2020因爲疫情與經濟局勢的影響，不論對於在職人員還是應屆生都是最近幾年就業壓力最大的一年，但AI算法工程師相關職位，確實比其他的技術類職位高出不少，算法工程師的薪資在科技公司中，基本是除去高管之外，薪資最高的職位了。類似於知乎等各種平臺也在紛紛討論，AI算法工程師是否已經過熱？是否已經供過於求？AI算法工程師是不是會一直這樣熱下去？
01
爲什麼人類這麼執着於人工智能？
要討論這個問題， 需要從我最喜歡的一部美劇，《西部世界》(the west world)，開始講起。這部劇講述的是在未來的某個時代，人類建立了一個可以爲所欲爲的“科技主題樂園”。他們製造出非常接近真人的機器人，供遊客放縱。但後來機器人自我覺醒，反制人類。
這部美劇對於大多數人是在最近幾年才觀看的，但大家可能並不知道，這部美劇的最早版本發佈於1973年。就全世界而言，1973年當時沒有什麼大數據，沒有什麼互聯網，甚至當時的巨型計算機的運算性能，還不如現在一個耳機Airpods的運算能力。很難想象，就是在1973年，人們已經開始對人工智能有了如此“深切”的想象。
再往前說一些，在1956年達特茅斯的Workshop上，明斯基(Minsky)、香農(Shannon)等後來成爲一代大師的科學家們，就已經提出了“Artificial Intelligence“ -- 人工智能。
所以我們可以發現，從1950年代開始，人們就開始研究人工智智能，從1970年代開始，人們就是把人工智能作爲一個獨立方向開始大力研究了。那麼這個時候，大家一定會想一個問題，爲什麼人類這麼執着於人工智能？
對信息基礎瞭解的人會發現，當時大家對大數據、討論分佈式並不多。而人工智能卻一直被各位科學家們、工程師們縈繞在心頭，這一繞，就是70年。而人類第一臺電子計算機距今也只有74年的時間。
恩格斯說過一句非常著名的話：“哪裏有壓迫，哪裏就有反抗”。而人類對科技的追求，背後有一種邏輯是“哪裏有繁瑣勞動，哪裏就需要優化提效”。這也是爲什麼人工智能會持續幾乎電子計算機的整個歷程。
“人工智能”這個詞組，對於人類而言，從來就不是一項“技術”，也不是某段“代碼”，它代表的是人類對於生產效率，對於自動化解決問題，對於解放人類生產力的追求。
02
AI指的是人類對於未知問題的追求
在70年代，當時AI研究最多的是“地圖尋找路徑”。現在我們每天用到的滴滴打車、高德地圖，當時都歸類爲“AI應用”。
在90年代，人工智能研究領域是一個大家可能想象不到的方向——拼音輸入法。對，就是現在大家使用的拼音輸入法。現在咱們打字的效率已經非常高了，但是經歷過“王永民五筆輸入法”、“智能ABC”、“清華紫光輸入法”年代的人，應該知道打字的艱難。
當時的拼音輸入法效率極低，大家爲了能快速打字，需要從“王土大木工” 開始背誦鍵位表，經過刻苦的練習才能快速的在電腦上打字。以至於當時有一個非常高薪的行業——“打字員”。
那個年代的一大批人，比如微軟亞研、搜狗的研究人員，投入大量人力研究拼音輸入法，纔有了今天比較成熟的輸入法。現在的“輸入法“比當年的”智能ABC“智能化太多了，但是爲什麼現在大家不認爲輸入法是”AI“了呢？
因爲在輸入法這個地方，沒有那麼“繁瑣“了，已經順暢了，所以大家就把”AI“化轉向了另外的場景。於此類似，我們每天其實會使用到非常多的AI場景，但是因爲它太普遍了，以至於大家根本不會意識到這些曾經是/或者現在是 AI的重要方向。
例如：
每天的抖音給你推薦的視頻，你是不是越看越愛看？
每次上淘寶，你是不是總能看到自己喜歡的東西？
網易雲音樂中是不是依靠推薦歌單，你已經收藏了很多歌曲？
你的手機是不是能夠自動識別你的臉部？
你的Office PPT或者WPS是不是能自動排版了？
……
（抖音視頻推薦背後用到了大量的AI方法）
除此之外，還有很多領域。例如，外賣小哥怎麼樣最高效能送餐，我們每天使用的電，變電站如何能實現高效的變電，我們每天使用的各種電子設備裏邊的PCB板，怎麼能自動化加速生產等，這些都是我們看不到的AI應用場景，而我們又是這些AI應用的受益者。
換句話說，當一個問題已經有了比較成熟的解決方案，那麼它就會自動退出AI的研究領域，此時AI算法工作者的注意力又會關注在其他未解決的問題之上。
03
AI算法工程師高薪會一直持續熱下去嗎？
人工智能，AI算法工程師這個職位，也不僅僅侷限於掌握特定的幾個知識，然後這幾個知識過幾年過時了，這個職位就過時了。而是，隨着社會的發展與生產力的進步，需要自動化、智能化進行的任務一定會越來越高級，而AI算法工程師，就是要解決這些問題的。
英文中有一個單詞叫“the cutting edge”（刀切過的邊沿，意思是前沿的），這個就很好的解釋了AI算法工程師。企業在招你的時候，就是希望你做的事情是開創性的，需要被探索的事情。換句話說，如果一件事情已經變得非常正常，大家使用起來非常順滑，那麼這件事情在人類的認知裏也就不屬於“人工智能“的範疇了。
所以，如果你把自己定位成一個能使用AI工具，能解決目前一些AI問題的人，那麼做這件事情的薪資大概率不會一直持續這麼高下去，因爲這些事情終有一天計算機會更加自動化、智能化的解決。
然而，如果你把自己定位成能夠依靠自己的分析力與實現能力，將未自動化的、繁瑣的任務智能化的人，你會發現，這個世界一直存在這樣的問題。而因爲你大力提升了生產效率，你所得到的回報自然也是高過常人的。所以，會持續存在一小部分人，這些人的目標爲了更大得提升生產效率，這些人的薪資一定會高於常人。
想要成爲這樣的人，可以看一下我今天給大家推薦的這個課程《人工智能核心能力培養計劃》。
這個課程是開課吧2017年年底的時候開設的，當時他們發現人工智能求職者與企業需求最大的差距在於，求職者會把自己定位在“使用工具的人“，而這些知名企業是希望找到一個“創造解決新問題工具的人”。或者是說，不少人工智能的求職者把自己的定位是一個做“研究”的人，而公司希望的是你能夠實際加速企業的生產效率的人。
如果你想成爲“創造解決新問題、工具的人”或者“加速企業生產效率的人”，那麼這個培養計劃大概率是面向你的，建議你看完接下來的課程介紹。
《人工智能核心能力培養計劃》
長按添加課程顧問
獲取完整版本的的培養計劃
????????????
備註【AI課程預報名】添加????
Part
01
課程的時間安排和麪向人羣
課程時間一共是4個月，面對不同水平和不同目標的同學，設定了以下的培養計劃。
AI名企求職課程：面向期望月薪超過20K，具備初步的人工智能和機器學習算法知識的學員；
人工智能核心能力課程：面向期望月薪超過16k，目前掌握Python編程的學員
Python編程與數據科學基礎：面向期望月薪超過10k，Python編程0基礎的同學。這個課程也是名企課程和核心能力課程的附贈預修課程。
人工智能核心課程與AI名企求職課程，爲每位學員提供以下3個主修方向：
計算機視覺(computer vision)
數據挖掘與高級商業分析(data mining & advanced business analysis)
自然語言處理(natural language processing)
每個層級的課程都是企業中的真實項目驅動，這些項目來自於百度、京東、華爲、IBM等企業中的實際案例。
真實名企實訓項目（以下爲AI名企求職課程大綱）：
自然語言處理方向
計算機視覺方向
數據挖掘與高級商業分析方向
（想獲取詳細課程大綱，和人工智能核心能力課程課程大綱的同學，請添加教務老師獲取）
這3個方向基本上涵蓋了人工智能求職過程中最主流的方向。學員可以結合自身情況選擇一個方向主修，同時可以輔修另外一個方向。
Part
02
如何培養工程師的“心腦體”？
AI算法工程師確實高薪，但是對人的綜合要求相對來說也是更高的。那麼在4個月要培養出能解決實際問題而且求職時具備競爭力的工程師，我們怎麼做？
其實不論是“使用工具的人”，還是着眼於“研究”的求職者，看起來兩種人差別很大，但其實很相近，因爲這兩種人的背後都不是以“解決問題爲出發點”。
要能夠掌握解決實際問題的能力，不僅僅需要熟悉某種方法/工具，更是要知道這些方法和工具，如何合理的、最佳的應用到不同的場景。
要成爲這樣的人，需要從“心、腦、體”3個維度來綜合鍛鍊，而且還需要機會。
首先，”心”的層面，要能意識到不論再現金的方法、理論、工具都是會過時的，而永遠存在的其實是“問題”，所以不管是做學問還是做工程研發，要想着解決問題的能力來進行有意識的鍛鍊；
其次，而是“腦”的層面，指的是要善於思考，要理解事物的原理和方法，要能善於思考並且分析如何能把知識、工具、方法論組合起來解決問題，這個是需要進行刻意訓練的；
再次，就是“體”的層面，指的是你有這個意識，你老想，老琢磨這件事情也不行，還需要不斷的練習，不斷的進行實踐，在實際問題中，才能找到真正的體感，也才能真正形成自己解決問題的能力。
而除了“心、腦、體”這3個方面，大多數人還缺一點，就是機會。這個其實就是《異類outliner》和《刻意練習》裏邊都提到的一個觀點，就是要達到比較快速的提升。
只做練習是不行的，要做針對性的，要難度階梯，要做讓自己感到困難，但是努力一把又能完成的練習。而這種練習的密集程度與水平，很大程度上決定了人與人之間的水平差異。
（問題解決能力的養成）
所以在本次課程中，特別注重的有3個點：
1.錯誤驅動性(error driving)：
對於案例，課程會帶着大家從最樸素的想法開始，從最熟悉，最直觀的角度來解決問題。但是往往這些方法都是不行的，然後再逐漸推導出這個問題更爲優化的解決方案，這樣做的目標，雖然看起來路徑繞一些但是這樣培養出來的人，更能知道每種方法到底爲什麼要這個樣子，更知道它的原理。那麼到以後遇到問題的時候，也更能清晰的知道該使用哪種方法，或者在哪種方法上進行優化、迭代可以解決這個問題；
2.解構性(decomposition)：
結構性指的是，給大家提出一個案例或者一個問題的時候，課程會帶着大家思考如何拆解這個問題，然後分析到最後，解決問題的方法其實就是顯而易見的。這樣做的目的主要是爲了培養大家解決問題，拆解問題的這個思維習慣。養成了合理的思維習慣和方法，以後遇到新問題也會更加得心應手一些；
3.案例性(real case)：
課程教學場景全部都是來源於真實的企業場景案例。企業真實場景案例和臆想的案例或者實驗室案例的區別在於，一個企業真實的問題往往剛開始的都是都不是定義好的，你都不知道要解決什麼問題，數據可能也不夠，而且在做的過程中會遇到很多意想不到的坑。而面對這些能力，如果提出解決辦法，這往往纔是普通的、初級的算法工作者和中高級的算法工作者的區別點。
另外，爲了解決大家實操的問題，本課程還專門給大家搭建了易用的練習平臺，大家在學習的時候可以不用去操心例如環境配置、變量設置、數據下載等等這些在剛剛學習的時候給大家造成很多困惑的問題。
（開課吧獨家在線實驗環境）
每週給大家安排了至少6個小時的在線實訓，在線實訓基於開課吧獨家實訓平臺，在線實訓的過程中，課程助教會實時解決大家編程中遇到的問題。
每週學習時間安排如下：
Part
03
課程的導師們
本課程的老師，均來自國際名校（清華大學、佛羅里達大學、浙江大學等）且均具備世界知名企業（阿里巴巴、商湯科技、IBM中國實驗室等）的實際工作經驗。（以下爲部分導師）
前IBM中國總部數據科學家——高民權
曾先後就職於阿里巴巴集團、螞蟻金服集團。多年豐富教研、授課經驗，其培養的人工智能相關人才廣泛分佈於BAT、滴滴、大衆點評、字節跳動及其他獨角獸企業。
清華大學計算機博士——陳暘
IEEE ACM Member、中國人工智能協會成員、CCF數據庫專委。曾獲2次NO1競賽一等獎，2次ACM競賽亞洲銅獎，前BM中國研究院科學家（Research Scientist），極客時間等擁有超過10萬粉絲。在人工智能領域發表多篇SCl。
前商湯科技算法專家——趙兩可
畢業於美國佛羅里達大學計算機科學系、硅谷海歸，前商湯科技算法專家。曾參與和領導多項大型計算機視覺項目，專注計算機視覺7年實踐，在人工智能、計算機視覺領域發表多篇論文與專利。
前百度高級算法工程師——張楠
從事自然語言處理工作多年、對於自然語言處理技術在ToB和ToC領域的應用有着豐富的項目實戰經驗。
Part
04
課程的就業服務
大家來報名課程，最關心的主要是就業問題。開課吧的AI課程在過去的3年中，培養出的算法工程師超過500名，其中100多名就職在BAT、華爲、滴滴、字節跳動、美團點評等這些一線企業中的算法崗位。
除了課程內容和課程項目訓練，會用以下的方法提升大家求職時候的競爭力：
1.就業指導分析前置：
開課吧人工智能學院爲每位入學同學在前3周分析每個方向的優勢與劣勢，結合自身的興趣與特點，確定半年之後所能達到的目標，而且我們的課程班主任會持續追蹤、優化大家的學習路徑；
2.優質的校友網絡：
如前所述，開課吧AI課程的校友分佈在諸多名企中，我們每個月會邀請至少兩位在BAT， 華爲等一線企業的校友與大家進行交流，而且這也是自然而言的內推時機；
3.爲期3個月的就業輔導：
在學員學習完畢之後，開課吧人工智能學院會爲學員持續3個月的就業追蹤，及時解決大家求職中遇到的問題。
Part
05
培養計劃週期
如果大家來參加開課吧人工智能學院的培養計劃，順序是這樣的：
Part
06
培養計劃費用
爲了讓各位學員更加明確課程的信息，本次分爲兩個班型：
1.人工智能核心能力課程：6800元
2.AI名企求職課程：23800元
課程費用詳情如下：
感謝閱讀至此，預參加培養計劃的同學，可以掃碼填寫自己的信息，一般來說，課程組將會在1個小時之內聯繫大家。謝謝大家，期待我們在正式課程中能夠相遇。
《人工智能核心能力培養計劃》
長按添加課程顧問
獲取完整版本的的培養計劃
????????????
備註【AI課程預報名】添加????