本文探讨了工业界中与AI相关的三种角色：算法、工程和数据，详细解析了各自的工作内容、必备能力和职业发展路径。强调了在AI领域中，算法工程师需要深厚的学术基础和持续学习能力，而工程角色更注重实践和解决问题，数据工作包括数据标注在AI落地中的重要性。提醒求职者认清形势，选择符合自身能力的道路。
0. 引子
AI原本是一个专业领域，没什么特别的。作为码农一枚，笔者的工作内容正好在这个领域。
近来这一年左右时间里，连续发生了多件事情，使得笔者不得不抬起原本一直低着敲代码的头，看看这个为AI狂欢的世界。
【Case 1】 居然在一个月里碰到两位在相对传统行业创业的亲友，来打听将AI技术应用到他们所在行业上的问题，例如：是聊天机器人是否可以代替人工客服。
两位亲友居然都动了雇佣一位算法工程师的念头。其中一位真的已经开始物色了。颇费周折找到一位某非985院校专业对口的博士，友人有点动心想要聘用，奈何人家开口就要100万年薪。创业企业虽然已经拿了两轮融资，还是不敢烧钱作死，故而多方打听“算法”这东西的用处。
【Case 2】 笔者所在公司今年的校园招聘，本人照例作为interviewer参加，面试了几个来自不同985院校的学生（明年毕业）。顺便又和几位今年刚入职的应届生聊了聊。
结果发现，所有interviewee（至少是我碰到的），全都是人工智能或机器学习方向的学生，所有交流过的新同事，在学校里做的也全部都是机器学习or深度学习算法。而且，每一个人对于入职后工作的期望都是做算法
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
