我是怎么进入Oracle这样的大企业的？

导语：人工智能是泡沫么？AI产业的未来将何去何从？机器学习又该怎么学习？AI行业从业者又是怎么看待这个行业的呢？踏入一个行业之前最好对这个行业有个全方位的了解。本文作者饶毅，现就职于甲骨文公司。

 

AI行业现状

进几年来，无论是科研院所，商业巨头还是初创企业，各行各业都在大力开发或者引进人工智能，由于储备不足，导致人工智能人才出现巨大缺口，根据领英近日发布的全球AI领域技术人才分布图显示，中国目前的AI人才缺口超过5万。

人才供不应求，此领域岗位的薪资也自然水涨船高。不过也有很多程序员在找人工智能的工作时，还是不免会担心：人工智能是泡沫吗？关于这个问题，吴恩达最近给出了很好的回答：

“大约100年前，人们认为关于电力有太多的炒作，但那个泡沫现在也还没破，我们发现电力很有用！ 深度学习目前已经创造了大量的价值——用于网络搜索，广告，语音识别，推荐系统等等——可以很明显的看到，深度学习，还有很多其他的AI工具（图模型，规划，KR等），现在都正在一个明确的路径上引导着行业的转型。”

而且人工智能热度的出现不是突然兴起的。在此之前，大数据和算法等基础技术的成熟度已经很高，各企业在本行业的数据储备也非常充分，对AI的需求也很迫切，投身于这样的行业怎么会存在泡沫呢？对任何行业来说，最大的泡沫就是停滞不前，不思进取。

从国家政策角度来看，2017年中国政府宣布至2030年实现人工智能领导地位路线图，制定了诸如“中国制造2025”、“互联网+人工智能计划三年指导”、“新一代人工智能发展计划”等政策，力争促使中国企业成为人工智能技术领域的全球领导者。可见当下的中国，无论国家还是地方政策，都在不断的推动中国人工智能技术向前发展

纵观国内的人工智能市场，谷歌强势回归，建立在中国的人工智能团队；微软研究院也有近千人从事人工智能的工作；17年国家成立了“深度学习技术及应用国家工程实验室”，在现有大好政策与市场需求下，更有一大批传统或新兴的软件公司纷涌踏至。

以我所在的公司oracle为例，公司几年前就成立了AI Lab，近几年很多产品也都在大力引入AI的特性。比如我所在的HCM CLOUD部门（人力资源管理云产品），引入机器学习算法后，其中一个优点就是可以更快速的找到“最适合”的候选人，这些候选人不仅预期表现出色，而且最有可能是满足岗位需求的，大大减少了前期人工筛选的工作量。最近Oracle人工智能平台云也即将上线，类似于谷歌刚刚发布的Cloud AutoML。平台上预装用户熟悉的人工智能库、工具和深度学习框架，包括Jupyter Notebook、Keras、NymPy、scikit-learn和TensorFlow等。

Tools and frameworks

 

AI工作内容（价值）

人工智能的工作如此火爆，那么相关的研发岗位都有哪些呢？大概的工作内容是什么？根据目前的职场情况，大致分为以下几种类型：

1. 人工智能（机器学习）科学家（研究人员）：他们基本都是博士头衔，在重量级或者顶级期刊上都有他们的大作，在此领域不段创造升级出更优秀的AI算法和模型，并将研究多年的理论算法引导人们带入到实际应用中去，这些研究人员基本都供职于各大高校和顶尖企业的AI实验室；

2. 人工智能软件开发工程师：开发软件系统和框架，使得AI算法可以在系统中运行；

3. 数据挖掘与分析工程师：对大数据进行深层次的挖掘和分析，以得到有价值的结论或进行预测；

4. 人工智能的应用方面：是指在某一个具体领域，将AI的某些功能发挥出来，如训练机器识别手势，检测金融诈骗，分析市场走向等等。

图片来自udacity

可以看出，这些岗位的侧重点虽然不同，但对于传统的程序员来说，无论哪一种，都在现有编程工作之上提出了更多的要求和挑战。这些挑战不仅来源于需要更多的专业知识和技能，更重要的是缺乏一定的实战经验。在大公司的面试中，一定的实战经验会使你脱颖而出。

 

求职经历

2015年我准备换工作时，正好Oracle有个跟机器学习相关的岗位有空缺，我便积极准备面试。由于自己之前做过图像处理的项目，而且在完成udacity的课程后，也积累一定的理论和实践基础，对常见的模型、算法、工具都比较熟悉。最终幸运的入职，虽然不是核心的AI研发岗位，不过也能在工作中接触到很多跟AI实际应用相关的案例，大家都知道Oracle的客户遍布各行各业，他们早已在自己的数据库中积累了大量的信息，如何让这些信息得到更有价值的结论，进行更有效的预测分析，客户都在AI领域不断探索。目前我在也更加积极努力的学习，非常期待能够在此领域有更深一层次的突破。

 

学习经历

虽然现在有幸在Oracle从事着机器学习算法相关的工作，但几年前，我刚接触机器学习的时候实在地经历了一段迷茫的日子。最初热情满满，每天都在看各种模型和算法，可一遇到实际的项目，还是不知道如何准确的分析和解决，也不太理解各个算法的优缺点，总觉得云里雾里，抓不住重点，结果都没有深入，还浪费了大量的时间。

后来回过头总结时发现，这些知识的掌握都不是一蹴而就的，需要厚积薄发，不再只是简单地写代码找bug。概率论、线性代数、高数相关的知识都必须学习，可是盲目的去回顾学习这些知识也非常的耗时。后来我参加了udacity的机器学习课程，从基础知识到概率论、统计分析，到jupyter/numpy/tensorflow等工具框架的运用，再到实际案例的分析，虽然不可能完全深入，但是提供了一个循序渐进的学习路径，思路也更加清晰明了。

最重要的是，这种课程也特别适合我这种有拖延症的人。因为课程被划分成好几个阶段，每个阶段都有一批学员同时进行学习，还有导师实时的问题解答，批改项目成果并反馈，帮助自己更快速的学习成长。

 

关于Udacity

Udacity是由硅谷无人车之父Sebastian Thrun所创立的硅谷前沿技术教育平台,现已开设【机器学习工程师】课程。不仅有行业大牛亲自授课，导师全程陪伴学习，更有五个实战项目等你来挑战！

课程特点

-独家课程内容，项目直播辅导

除了学习来自硅谷领先企业的课程视频、实战项目，与项目直播讲解，还有更多 Udacity 独家学习资料等待你来探索。

-加入同步学习小组，在导师帮助下快速成长

你将加入学习小组，认识志同道合的伙伴，在专业导师全方位辅导和监督下，最高效率掌握前沿技术，成为抢手人才。

-独一无二的硅谷实战项目和代码审阅

亲自挑战来自硅谷的数据分析开发实战项目，获得该领域专家的逐行代码审阅和反馈，学习最先进的技术标准，与硅谷编程开发者的思维同步。

「机器学习工程师」课程现已开放报名，席位有限！点击阅读原文即可了解课程详情，更可免费体验预览课程。