AI时代就业指南：需要更多数据科学人才
来源： 数据观-企业 时间：2016-12-01 15:41:35 作者：PPV课大数据

　　2016年，是AI( 人工智能)既在技术方面有很大发展，又由幕后走向台前，让公众意识到AI时代将要开启的一年，也可称作：AI发展元年。
　 　AI离我们的生活越来越近
　　3月，谷歌研发的人工智能Alpha Go与李世石大战五局，并以5：1的分数胜利，宣告围棋这项曾经令人工智能频频铩羽而归的领域，正式被人工智能攻破。
　　在汽车领域，AI也一步步将无人驾驶变成现实。在国外，电动方程式Formula E(电动汽车版F1)2016-17赛季的垫赛，将由史上首个无人驾驶汽车赛事“ROBORACE”承担，共有10支车队、20辆赛车进行总共为时1小时的比赛，赛车控制完全交由计算机和人工智能系统操作。而在国内，百度于11月的中国互联网大会上展示了可供乘坐，能够在开放城市道路上行驶的无人驾驶汽车，多家汽车厂商也在或自行研发，或收购，或合作研发无人驾驶技术，无人驾驶汽车正在由科幻片的情节，逐渐变成现实。

　　在真实赛道上奔跑的无人驾驶电动F1赛车
　　而在离我们更近的地方，AI也在逐渐改变我们的生活。前几年，语音识别输入法还是问题多多的玩具，而10月份发布的锤子T2手机，搭载了应用AI技术优化的讯飞语音输入法，效果令人惊叹。
　　AI不只是高高在上的前沿科技，它也是一项正在得到广泛应用，会极大改变我们日常生活方式的实用技术。
　 　AI爆发是大数据等基础技术所推动的
　　AI在今年爆发出极大的能量，并不是一个孤立事件。AI的发展，离不开AI背后的基础技术的发展，如大数据技术、 数据挖掘技术、机器学习与深度学习技术、神经网络技术等等。这些基础技术在最近几年突飞猛进式的发展，让之前只存在于论文和研究室中的AI研究成果，变成可被应用于实际的AI技术，进而在不远的未来，让AI成为我们生活中重要的一部分。
　 　AI将会在各行业得到广泛应用
　　AI作为一项能够为行业带来极大改变的技术，未来5-10年内会在工业，农业，商业智能，教育，交通，金融，医疗，娱乐等领域得到应用。
　　工业：对制造、物流业起到推动作用，依托传感器、芯片等底层数据收集硬件，基于大数据优化工业机器人算法，替代更多人工工作。
　　农业：通过底层硬件实现全自动灌溉等，解放人工。
　　教育：虽然教育活动的主角仍然是教师，但人工智能可以有效地降低教育的成本，如通过网络让更多人在线学习优秀教师的课程，并通过AI技术来分析学习效果，帮助教师用更少的精力提供对更多人的差异教育，真正实现因材施教。
　　交通：除无人汽车以外，随着车联网的发展，城市交通管理可以做到根据交通情况的变化，动态调整交通管理策略，如改变高速路的收费策略，或是引导司机绕开拥堵路段。
　　金融：风控模型和客服系统将得到进一步的升级，真正做到根据个人情况提供个性化的金融服务，包括贷款、保险费率的变化，虚拟客服服务的提供等。另外，金融安保能力也将得到进一步的提升，如使用人脸、指纹识别技术降低风险，或是利用更先进的加密技术，抵挡黑客的入侵。
　　医疗：通过智能硬件来收集个人健康数据，并基于医疗案例库，自动形成医疗建议，帮助医生更好的发现病人潜在的问题，提升医疗效率。
　　娱乐：结合VR、AR技术，通过智能硬件生成虚拟现实，提供给游戏等娱乐产品使用。
　　 AI时代需要更多数据科学人才
　　支撑AI发展的基础技术在AI时代会继续快速发展。大数据、数据挖掘、机器学习与深度学习等领域需要大量懂数据，会技术，能应用的人才，清华大学计算机系教授武永卫在2016年5月的中国大数据产业峰会上表示，中国未来3-5年需要180万数据人才，而目前仅有30万，缺口达150万人之多。招聘网站的数据也反映了这一点，猎聘网上的数据分析相关职位在短短一年时间内增长了300%，高端数据人才的薪酬也是水涨船高，年薪50万已经司空见惯。
　　我国需要的数据人才涵盖大数据工程师、算法工程师、硬件工程师、 数据分析师等类别：
　　数据分析师：数据分析师精通业务，主攻AI与业务结合的应用，了解AI技术在所属行业中的应用方式，帮助业务人员推动业务的发展。
　　大数据工程师：包括大数据仓库工程师、大数据开发工程师、大数据架构师、爬虫工程师等，这些职位负责数据的收集、清洗、入库、提取、计算等工作，保证AI算法有足够的数据可用。
　　数据挖掘工程师：包括数据挖掘算法工程师、机器学习工程师、深度学习工程师等，这些职位负责建立和优化算法模型，并进行算法的工程化实施，是AI的主力开发者。
　　硬件工程师：负责开发智能硬件/机器人，并配合相应的算法使用，是AI搭载到硬件的执行者，也通过硬件收集AI所需的数据。
　　需要指出的是，上述职位有时候会部分重叠在个人身上，也就是说，AI时代对数据科学人才的要求是“全面发展，一专多能”，这就需要全面构建个人能力。
　　数据科学人才能力体系

　　数据分析师：核心能力是统计学与统计建模、数据处理、数据分析工具、数据可视化、产品设计、商业模型。
　　大数据工程师：核心能力是数据处理、大数据与分布式数据开发、产品开发;
　　数据挖掘工程师：核心能力是数学、统计学与统计建模、数据挖掘算法、机器学习算法、数据处理;
　　硬件工程师：核心能力是嵌入式开发、机器学习算法、数据挖掘算法、产品设计、产品开发;
　　从这张能力图中可以看到，在这个技术日新月异的时代，要成为一名AI技术相关人才，需要全方位提升自身的能力，但这些能力很难通过学校教育来获取，清华大学计算机科学与技术系教授孙茂松坦言，在大数据人才培养和大数据课程的内涵建设方面，高校教学还处于起步阶段，需要探索的还有很多。再加上工作中会遇到各种各样的问题，很多问题是之前没有遇到过，需要用新技术来解决的问题，两者共同对个人的自我学习能力提出了很高的要求，建立终身学习的理念，对有志于寻求相关工作的人来说必不可少。
　　 数据科学人才能力的培养
　　如上图，AI技术相关的核心能力可分为数学与统计、算法、编程开发、数据分析、产品与商业模型、项目管理与沟通六类。不同类别能力的提升途径各有不同：
　　数学与统计、算法两类能力属于基础知识能力。数学与统计能力包括数学(高等数学，线性代数等)、统计学与统计建模;算法能力包括数据挖掘算法和机器学习(深度学习)算法。这两类能力无法投机取巧，必须通过扎实的学习来提升。建议通过阅读相关书籍、在MOOC(慕课)等含有大学相关课程的在线学习网站上进行学习的方式，一步一个脚印的打好基础。
　　编程开发、数据分析、产品与商业模型三类能力属于项目实践能力。编程开发能力包括大数据与分布式开发、嵌入式开发;数据分析能力包括数据处理、数据分析工具、数据可视化;产品与商业模型能力包括产品设计、产品开发、商业模型。这三类能力的特点是学习和实践需要紧密结合，先以阅读书籍、搜索学习资料、学习Coursera等综合课程和大数据学习社区的相关课程进行学习，再通过实际项目进行锻炼，通过两者结合的方式来有效提升这三类能力。
　　项目管理与沟通属于“软实力”，可以在实践中多思考，多运用相关的知识来解决问题，以此来提升软实力。
　　未来已来，你准备好了吗?
　　AI领域已经进入快速上升期，新的机会，新的公司，新的职位层出不穷，无论你之前在哪个行业，无论你之前在做什么工作，只要你具备所需的能力，这个领域的大门就为你打开。欢迎有志于在AI时代占有一席之地的各位，明确自己的目标和定位，充分利用互联网及线下的各种资源，逐步完善和提升自身能力，找到自己的位置，做风起云涌的AI时代的弄潮儿。
　　注：本文来源于—PPV课原创文章，版权著作权归原作者所有。
　　☞点击进入 PPV课大数据 在数据观的企业栏目>>>

 
责任编辑：王超