“
人工智能(AI)当道，到底该如何抓住机遇？
AI领域现在最多的工作机会是什么？
AI领域该如何求职？需要做哪些准备？
为回答以上广大求职者们关心的问题，本期硅谷青年说请来了3位人工智能领域重量级嘉宾。
Rick Sun
    USC CS 博士毕业，人工智能方向知名学者，曾在AI顶级会议上(IJCAI, AAAI, AAMAS等)发表论文数十篇, 其研究成果曾被加拿大宇航局选用。现在是来Offer创始人兼CEO。3年来，已培养1200多位优秀华人工程师，遍布硅谷一二线公司。
Richard Liu 
    Richard曾经作为创始成员和核心组长，参与过多个Google项目的研发。现作为Leap.AI的联合创始人和CEO，全职投身于Leap.AI的工作之中，致力于帮助他人成为更好的自己。
Yunkai Zhou
    Yunkai在CS相关的多个领域都有丰富的经验，其中包括机器学习，计算机网络，UI等。现在是Leap.AI的联合创始人兼CTO，旨在帮助全球AI方向的百万求职者找到满意的工作。
Q1. 请问在AI领域有什么新兴的职位和工作机会？
Richard：AI的蓬勃发展是依托于data的。现在，可以收集到的data越来越多了，所以会有大量的Data Engineer，Data Scientist等职位出现。
Yunkai：我补充一点，Data Visualization将来也会有很大的需求。虽然这个位置很新，但肯定会变得越来越重要。毕竟，再好的发现，你不能高效地present出来，都是白搭。
Rick: 我的老本行是无人车，我是挺看好无人车的将来的。我看到它改变了整个industry的方方面面，并且有无限的商机。
Q2. 想在AI领域求职，要怎么准备？
Richard：其实学生刚出来，做AI是不容易的。我觉得比较可行的路子是，毕业后找到一家公司，从General Engineer开始，然后再继续学习。
如果公司有资源，比如像Google就有AI课程，那你就可以在公司学习。如果公司没有资源，就可以找来Offer这样的培训机构。
等你的水平更高了，就可以做更有影响力的project，然后再接触到AI，这其实是一个逐渐积累的过程。
Yunkai：我同意。我的建议是，跟实际生活中的team合作，然后take transition。
你可以先去一个公司，去接触他们做AI的team，你去看看他们在解决什么问题。
毕竟你在学校里，是没有real data的，所以你无法评估哪个算法更好。而你在公司里面学到的，就是非常实际的，解决的问题也是实际的。
等你有了一定的概念，这个时候再补基础，比如上个来Offer，是最有效的。因为这样你才最有目的性。
Rick: AI求职门槛相对高， 对专业性要求非常高，想做AI Engineer，必须要在自己的特长上，有非常扎实的基础和精益求精的技术。
就比如说无人车的核心技术，实际上分成了6大块，而每块都需要对相应领域精通的工程师来负责。
并且，你要有学习能力，因为这一行都是边学边上手的，你去看看无人车行业，做2年以上的就算是senior。
然后，就是多接触比你年长的有经验的前辈，比如说像Richard和Yunkai，多听听他们的建议，了解未来的趋势。
总的来说，如果想入AI这一行，你要做的有：
第一，打好基础，并确定自己喜不喜欢做这个事情；
第二，多去了解未来的工业界，多接触前辈和成功的人；
第三，你要知道你真正迈入市场后，它能给你带来什么？
Q3. 我是CS master，我想做Data Scientist，可是又没有PhD钻研得那么深；我想做Machine Learning Engineer，可我的基础又没有那么好，我到底要怎么选？我要不要去读个PhD呢？
Richard：首先，你要了解各个职位的区别。
Software Engineer、Data Scientist和 Machine Learning Engineer的区别是什么？
Software Engineer需要你对写代码保持兴趣，而且一直愿意learn new things，愿意跟很多人合作，做很多project。
Data Scientist则需要你有对data的insight，并且是different insight。否则跟别人一样，就没有价值。另外，你还要能对data 进行有效地 present。不然，你做出来的东西，会没有被人认可的价值。
再来谈谈Machine Learning Engineer，这个职位的要求是介于以上二者之间的：你既要能当一个Data Engineer、能够build data pipeline；同时 ，你又要能对data产生insight。并且，具备Machine Learning的知识。
但是，你不需要什么都会啊，Pick up one you are passionate about，and be good at that one。这也是我们Leap.ai的核心。
我给你两条路，一，你去做PhD；二，你从别的地方入手，先在一家公司里找到立足点，然后再做切换。
Rick：我补充几句话，我过去曾带了1200个Facebook, Google等进了一二线大公司的学生，你这个问题特别有代表性。
我要跟你说的是，读PhD不是让你找工作的，读PhD是为了探求人类到现在为止还没有探求到的知识盲点，我不是在作诗啊，否则你读PhD的目的就不对。
你必须要有这样的胸怀。PhD真正要做的是探求最顶尖的技术，而这之外随之而来的其他工作都是附带的value。你不能带着“为了找一个工作”这样的想法去读PhD, 凡是这样说的，我觉得你去读PhD，你会后悔的。
Q4. 最后一个问题，关于求职，还有什么好的建议吗？
Richard: 找工作最基本的就是：
第一，了解自己的passion。
第二，了解你的强项。
第三，了解社会的需求。
想找到你真正的职业道路，其实就是在找以上3者的结合点。
基于以上3点，我们leap.ai的app利用AI技术，将求职者的强项、经验与潜在雇主的需求、文化相匹配，从而有效地帮助用户求职。
Rick: 我再加一点，我觉得在求职道路上，好的mentor太重要了。 比如马云，如果你能跟他聊5分钟，就会受益匪浅。这就是信息和专家意见的重要性。
很多人问我办的来Offer，你们是算法班吗？我说不，我们做的，是真正地让一个年轻人能在职场上得到一个质的提升。
第一步是在算法上帮助你们，然后再通过其它方方面面的培养，让你汇聚成一个全方位、高素质的人才。
我们的老师，不仅仅要教会你们算法，同时，也在非常努力地充当你们职业生涯上mentor的角色，用我们过来人的经验，尽全力让你们少走弯路。
Richard：我也再加一点，除了mentor的重要性，在职场上，be in the right place也是很重要的。
我在Target和Google都工作过，可我发现，我在Target做得很一般，而我在Google做得非常好。为什么？
因为Target环境非常规范，他们很重视operation，而Google则非常重视innovation。而我的强项是比较符合Google文化的，我属于比较有点子的人。
所以，从我自身的经验教训，我总结出来：everyone can be a star in the right place。这也是我们Leap.ai的理念。
来Offer帮助你们提升技能，给你们提供mentor；而我们则是在帮助你找到最能实现你人生价值的地方。这就是我们二者的互补性。
本文最终解释权归来Offer和Leap.AI所有
继续阅读
阅读原文