普通程序员转行AI算法方向的挑战

本人有幸参与了自己部门的AI预研小组，从最开始半投入(一边兼顾项目，一边预研学习)，到后面的全力投入(只负责预研学习)，差不多快半年了，下面总结下一个普通的程序员转行AI方向会面临的哪些挑战。

首先介绍下本人背景，非985，211渣本，这学历可以说低得不行了，2017届专业软件工程，非学霸，专业知识一般，主要做JAVA开发，然后转行做的是计算机视觉方向。

然后开始说说我转行AI方向所遇到的挑战。

• 英语能力
  由于boss要求比较高，要求我们只能看英文论文，对于我一个只过了英语四级，在大学几乎没看过英文文献，在刚开始的时候真的是很煎熬的。但是这真的就是入门级的门槛，因为AI行业最近几年的高速发展，一年的水平差距在普通IT行业至少能算三四年，所以必须得追新，英文阅读能力就必须具备，而且不仅仅追最新的，之前的老论文依然得看，因为新论文里引用老知识都是直接引用老论文，所以你会阅读大量的英文论文。

• 算法基础
  机器学习，深度学习算法的基础真的非常重要，我只是简单看过一些在线的教学视频，吴恩达的机器学习，CS231n的计算机视觉等等，在后面实现模型，调整参数的时候就会发现自己的基本功太差，几乎只能跟着论文调参，自己除了瞎蒙，不能做出任何决策性的调整。所以如果要转行，算法基础真的非常非常重要，切勿心急。。

• 数学基础
  这也是非常让我头疼的一块，如果只是做一些机器学习和深度学习相关的工作，我感觉数学的需求并不是特别多，但是如果想继续深入，学习强化学习或者迁移学习，教程里面就会有大把大把的数学推导，真是让人头疼。在一个团队里，大家还可以督促学习，如果一个人自学，面对几页的数学公式，数学基础又不是很好的话。。

• 编程能力
  编程能力对于一个算法工程师来说依然很重要，因为你除了写模型和调参，往往还需要你工程化，除非你是非常优秀的算法工程师，不需要你实现工程。对于转行算法方向的程序员，千万不能丢掉你的编程能力，有空还是可以多写写代码，然后在网上经常看到很多非IT专业的转行算法，例如数学专业，强烈建议多扎实下编程能力，因为所有的大厂几乎都会有算法笔试题。

• 实战经验
  其实算法这个行业对实战经验的要求也是非常大的，举个例子，最近我想要实现一篇论文的模型，论文的理论知识看上去是非常简单的，所以就自信满满的去撸模型，然后发现怎么撸都不不太对。最后对比别人的源码，其实我漏掉了很多小细节，比如一些数据的预处理啥的，这些在论文里都不会告诉你，你需要的是经验，业内人士共有的经验，但是我没有，所以作为算法工程师，理论固然重要，但是不能脱离实战。

• 学历要求
  这是我最近了解到的问题，这个行业真的是很吃学历的，我尝试性地给很多计算机视觉公司投递过简历，都没有收到过任何响应，因为别人的要求几乎都是3年以上硕士以上，我有个硕士同事也去尝试过，虽然会有面试机会，但是面试官还会询问你的本科学历，总体来说对学历要求是比较严格的。然后经过我个人的分析，我觉得这一项要求并不算过分，因为在我看来算法方向和其他IT方向不太一样，三个臭皮匠顶个诸葛亮在这个行业是没有用的，一个优秀的算法工程师强过一百个中庸的算法工程师，所以如果我是企业老板，我也会在学历上进行筛选。

• 荣誉获奖
  这也是这个行业比较看重的东西，就是各种大赛获得的名次，为开源社区做过哪些贡献，然后发表了多少论文，但是现在论文满天飞，优质的论文却越来越少。如果你想在这个行业有所成就，你就必须得关注各种大赛，争取取得一些名次，国内的大厂都这么干。然后要是能够发一些优质的论文，那你在这个行业就可以混得如鱼得水。

最后说两句

当前AI行业确实是泡沫现象严重，很多人都想进入这个赛道跑跑，泡沫是会破的，特别是最近正好遇上经济寒冬，转行需谨慎！！

从面向工资编程的角度，算法工程师的待遇的确非常好，但是在我看来那只针对于优秀的算法工程师，一般的算法工程师可能会沦落到做算法开发(也就是将别人写好的算法工程化)，对于这种工作，待遇也就没那么好了，而且往往还面临模型优化不好，绩效比较差。

以上仅个人观点，虽然比较露骨，可能会打击自信心，但是正因为如此，看清事实，然后依然向前奔跑，不后悔，越努力越幸运。