软件工程师如何转行做人工智能？目的被揭开，真相让人不敢相信

作为技术出身的数据产品经理，我接触过很多泛AI岗位的朋友，比如 大数据工程师，算法工程师，建模工程师等，也有一些针对AI细分领域的岗位，比如NLP工程师，图像识别工程师，语音识别科学家等。其中不乏一些从软件工程师转岗过来的，、

就AI相关研发岗来看，大数据工程师相对其他岗位是软件工程师更容易转的岗位，只是大数据工程师对技能要求更综合。其他岗位（比如算法工程师，建模工程师，分析师，深度学习工程师等）对统计学背景和算法能力要求很高，转岗时间比较长。

理论结合实践，螺旋上升式的学习，理论和实践互相加深。先从小例子学起，哪里理论不够就去补哪里。千万别想着先把理论都学会了，一身武功学到炉火纯青再上战场。一头扎进理论里能把你淹死。光是《支持向量机》和《凸优化》能淹死大部分人。下面这本凸优化有716页，你怕不怕？其实没必要学这么深。

科学家境界是很少很少一部分人能达到的境界，主要是那些从事人工智能研究的科学家，他们能原创出很多的算法和理论，解决一些最前沿的难题。比如深度学习的鼻祖Hinton,生成对抗网络发明人 Ian goodfellow,Xgboost发明人陈天奇等等。

所以未来阶段的人工智能架构师应该是复合型的人才，不仅仅要精通相关数学、算法与框架、程序设计，更应该了解硬件相关内容 电子技术、机械原理、电路设计、嵌入式系统等，我估计绝大部分目前的人工智能工程师在不久的将来，很快会遇到因不懂硬件而无法完成程序设计的情况，反之亦然。

本文为企鹅号作者原创。如果您喜欢请点击左下角红心点赞，如果不喜欢也请点击左下角，尽情评论和吐槽，未经授权，不得转载。欢迎点击订阅关注本企鹅号，转发此文章!免责声明：文中图片引用至网络，如有版权方请联系删除！