首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >AI人才薪酬看涨,背后有什么鸡贼?

AI人才薪酬看涨,背后有什么鸡贼?

作者头像
CSDN技术头条
发布2018-10-08 11:45:21
3310
发布2018-10-08 11:45:21
举报
文章被收录于专栏:CSDN技术头条CSDN技术头条

我真的很气!!

不信你来看看这张图

图上显示,当前一些知名互联网公司关于 IT 研发岗位的招聘行情。应届毕业生都比我这个有几年写 bug 经验的码农赚得多了!!

让我们先消消气,仔细分析一下这些高薪的背后到底有什么鸡贼的秘密。从上图中多次提到的关键词“算法”、“人工智能”、“数据挖掘”、“视觉”字样的职位,都需要懂机器学习

在产品和服务中应用机器学习模型,已经逐步成为了互联网行业的通行方法。甚至很多传统软件企业,也开始尝试应用机器学习。说得更直接一点,人工智能正处在炙手可热的风口浪尖上,看来,程序员不会机器学习都不好意思去找工作了

很多技术开发者迫切希望快速进入人工智能领域,从事工程或者算法等相关工作,但是,遇到“人工智能产品”时,你是否能够根据自己的知识,推导出 How it works ——

它背后有没有用到机器学习模型? 如果有的话是有监督模型还是无监督模型? 是分类模型还是回归模型? 选取的特征是哪些? 如果由你来解决这个问题,有没有更好的方法?

借鉴机器学习认识客观规律的过程,可以知道,模型是由数据和算法决定的。对应到人脑,数据是我们经历过的事物,而算法则是我们的思辨能力。我们完全可以主动训练自己的思维模型,通过改进算法和增大数据量及数据多样性来提升模型质量。

虽然技术本身和应用结果产生了巨大的飞跃,但在原理层面,却是有着紧密的传承。了解一件事是如何运行的;明晰事物发展的客观规律;知道从最简单的原理开始逐层推进,比纠结在复杂的状态却不得要领要高效得多。有了这样的认识,也就不会无端的焦虑

了解一点 AI 的技术基本原理后,至少不会盲从:

看了一篇《当这位70岁的 Hinton 老人还在努力推翻自己积累了30年的学术成果……》,便宣布再也不学 CNN、DNN、RNN 了(好像真的学过一样)。因为《深度学习已死,可微分编程万岁!》刷屏,就以为目前在视觉、语音、NLP 这些领域已经在创造价值的 DL 工具瞬间消失无用了。

在机器学习的过程中,也会产生一些新思考:

  • 人类的偏见是一种长期训练的结果,在信息极其匮乏的情况下,对人们做决定往往是有正向帮助的。信息越丰富,偏见的负面影响也就越严重。
  • 大多数人最常用的思维模型是 KV Pair,有些人似乎终身只有这一种思维模型。
  • 当一件事物比较复杂,涉及多个方面的时候,要对它有一个全面的评价,目前最常用的方法是构建一个线性回归模型:选定一些特征,针对每个特征独立打分,最终加权求和(例如大学排名之类)。
  • 线性回归是一个非常简单的模型,往往无法达到很好效果。但即使这样简单的模型,很多人还是无法掌握。

这几点思考只是想说明:机器学习原理和公式推导的学习,并非只是做一些无聊的数字变换。很可能由此为我们打开一扇窗,让我们从新的角度来看待世界,并为日常决定的思考过程提供更加可量化方法

当人工智能时代真正来临之际,我们需要以更加富有创造性的方式和流水线竞争。这时候,关于创新、想象、沟通、情感交流,以及深度思考能力才是人和机器最大的差别,也是我们竞争力所在

无论未来如何变化,人工智能如何发展,只要我们在不断成为更好的自己,就将无所畏惧!社会从来不会主动淘汰你,但你却可能会自己关闭了对外的大门。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-09-10,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GitChat精品课 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档