來襲，開發者應該怎么辦？前不久，在“AI生態賦能2018論壇”上，CSDN副總裁孟巖重磅發布了AI技術職業升級指南——《AI技術人才成長路線圖》（V1.0）。該路線圖基于10多位專家的切身經驗，提煉出入門AI的兩大方式與進階AI的10大路線。

以下為PPT全文：

要點解讀：

1. 結合AI人才的需求結構與市場現狀，我們發現人工智能就是新一代的軟件開發，值得每一個技術人用心投入。

• 企業AI應用的優先級：盈利 > “黑科技”

• AI人才市場需求劇增：技術崗位占比3年猛增3倍，人才缺口將持續增大

• AI人才需求結構呈金字塔型，研究型人才主要依靠學校及學術路線培養，應用型人才則必須依靠社會培訓和繼續教育補充

• AI工程師要打牢編程基礎，軟件工程師轉型AI要“換腦”

2. AI人才需求強勁：從2014年到2017年，AI人才招聘量增長近8倍，技術崗位占比增長3倍多。

根據獵聘統計，2017年AI技術類工程師的招聘量是2014年的8.8倍，數據類工程師的招聘量則是2014年的5.9倍，而全部IT技術崗位的招聘量僅為 2014年的2.65倍。與此相對，在2014年，AI類工程師和數據類工程師在全部技術崗位中的占比分別是2.97%和7.86%，這一數字到2017年分別漲到 9.86%和17.59%;人工智能相關崗位在技術人才招聘中的總比例從10.83%漲到27.45%，是技術崗位中增幅最大的領域。

3. AI工程師平均年薪遠超IT工程師：知識圖譜類最高年薪接近IT工程技術類的兩倍。

根據獵聘統計，2016 年以來公開發布的招聘崗位中，IT 工程技術類人員的平均年薪為 17.92 萬，而 AI 領域知識圖譜方向工程師的最高年薪 可達 43.42 萬，其平均年薪也高達 34.06 萬，接近 IT 工程技術類的兩倍。在 AI 細分領域中，除了計算機視覺類平均年薪 27.81 萬，其他方 向薪資均在 30 萬元以上。

4. AI人才需求結構呈金字塔型，“學院派”路線培育了AI人才金字塔的領軍者。

G. E. Hinton苦心孤詣四十余載，一個“大腦是如何工作”的問題讓他一直專注于神經網絡，直到2006年發現了前饋神經網絡中進行有效訓練的算法，“深度學習”就此起步。李飛飛的ImageNet數據集、吳恩達的GPU高性能計算方法也隨之而來，算法、算力和數據積蓄勢能30多年，終于締造出深度學習的大爆發。

十年樹木，這群締造者的學生一代——Russ Salakhutdinov、Ian Goodfellow、Andrej Karparthy、賈揚清、李沐等人，在深度學習的這場大爆發中紛紛成長起來，成為掌控科技巨頭AI部門的領軍者和中堅力量。

5. AI人才需求結構呈金字塔型，“實戰派”方法培養出AI技術雄兵。

深度學習的人才需求大大超出了“學院派”培養所能供應的數量，成千上萬的AI技術雄兵需要用更直接的方式來培養。于是，吳恩達繼續在Coursera上推出深度學習專項課程，Jeremy Howard搞出不需要數學的Fast.ai課程，Udacity則聯合Google、滴滴出行來培養行業緊缺的機器學習工程師……4個月速成機器學習成為可能，AI技術人才成長時間大大縮短。

6. AI技術人才成長路線總圖：入門方法與進階方向

CSDN特邀10多位AI技術專家，撰寫6萬多字來解析他們的切身經驗，其中的部分內容組成 “AI 工程師職業指南” 《程序員》專題，已頗獲大家的關注和認可。

現在，我們從全部內容中提煉出入門AI的兩大方式與進階AI的10大路線，把復雜的內容和方法轉化成一目了然的圖表結構，并分享給想要上手AI的各位朋友。

7. AI進階十大路徑示例

8. 非技術人員學AI：產品經理要弄懂技術原理和功能

作者：CSDN 孟巖

來源：AI科技大本營（ID：rgznai100）

推薦閱讀

全球100款大數據工具匯總（前50款）

大數據時代的10個重大變革

日本老爺爺堅持17年用Excel作畫，我可能用了假的Excel···

為什么要學數學？因為這是一場戰略性的投資

Q:?這些年你在職業中收獲了哪些成長？

歡迎留言與大家分享

覺得不錯，請把這篇文章分享給你的朋友

轉載 / 投稿請聯系：baiyu@hzbook.com

更多精彩文章，請在公眾號后臺點擊“歷史文章”查看

總結

以上是生活随笔為你收集整理的《AI技术人才成长路线图》：完整版PPT及要点解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。