摘要:随着自动驾驶技术的落地与应用,相关领域的人才需求不断增加,但许多求职者却屡屡碰壁,这其中的原因是什么呢?在任乾老师的《多传感器融合定位》课程中,老师为大家分析了现状。以下将以任乾老师的视角分析人才断层的原因以及解决办法。

随着自动驾驶技术的落地与应用,相关领域的人才需求不断增加,但许多求职者却屡屡碰壁,这其中的原因是什么呢?

在任乾老师的《多传感器融合定位》课程中,老师为大家分析了现状。以下将以任乾老师的视角分析人才断层的原因以及解决办法。

1.人才断层的现状及原因

我最近也在做很多的招聘工作,面试了很多人,收到了很多份简历,一个核心的状况是,应聘者被刷掉的概率占70%-80%,甚至还要更高,收到几十份简历,被留下来的可能也就两三个、三四个。

核心原因有两个,一是自动驾驶已经开始落地,有很多的团队开始涌现。原来不做自动驾驶的企业,看到别人已经落地,又不想落后于市场竞争,于是开辟一个新部门做自动驾驶业务。另一个是以往只做自动驾驶技术储备和研发的企业,到了一定阶段后,团队的业务开始逐步扩展和增大。

像“蔚来”本身就是做这个业务的企业,可能不太关注增加值方面的内容,但在面对市场竞争时,也必须开辟业务。换句话说,自动驾驶技术方面往前推进一步,就需要招纳更多的人才进行业务拓展,这就导致整个行业的需求已经开始增大了,这是原因之一。

当然,这个原因更深一步讲,不只是增大,而是在增大的同时对人才质量的要求并没有降低。

因为行业发展到一定阶段,大家要招纳能把项目落地的人,而绝非像以前一样,做demo出来就能拿到融资的人。因此,行业发展阶段不一样,企业的需求也不一样。在当前这个阶段,企业更需要能把产品做好的人。只掌握皮毛,学基本的套路,然后把demo做出来或者跑起来的人,属于低端人才,满足不了当前企业人才需求。

因此,能够做出产品的人,才是当前企业所需要的高端人才。这也是我第一条原因所阐述的,企业需要大量的高端人才。

但是,市场并不能满足企业的需求。原因在于,多传感器融合定位这个领域,今年才开始发展,在发现定位有巨大的需求和市场后,大家才开始进一步的学习。在此之前,定位虽然也作为一个领域存在,但它不是自动驾驶这种传感器融合定位,可能像我早期做的惯性导航、组合导航等较为单一的定位。它解决的是在空旷场景下,或者某些场景下的定位。而自动驾驶是解决城市里,甚至是城市峡谷等比较有挑战性的场景的定位,这是以前从未做过的。

因此,这就导致原有领域的人很难适配企业新的任务需求,而新的人重新学习内容,学了没几年,很多事情搞不定,使得面对如此大的人才需求,市场的供应却非常少,无法招到足够的人才,这就是所谓的需求和供应端的一个断层。这也是企业现在想招人,但是招不到人的一个原因。

然而企业招不到人,这只是现状之一。

另一个现状是,大量的人找不到工作。刚才所说的被刷掉的人就找不到工作,甚至一部分只能去一些小公司去锻炼,继而再考虑其他的途径。这是因为对于刚入行的人来说,企业的要求很高,因此刚入行的人会遭受到一些打击。这些人需要一个成长过程,在能够达到企业要求时,才能真正进入一个可以落地的、好公司的岗位。这也属于上面所述两条原因之内。

以上我们所说的现状,它包括企业端和人才端两个部分,以及对应的两个原因。

2.人才断层的解决办法

那么怎么解决这个问题呢?我认为有三方面的途径。

第一个方面是企业,面对不好招人的情况,我们有什么样的策略呢?

除了招纳既有能力,又比较资深的人以外,我们还要招具有潜力的人。这一部分人可能现在达不到企业标准,但是我们看中你的人才素质,继而在项目中培养你,锻炼你。在一两年之后,我们认为你达到标准,那么也在我们的考虑范围之内。

比如我们会在硕士毕业生、应届生,或者刚毕业一两年的人里,去挑一些既聪明又踏实的人,作为我们的储备人才,并参与到项目中来。当然,这只是极少数,所以并不推翻我上面说的现状对立的问题。

大家可能会问,如果想成为被选中的人,想成为被看好的、有潜力的人,要弥补在定位领域知识掌握还不够深的缺陷,应该怎么做?向企业证明你是一个有潜力的人,我觉得分为三个方面。

第一是更看重把项目做精的人。其实我看过很多校招简历,有人会写很多项目,但这是不是一个加分项呢?答案是否定的,除非你的确做得深,能力非常强,不然真的不是一个加分项。

在学校的两三年,你肯定做不了多少事,尤其是边学边做的情况下,因此能够把一件事做好就已经非常厉害。所以写了很多项目的校招生,对我们来讲可能是一个减分项。我们会认为做的太杂,做的不够深,大家应当要记住这一点,一个东西做得不深很可能是毫无意义的。

因此,我们可能只会挑选一两个项目,但是又能够把项目讲得清楚,并且取得良好结果的人,比如说发了一个顶会,或是项目的指标很好,又有一个落地的平台,或是硬件平台跑起来,证明它的效果很好。这两个成果只要有一个,那么我们就认为这个项目是成功的。只要有一个项目做成,那么就已经留下很好的印象,证明了自己的能力。这也是第一点所说的项目在精而不在多。

第二点是相比理论基础,更看重工程实践

现在的校招生很明显分化成两类,第一类是偏理论的学生,理论知识极为扎实,但是项目做得很浅,甚至没有做过项目,而是一直在学习,好像仅仅是为了面试去补的基础知识。尽管基础很扎实,但是意义不大。当然,我们也不能说完全没有用。

另一类则是跟老师做项目的学生。比如说做一个定位系统,让它跑起来,而在这个项目中,你问他遇到什么问题,怎么解决的,以及现在的系统里面还残留什么问题,将来准备怎么解决,他都能回答上来。如果达到这一点,我们认为这个人具备良好的人才素质。

对于校招生来说,如果你时间有限,二者里面必选一个的话,我建议找一个项目把它做好,这比单纯的背理论知识更为重要。毕竟工程需要这样的人才。

工程本身不需要非常多的理论,这并不是说没有理论,而是说一个工程可能30%是理论,70%是在做落地的产品。我可以很明确的说,如果你认为这70%不重要,那么这是个错误的看法。

一个产品要落地,核心就在于这70%,而那30%的东西,我们可以找人现场去学习,因为工程落地里所用的算法并不是很深。相比于理论基础,我们更看重工程力量。我们需要更多的人去解决70%的问题,而剩下30%的问题,如果你能够跟我们一起解决当然更好,如果不能够解决,我们也可以边干边学。

第三点是相比知识多少,更看重思维能力,这和第二点相关。

在两种类型的学生中,第一种可能缺少思维能力。这并不是指你本身不具备思维能力,而是指你没有在项目中锻炼出来的思维能力,更多的时间在学习纯理论知识,导致缺失这方面的培养。因此我建议大家在项目中锻炼,从项目中去思考。

第二个方法是让更多的人进入到行业中,或者让更多正在成长中、尚未达到企业标准的人,尽快达到标准。我认为有这样几个方面:

第一是企业提供实习机会。和我们所说的第一大方面相关,企业如果能提供更多的机会,让大家在项目中锻炼,会加速整个行业人才的成长速度。

在学校,很多时候并非是学生不想做项目,而可能是老师让学生去做一些别的事情,或者是老师没有这方面的项目,没办法给学生提供机会,所以现在的企业已经意识到这一点,会提供大量的实习机会,这也包括我们。跟往年比,我们今年的实习的岗位至少增加了一倍。为了让大家在实习过程中加快成长速度,即使实习完之后,不一定留在我们企业,但是我们仍乐意给大家提供实习平台。

第二是从业人员有推动成长速度的意识,并参与到过程之中。这也是有些途径的。比如说,在企业里的人,可以写一些总结,发博客,或者针对某些领域内的知识 、paper,发表自己的看法。这是在构建社区,大家在社区内部可以互相讨论,互相关注行业内容。

整个来讲,如果从业者或者在行业内具有一定经验的人,能把各个方面的知识以及各个角度的看法,提供给正在成长中的人,也是能够加速行业人员成长的一个途径。

第三个途径就是像“深蓝”这种在线教育机构。不仅是传感器融合这一课程,包括整个机器人体系,比如SLAM基础、VIO以及物体检测等其他环境感知课程,它们都是在围绕怎样培养一个人才设置课程体系。总而言之,这是需要行业甚至还需要行业内部,以及社会各个层面的人共同推进的一件事,而不是某个企业或者某个人做的事。

所以我希望大家都有这样的意识,包括大家在学习这门课的过程中,边学边输出,哪怕只是把自己所学习的内容进行总结,发布在网上也是可行的。我们从事这一行业,不仅需要思考如何参与到行业中,还需要思考为这个行业能够做什么。

第三个方面是大家需要提高自己的成长速度。可能有人在认为自己学习到一点知识,掌握到一点技能之后,开始找工作。企业可能会选择你,但这并不是因为别人看好你,而是因为没得选。

当前整个行业的成长处于初级阶段,大家只能在初级的人里去挑选相对好的人。如果这时,你满足于现状,认为工作中掌握东西够用,那么对你未来的发展极为不利。大家都在快速的成长,过了一两年、两三年,许多人的知识量以及项目锻炼的量逐步增长,很快就能超过你。在这个时候,企业会选择更为优秀、更能满足企业本身需求的人,而不是选择你。所以不要觉得找工作相对容易,更不要过早的去满足,因为还有更为激烈的竞争。

破局:自动驾驶人才断层困境相关推荐

  1. 自动驾驶人才眼中的“差老板”与“好老板”,分别有哪些特质?

    "中智人力资源管理公司的数据显示,自动驾驶人才主动的离职率已经达到了20.5%." 元旦前,在ATC汽车技术平台举办的智能汽车人力资源论坛上,某自动驾驶初创公司HR抛出这么一句.听 ...

  2. 细分市场排名第一,极目智能助力客车主机厂破局智能驾驶商业化

    细分市场排名第一,极目智能助力客车主机厂破局智能驾驶商业化 根据交通运输部公路科学研究所数据,截止到2020年底,基于极目智能ADAS预警方案的过检客车车型数量共292个,以显著优势位列国内第一. 智 ...

  3. Zoox 已成自动驾驶人才quot;收割机quot; ,特斯拉受伤最深

    Zoox 的团队阵容已经相当强大 雷锋网(公众号:雷锋网)按:500 名员工中,居然有 80 多人曾是特斯拉员工! 对许多科技迷来说,能与 Elon Musk 共事恐怕是他们最大的心愿.对身怀绝技的技 ...

  4. 新能源与自动驾驶汽车市场

    新能源与自动驾驶汽车市场 新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料.采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进.具有新技术.新结构的 ...

  5. 自动驾驶前沿报告!解密六大关键技术,全球人才分布

    来源:智东西 摘要:清华-中国工程院知识智能联合研究中心从技术.人才.应用和趋势的维度盘点自动驾驶的发展. 从传统车企到新造车势力,再到互联网大佬,都在加注自动驾驶. 自动驾驶既指向了更高效安全的交通 ...

  6. 清华自动驾驶前沿报告!解密六大关键技术,全球人才分布【附下载】| 智东西内参...

    来源:智东西 摘要:清华-中国工程院知识智能联合研究中心从技术.人才.应用和趋势的维度盘点自动驾驶的发展. 从传统车企到新造车势力,再到互联网大佬,都在加注自动驾驶. 自动驾驶既指向了更高效安全的交通 ...

  7. 美国自动驾驶研发国家队NASA入局,还提供了航天跑道做测试

    NASA的加入,有望利用自动驾驶技术为执行太空任务提供帮助. 最近有消息称,美国国家航空航天局(NASA)的工程师们已经正式确定,即将开始加入到自动驾驶研发中去.与此同时,NASA当局还十分给力的提供 ...

  8. 人才太缺!神州优车明修开放平台暗圈AI人才(附自动驾驶思路)

    本文来自AI新媒体量子位(QbitAI) 相比于主要竞争对手滴滴,神州优车还没有把"自动驾驶"喊得响亮,不过这并不意味着在人工智能研发和应用方面,神州缺乏雄心. 近日推出的智慧交通 ...

  9. 美团确定进军自动驾驶,滴滴如何应对?

    2018 区块链技术及应用峰会(BTA)·中国 倒计时 4 天 2018,想要follow最火的区块链技术?你还差一场严谨纯粹的技术交流会--2018区块链技术及应用峰会(BTA)·中国将于2018年 ...

最新文章

  1. 中美程序员的不完全对比,看看跟你了解的一样吗?
  2. javascript 数字格式化
  3. 怎么判断日出时间早晚_云南8日游攻略以及费用,从西安到云南旅游怎么安排行程?...
  4. MapReduce入门2-流量监控
  5. Linux网络模块全局变量,()不是Linux系统的特色.
  6. React学习(8)—— 高阶应用:不使用ES6、JSX实现React
  7. 电子类公司笔试题精选
  8. python windows系统_Windows系统下Python-Windows详细安装教程
  9. IDEA 打包 exe 程序 与 javafxpackager 打包 exe 程序
  10. 禁用的灰色文本框、按钮的克星
  11. 2020考研分数线计算机专业,2020考研分数线如何划定
  12. Quartz是什么?
  13. 三极管/达林顿管 管脚定义
  14. Python量化交易平台开发教程系列1-类CTP交易API的工作原理
  15. python中的颜色_Python学习第234课——html中的颜色值
  16. 83.android 简单的获取手机SIM卡卡槽数量,当前SIM卡数量。
  17. PHP微信小程序版权设置,ThinkPHP内核精仿网易严选微信小程序前后端源码 支持后台一键设置,有详细配置教程...
  18. 单片机c语言1ms 2ms 4ms方波,定时器使用:利用单片机内部定时器0通过P1.0端口输出一定周期的方波信号。 - 试题答案网问答...
  19. 万代南梦宫面向中国市场推出《太鼓达人》限量版月饼
  20. 8行python代码展示程序员从入门到大神(或跑路)的全部状态

热门文章

  1. MySQL七种join
  2. 随机森林算法参数解释及调优 转胡卫雄 RF模型可以理解成决策树模型嵌入到bagging框架,因此,我们首先对外层的bagging框架进行参数择优,然后再对内层的决策树模型进行参数择优
  3. Python 字符串判断字母 数字 大小写
  4. python pandas inplace用法
  5. private 的访问权限
  6. 青源 LIVE 预告 | 华为诺亚韩凯:视觉 Transformer 综述
  7. 小米语音首席科学家Daniel Povey:下一代Kaldi将走向何方?
  8. TensorFlow练习24: GANs-生成对抗网络 (生成明星脸)
  9. LazyProphet:使用 LightGBM 进行时间序列预测
  10. 为什么小批量会可以使模型获得更大的泛化