AI 引領產業變革：平均薪資比程式設計師高110%！
前言
如果沒有機器學習等相關的資料處理技術，或許你根本沒有機會看到人類歷史上的第一張黑洞照片。2017年4月份的從8個臺站記錄了約3500 TB的資料（1TB等於1024GB），量級大到無法用網路，需要用硬碟儲存，而科學家們也耗費了兩年的時間來處理資料，其中用到的就是AI相關技術。
無論是德克薩斯大學的學生Anne Dattilo用 AI 演算法發現系外行星，還是斯坦福大學研究小組利用機器學習來研究強引力透鏡的影象，都意味著處理AI技術正在變革天文領域，甚至整個人類的認知邊際。
隨著 人工智慧、大資料時代 的到來，未來決定商業競爭的，已不再是簡單的企業或個人間的較量。資料互動和更新的速度與日俱增，技術創新的節奏越來越快，一場新的商業革命、職場革命已經悄然發生。人工智慧的影響力，正“無孔不入”地引領產業變革。
人工智慧與交通、安防、醫療、金融、教育等領域結合，已逐漸融入日常生活。以醫療領域為例，Nature 子刊 Medicine 前幾日釋出的重磅文章中，依圖科技等眾多專家共同研發了的AI系統，可以像醫生一樣準確地檢測出測試結果，診斷兒童疾病。準確率方面始終與初級保健兒科醫生相當，甚至有所超越。
根據全天候科技報道， 很多 AI 方面的獨角獸公司從今年開始擴大校招範圍 。很多人面對高薪崗位蠢蠢欲動，但如何正確看待 AI 行業的高薪？
AI 行業高薪源自人才稀缺性
AI 人才存量小、需求旺盛，更是未來的發展趨勢。對於高校、高學歷人才來說，應屆 80w 恐怕只是“起薪”。去年騰訊的影象識別演算法研究崗，就開出了 80w+ 的年薪，19 年校招基礎的演算法崗位行業平均薪酬也在 25w-40w 之間。
資料來源：BOSS直聘研究院
初級演算法工程師比初級程式設計開發者高110%
入行 AI，門檻高嗎？
入行 AI 並沒有想象的難，我們從學歷要求、技術門檻角度分析：
從技術角度來說， 任何行業都有初級和高階的崗位。對於準備轉行或相關專業本科生而言，機器學習工程師很可能是你找到的第一個 AI 工作，可能沒有想象中高薪，但機會更多、發展空間更廣闊。
從學歷角度來說， 高校背景為加分項，而非必須項。機器學習、演算法都是核心的 AI 能力，這些崗位往往對學歷有相對基礎的要求，更看重技能本身。
圖中招聘資訊來自拉勾網
AI 方向多應選擇哪個細分領域?
從職位薪資看 ，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 2.36w，比一般技術類職位薪酬高出 40-80%。而最高的 無人駕駛 領域，平均薪資達 4.14w，當然技術要求也更高。
資料來自《2018 AI 人才白皮書》
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，2015-2017 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》
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。中國企業的業務發展更側重 計算機視覺 和 自然語言處理 領域，這也是相關崗位在中國尤其稀缺的原因。
AI 求職企業最看重“專案經驗”
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。
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” ? 畢竟招聘你來是讓你去解決問題的，如果你能快速上手公司業務、快速實現演算法模型專案落地，這個比啥文憑都來的實在，如果你學的夠好、專案經驗夠豐富，那麼文憑就是一張紙，而有的人會說就是這張紙決定了你的簡歷會不會被HR看上，那麼我想說的是如果你閉門造車，光練不說假把式，那肯定是沒人知道，但是你可以找一些平臺或者社群來發表自己的一些技術觀點。
就比如我，以前技術小白的時候每次發文章都有人噴（記得有次在一個社群我和一群皮皮怪噴起來了，然後發現噴不過我，技術還不如我，然後就把我給踢出去了......），但是你堅持別人就能看到你的進步，我在很多社群和一些同行交流，分享技術。（然後很多人就想著挖我過去，我把他們當兄弟，他們卻要挖我老大的牆角，賊難受）
結語
給大家送一波福利：人工智慧學習資料，有意向的可以加我V，回覆：【學習資料】來領取整理好100G的學習資料
