文章首發于微信公眾號《與有三學AI》

【雜談】為什么你學了AI，企業卻不要你

前幾個月花了一些時間招實習生，面試了近10個，最后只發了一個offer，因為實在是不滿意。近半年也跟一些負責招聘的同行們聊過天，再加上18年秋招形勢的印證，我們自己內部的需求，現在就是這樣的狀態。

眾人都在學AI，企業卻愁招不到人，現在已經不是誰混混都能入行的時候了。

為什么呢？歸根結底還是大部分人能力達不到要求，牛人只會被哄搶，牛人就算有缺點，也可以忽略，而普通人如果沒有優點，誰要你啊。

?

01?以下幾種人企業不想用

為什么學習的人那么多，企業卻不想要呢？我覺得主要是這幾方面的原因，以圖像領域為例。

1.1 基礎非常不扎實

很多人是直接跳進來深度學習這個方向的，說白了就是直接從所謂的python+tensorflow等開始，充其量再看了幾門網課。

但正確的入行或者說學習流程應該是這樣的，分兩個方面。

首先是編程基礎

linux基礎，包括熟悉linux各類環境配置，熟悉shell腳本，熟悉cmake/make編譯環境。

git基礎，熟練使用github等，學會版本控制。

c++基礎，熟悉c++的基本語法，類的設計，代碼的編譯與調試。

python基礎，需要非常熟悉矩陣運算，各類基礎庫的使用。

了解開源框架，這就是大部分人的水平，知道某個開源框架的基本使用。

熟悉開源框架，需要熟悉主流的開源框架，掌握高級用法，閱讀過源代碼。我們不能指望只掌握一個開源框架，難道只會tensorflow或者pytorch，放棄Google和Facebook其中的一個嗎，或者不會用Caffe永遠無法在公司完成移動端模型的訓練和部署。還有太多太多，可以慢慢來。

不拼顏值的編程世界，只有一步一個臺階才不會將來捅婁子。

然后是算法基礎

信號處理與圖像基礎，包括熟悉信號處理領域的基本概念，圖像的基礎概念和基本的算法，這些現在與深度學習方法的結合越來越多。

傳統機器學習，指望深度學習對所有任務end-to-end解決是不可能的，深度學習往往都只是解決問題的第一步，許多任務（比如平滑跟蹤，重建等后處理）的精修全部都需要使用傳統方法。不會，往往就意味著不能獨立完成一個項目。

深度學習入門，所謂入門就是知道使用一個框架，拿出一個不錯的模型，跑完一個任務的整個流程，或許還會做一些簡單的改進，這也就是大部分人的水平，能把任務做到95%卻做不到98%。

深度學習進階，到了這一步才是收入的分水嶺。需要有豐富的項目經驗，比較扎實的理論基礎，才能用同樣的資源作出完全不同的效果，說起來要會的就太多了，此處略過。

準備好生發吧。

1.2 態度非常不認真

如果你是牛人，有著超出大部分的聰明才智，能一個人干翻一個團隊，就算其他都是缺點，沒問題。

如果你只是普通人，愿意多付出很多時間，喜歡查漏補缺別人不做但是卻可能對項目非常有用的方案，那也沒問題。

如果是其他的，我就不會招了。

有一個老大跟我說：“招一個不靠譜的人來做事，我付出時間還放心不下，不如讓老員工來。”

企業要的是從頭到尾，可以把事情放心交給你的人。

大部分任務確實并不難，誰嘗試的方案，跑過的實驗多，誰更加細心，就有可能做的更好。

有人不愿意花時間篩選數據，只等著別人送過來數據，擼起袖子就開干。

有人不愿意多跑幾個實驗，搞到一個勉強的指標就想交差了事了。

有的人這也懂，那也懂，做出來全是錯的。

1.3 熱衷學習，能說會道不會做

這一類人的特點就是，看了大量的書，聽了大量的課，說起來頭頭是道，但卻不喜歡實踐。只要針對某一個問題問一點細節，一戳就破。

想想也是，摟著女朋友看書看視頻當然很舒服了，誰還看不懂呢，但是時間長了，花拳繡腿與紙上談兵就原形畢露了。

因此奉勸這些朋友們，早日爬出舒適圈，從簡單事情開始做起。

?

02?學習AI需要哪些技能

這一行是一個交叉學科，需要的技能非常多，以計算機視覺為例，為了保證工作的正常獨立進行，以下可以說是必備技能。

2.1 編程基礎

熟練使用linux，git，vim等環境和工具。

熟練掌握 C/C++、Python等編程語言。

熟練掌握cmake，g++等編譯工具。

如果以上基礎不扎實，后果是什么呢？

別人的代碼不會用，看不懂。

遇到簡單bug調半天，稍微復雜一點自己根本搞不定。

寫出來的東西公司不能用，不敢用。

2.2 算法基礎

熟悉傳統圖像算法，機器學習算法。

熟練跟蹤并閱讀行業前沿研究，復現結果。

系統性熟悉深度學習理論。

如果以上基礎不扎實，后果是什么呢？

目光局限，基礎概念需要到處查漏補缺。

論文看不懂，效率低下。

無法創新，只會用現成的。

2.3 框架基礎

熟練掌握 Caffe、TensorFlow、pytorch等以及不斷新出的開源平臺。

如果以上基礎不扎實，后果是什么呢？

無法驗證別人的方案，代碼經常跑不通而放棄。

無法復現別人的論文，只能停留在看熱鬧的階段，等著別人開放源代碼。

2.4 其他基礎

掌握爬蟲等前后端的基礎知識。

了解并熟悉Cuda等GPU編程技術，了解一些移動端的硬件知識。

了解并熟悉 Android、iOS 等移動端的基礎知識，在項目中可能會需要使用。

如果以上基礎不扎實，后果是什么呢？

日常項目無法獨立開工，永遠需要別人幫助才能完成項目。

個人能力有限，職業生涯天花板明顯（當然，如果你在前面的算法等領域達到了頂尖水平，可以不需要這些附加技能，不過一般達到頂尖水平的人，這點技能早就會了）。

不要羨慕別人家的本科生收入遠遠高于你。

想想自己有別人一半的厲害嗎。

感謝各位看官的耐心閱讀，不足之處希望多多指教。后續內容將會不定期奉上，歡迎大家關注有三公眾號 有三AI！

?

總結

以上是生活随笔為你收集整理的【杂谈】为什么你学了AI，企业却不要你的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。