https://www.toutiao.com/a6716540059962573324/

作者 | 言有三

编辑 | 言有三

前几个月花了一些时间招实习生，面试了近10个，最后只发了一个offer，因为实在是不满意。近半年也跟一些负责招聘的同行们聊过天，再加上18年秋招形势的印证，我们自己内部的需求，现在就是这样的状态。

众人都在学AI，企业却愁招不到人，现在已经不是谁混混都能入行的时候了。

为什么呢？归根结底还是大部分人能力达不到要求，牛人只会被哄抢，牛人就算有缺点，也可以忽略，而普通人如果没有优点，谁要你啊。

1 以下几种人企业不想用

为什么学习的人那么多，企业却不想要呢？我觉得主要是这几方面的原因，以图像领域为例。

1.1 基础非常不扎实

很多人是直接跳进来深度学习这个方向的，说白了就是直接从所谓的python+tensorflow等开始，充其量再看了几门网课。

但正确的入行或者说学习流程应该是这样的，分两个方面。

首先是编程基础

linux基础，包括熟悉linux各类环境配置，熟悉shell脚本，熟悉cmake/make编译环境。

git基础，熟练使用github等，学会版本控制。

c++基础，熟悉c++的基本语法，类的设计，代码的编译与调试。

python基础，需要非常熟悉矩阵运算，各类基础库的使用。

了解开源框架，这就是大部分人的水平，知道某个开源框架的基本使用。

熟悉开源框架，需要熟悉主流的开源框架，掌握高级用法，阅读过源代码。我们不能指望只掌握一个开源框架，难道只会tensorflow或者pytorch，放弃Google和Facebook其中的一个吗，或者不会用Caffe永远无法在公司完成移动端模型的训练和部署。还有太多太多，可以慢慢来。

不拼颜值的编程世界，只有一步一个台阶才不会将来捅娄子。

然后是算法基础

信号处理与图像基础，包括熟悉信号处理领域的基本概念，图像的基础概念和基本的算法，这些现在与深度学习方法的结合越来越多。

传统机器学习，指望深度学习对所有任务end-to-end解决是不可能的，深度学习往往都只是解决问题的第一步，许多任务（比如平滑跟踪，重建等后处理）的精修全部都需要使用传统方法。不会，往往就意味着不能独立完成一个项目。

深度学习入门，所谓入门就是知道使用一个框架，拿出一个不错的模型，跑完一个任务的整个流程，或许还会做一些简单的改进，这也就是大部分人的水平，能把任务做到95%却做不到98%。

深度学习进阶，到了这一步才是收入的分水岭。需要有丰富的项目经验，比较扎实的理论基础，才能用同样的资源作出完全不同的效果，说起来要会的就太多了，此处略过。

准备好生发吧。

1.2 态度非常不认真

如果你是牛人，有着超出大部分的聪明才智，能一个人干翻一个团队，就算其他都是缺点，没问题。

如果你只是普通人，愿意多付出很多时间，喜欢查漏补缺别人不做但是却可能对项目非常有用的方案，那也没问题。

如果是其他的，我就不会招了。

有一个老大跟我说：“招一个不靠谱的人来做事，我付出时间还放心不下，不如让老员工来。”

企业要的是从头到尾，可以把事情放心交给你的人。

大部分任务确实并不难，谁尝试的方案，跑过的实验多，谁更加细心，就有可能做的更好。

有人不愿意花时间筛选数据，只等着别人送过来数据，撸起袖子就开干。

有人不愿意多跑几个实验，搞到一个勉强的指标就想交差了事了。

有的人这也懂，那也懂，做出来全是错的。

1.3 热衷学习，能说会道不会做

这一类人的特点就是，看了大量的书，听了大量的课，说起来头头是道，但却不喜欢实践。只要针对某一个问题问一点细节，一戳就破。

想想也是，搂着女朋友看书看视频当然很舒服了，谁还看不懂呢，但是时间长了，花拳绣腿与纸上谈兵就原形毕露了。

因此奉劝这些朋友们，早日爬出舒适圈，从简单事情开始做起。

2 学习AI需要哪些技能

这一行是一个交叉学科，需要的技能非常多，以计算机视觉为例，为了保证工作的正常独立进行，以下可以说是必备技能。

2.1 编程基础

熟练使用linux，git，vim等环境和工具。

熟练掌握 C/C++、Python等编程语言。

熟练掌握cmake，g++等编译工具。

如果以上基础不扎实，后果是什么呢？

别人的代码不会用，看不懂。

遇到简单bug调半天，稍微复杂一点自己根本搞不定。

写出来的东西公司不能用，不敢用。

2.2 算法基础

熟悉传统图像算法，机器学习算法。

熟练跟踪并阅读行业前沿研究，复现结果。

系统性熟悉深度学习理论。

如果以上基础不扎实，后果是什么呢？

目光局限，基础概念需要到处查漏补缺。

论文看不懂，效率低下。

无法创新，只会用现成的。

2.3 框架基础

熟练掌握 Caffe、TensorFlow、pytorch等以及不断新出的开源平台。

如果以上基础不扎实，后果是什么呢？

无法验证别人的方案，代码经常跑不通而放弃。

无法复现别人的论文，只能停留在看热闹的阶段，等着别人开放源代码。

2.4 其他基础

掌握爬虫等前后端的基础知识。

了解并熟悉Cuda等GPU编程技术，了解一些移动端的硬件知识。

了解并熟悉 Android、iOS 等移动端的基础知识，在项目中可能会需要使用。

如果以上基础不扎实，后果是什么呢？

日常项目无法独立开工，永远需要别人帮助才能完成项目。

个人能力有限，职业生涯天花板明显（当然，如果你在前面的算法等领域达到了顶尖水平，可以不需要这些附加技能，不过一般达到顶尖水平的人，这点技能早就会了）。

不要羡慕别人家的本科生收入远远高于你。

想想自己有别人一半的厉害吗。

「杂谈」为什么你学了AI，企业却不要你相关推荐

「杂谈」计算机视觉人脸图像的十几个大的应用方向，你懂了几分？
2020-02-16 13:45:50 文/编辑 | 言有三人脸图像属于最早被研究的一类图像,也是计算机视觉领域中应用最广泛的一类图像,可以说掌握好人脸算法,基本就玩转了计算机视觉领域.在经历了几十 ...
「杂谈」同学聚会最悲哀的事情
「杂谈」同学聚会最悲哀的事情大学毕业至今近乎20年了,期间参加过几次规模或大或小的同学聚会,有高中同学会聚会,初中同学聚会,也有大学同学聚会.这些同学聚会上,笔者发现其实体验都还很不错,基本没有发现 ...
【杂谈】为什么你学了AI，企业却不要你
文章首发于微信公众号<与有三学AI> [杂谈]为什么你学了AI,企业却不要你前几个月花了一些时间招实习生,面试了近10个,最后只发了一个offer,因为实在是不满意.近半年也跟一些负责招 ...
「杂谈」GAN如何给目标检测，图像分割，图像增强等问题打辅助？
作者&编辑 | 言有三 1 GAN与目标检测目标检测估计是计算机视觉领域里从业者最多的领域了,其中的小目标,大姿态等都是经典难题,GAN在其中真的是很有作为的,我们已经开始整理. Findi ...
浙大吴飞「舌战」阿里贾扬清：AI内卷与年薪百万，哪个才是真实？
转自:机器之心为了推动 AI 技术的应用创新,促进人工智能领域的学术交流.人才培养,打造人工智能的人才交流平台与产业生态圈,中国人工智能学会联合杭州市余杭区人民政府联合发起了首届全球人工智能技术创新 ...
「杂谈」如何系统性地学习生成对抗网络GAN
文/编辑 | 言有三作为被誉为"下一代深度学习技术",同时已经在工业界能够真正成熟稳定应用的GAN,有三AI公众号很早之前就开始关注相关内容,从理论到实践都做出了一些总结,并且在 ...
「杂谈」白身，初识，不惑，有识，你处于深度学习哪一重境界了
https://www.toutiao.com/a6701683817700147715/ 今天我们来谈谈深度学习工程师那些境界的事儿.有三斗胆将学习深度学习的同志分为5大境界,分别是白身,初识,不惑 ...
IEEE Fellow杨铮：打破「视觉」垄断，无线信号为 AI 开启「新感官」
来源:AI科技评论作者:陈彩娴编辑:岑峰 2020年年初疫情刚开始时,清华大学的官方号曾祭出一篇题为<清华教师升级「十大神器」,上课力满格>的推文,讲述了软件学院某老师如何居家办公.探 ...
「杂谈」AI工业界都有哪些值得参加的比赛？
https://www.toutiao.com/a6701681119881855499/ 从深度学习新手到有志于站到算法之颠的老鸟,都可以通过参加一些比赛来获取经验或者证明自己,今天聊聊AI图像领域 ...

「杂谈」为什么你学了AI，企业却不要你

1 以下几种人企业不想用

2 学习AI需要哪些技能

「杂谈」为什么你学了AI，企业却不要你相关推荐

最新文章

热门文章