找一份 AI 工作需要学什么？吴恩达教授力作《如何打造你的AI职业》为你指引方向
最近，Andrew NG（吴恩达）推出了新书《如何打造你的AI职业》（How to Build a Career in AI），虽然只是一本40多页的小册子，但内容浅显易懂，充满真知灼见。书中讨论了如何培养核心人工智能技能、如何建立一个项目组合使简历脱颖而出、如何利用网络取得成功、实用的面试技巧，以及如何结识志同道合的人工智能开发者并建立终生联系。今天，我将这本书的精华内容分享给大家。
那么，这本书是为谁准备的呢？它适合想要加速进入就业市场的学生，渴望无缝职业转变的行业专业人士，想要建立一个可以实现终身成长的专业网络的入门级人工智能构建者，以及希望成为人工智能社区贡献成员的人士。
新书目录
引言：AI编程——现代必备技能
第一章：职业发展的三大步骤
第二章：学习技术技能，开启辉煌的AI职业
第三章：进入AI领域需要数学知识吗？
第四章：定义成功的AI项目
第五章：选择符合职业目标的项目
第六章：创建展示技能进步的项目集
第七章：AI求职的简易指南
第八章：通过信息性面试找到理想工作
第九章：寻找适合你的AI职位
第十章：打造AI职业的关键要素
第十一章：克服自我怀疑
结语：让每一天都意义非凡
引言：AI编程——现代必备技能
AI编程是新时代的读写能力。几百年前，文字读写从少数人专属的技能变成了大众必备的能力，如今编程，特别是AI编程，也应成为普及的技能。传统的软件工程主要是告诉电脑如何操作，但AI和数据科学能从数据中提取知识，这一点更具价值。即使是街区披萨店的老板也能通过AI优化供应链和预测销售。因此，掌握AI编程比传统编程更具实用价值，能让更多行业和个人通过数据改善生活。如果社会能像接受读写能力一样，广泛接受这种新形式的“读写”技能，我们都将从中受益。
各章节简介
第一章：职业发展的三大步骤
正常的职业成长过程通常是：学习基础知识 - 实践项目 - 寻找工作。但在AI领域，你需要与不懂AI的人合作，你要寻找的AI职位可能也不那么明确，甚至老板可能都不清楚需要你做什么。你需要清楚地知道，你能为企业带来什么价值。
第二章：学习技术技能，开启辉煌的AI职业
在构建AI职业时，首要步骤是掌握基础技能。这不仅包括诸如线性回归和神经网络等机器学习模型，更重要的是理解背后的核心概念，如偏差/方差和优化算法。深度学习和软件开发能力同样必不可少，比如理解卷积神经网络和掌握Python等编程基础。数学知识，特别是线性代数和概率统计，也是重要的基础。但学习是一个持续的过程，即使你掌握了这些技能，也要不断更新和深化你的技术知识。
获取这些技能的最有效途径通常是系统的课程学习，而不是零散地查阅网页。记住，成为机器学习专家不是一蹴而就的事。持续学习和每周固定的学习计划会让你更容易取得显著进步。所以，不要想着速成，慢慢来，稳步前进。
第三章：进入AI领域需要数学知识吗？
成为一名机器学习工程师，数学到底有多重要呢？答案是：有用，但无需过分强调。理解所使用算法背后的数学原理通常是有帮助的，特别是在调试算法时。然而，随着技术的进步，对深入数学理解的需求可能会减少。比如，在机器学习的早期阶段，你需要深入了解线性代数库来避免数值问题，但现在这些库已经非常成熟和可靠。
特别是在深度学习这个快速发展的领域，理解梯度下降、动量和Adam优化算法背后的数学原理会让你做出更明智的决策。但别忘了，学习也可以源于好奇心。即使某个数学概念看似“不实用”，它也可能成为未来创新的灵感来源。
因此，数学是一个有用的工具，但不是唯一的道路。关键是明确你的目标，然后有针对性地增强数学背景。如果你对某个数学概念特别感兴趣，那就大胆去学，说不定哪天就用上了。
第四章：定义成功的AI项目
AI架构师的关键技能之一是识别值得投入的项目。以下是五个步骤来帮助你策划项目：
识别业务问题： 联系领域专家，询问他们最希望改善的三个方面，以及为什么这些方面尚未得到改善。
头脑风暴AI方案：在了解问题后，构思多个可能的解决方案，而不是匆忙选择第一个想到的。
评估可行性和价值：查阅已发布的研究或竞争对手的解决方案，或快速搭建一个概念验证模型来评估技术可行性。同时，咨询领域专家以确定其商业价值。
设定里程碑：包括机器学习指标（如准确率）和商业指标（如收入）。如果无法设定合理的里程碑，可能意味着需要更深入地了解问题。
预算资源：考虑完成项目所需的所有资源，包括数据、人员、时间以及可能需要的其他团队支持。
项目工作是一个迭代过程。如果在任何步骤中发现当前方向不可行，就回到前一步，并根据新的理解继续前进。即使你没有该领域的深厚专业知识，这些步骤也能引导你通过项目工作来探索它。AI不能解决所有问题，但我们作为一个社区，应该努力寻找尽可能多的积极影响。
第五章：选择符合职业目标的项目
在职业发展的过程中，选择和执行项目不仅需要关注责任、伦理和对社会的贡献，还要考虑如何促进个人成长。起初，不必等待他人提供好的项目或资源，而是可以从小项目开始，逐步迈向更大、更复杂的项目。
如果没有项目想法怎么办？
加入现有项目：找到有好点子的人，寻求加入他们的团队。 持续学习和交流：这些活动经常能激发新的想法。 专注于特定应用领域：例如，如果你所在的公司或学校专注于某个特定应用，探索其中的机器学习可能性。 发展副业项目：这不仅能激发创造力，还有可能成为更大事业的基石。
如何选择项目？
技术成长：项目应具有足够的挑战性，能够拓展你的技术能力。 合作伙伴：一个好的团队或至少一个可以与之讨论的人能大大促进你的成长。 是否是垫脚石？：如果项目成功，其技术复杂性和/或商业影响是否足以作为更大项目的跳板？
避免“过度分析”。不要为一个只需要一周完成的项目花费一个月时间来决定是否要做。你的职业生涯将包括多个项目，所以会有大量机会来完善你对什么是值得做的项目的理解。简单来说，不要过于纠结，有时候“先做后调”反而能让你更快取得进展。
在项目执行中，有两种截然不同的风格：“准备、瞄准、射击”（Ready, Aim, Fire）和“准备、射击、瞄准”（Ready, Fire, Aim）。
准备、瞄准、射击：这种方式适用于执行成本高、风险大的情况。你会先进行深入研究和验证，确保方向无误后再执行。比如，如果你的客服聊天机器人已经服务于零售商，你会先研究餐厅市场，看看是否值得拓展到这个领域。 准备、射击、瞄准：这种方式适用于执行成本低、需要快速试错的情况。直接动手构建一个原型，然后在实践中不断调整。这样可以快速发现问题并作出必要的调整。
那么，哪种方式更好呢？这完全取决于具体情境。
如果项目执行成本高或是一条“单行道”（即决策难以逆转），那么“准备、瞄准、射击”可能更为合适。反之，如果成本低且容易调整方向，那么“准备、射击、瞄准”可能更为高效。这种情况下，你甚至可以反复进行“射击、瞄准”的循环，以迅速找到最佳解决方案。
在构建机器学习模型时，我个人更倾向于“准备、射击、瞄准”的方式。因为构建模型通常是一个迭代过程，成本相对较低，而且事先很难确定最合适的模型、数据和超参数。因此，快速构建一个端到端系统，然后不断修正，通常是更有效的方法。
第六章：创建展示技能进步的项目集
在职业生涯中，你会参与逐渐增加范围和复杂性的项目：
课堂项目：这些初期作业范围较小，答案明确，但能提供极好的学习机会。 个人项目：独立或与朋友进行小型项目，如实现已知算法或应用机器学习于兴趣爱好。参加Kaggle等竞赛也是积累经验的好方法。 创造价值：随着技能提升，你能做出更有实际价值的项目，并获得更多资源。 扩展范围和复杂性：成功的项目会带来更多成功，并为更大技术成长和资源获取打开大门。
每个项目都是职业旅程的一步：
不必担心起点小：我的第一个机器学习项目是训练神经网络模拟 sin(x) 函数，虽然简单，却是很好的学习经历。 沟通是关键：清晰解释你的思考过程和成果，有助于获得更多资源和信任。 展示领导力：在大型AI项目中，即使你走技术路线，应用技术见解也能展示你的领导力。
第七章：AI求职的简易指南
找工作通常包含几个常规步骤：选择目标公司，准备面试，最终选择一个职位并谈判薪资和福利。特别是对于从其他领域转入AI的求职者，有一个有效的框架。
如果你在考虑下一份工作，问自己以下问题：
你是否在转换职位？例如，如果你是软件工程师、大学生或市场管理岗等，想转型为机器学习工程师，这就是职位转换。 你是否在改变行业？例如，如果你目前在医疗、金融或电商工作，但想进入软件公司工作，这就是行业转变。
对于AI领域的新手，单独进行职位转换或行业转变通常比同时进行两者更容易。例如，如果你是金融服务行业的分析师：
你可以在金融服务行业找到数据科学或机器学习的职位，这样可以继续利用你的行业知识，同时在AI方面积累更多经验。 或者，你可以成为科技公司的分析师，这样可以继续使用你的分析技能，但在不同的行业中应用。
如果你考虑职位转换，初创公司通常比大公司更容易实现这一点。初创公司往往人手紧缺，如果你能帮助解决AI任务，你的贡献很可能会受到欢迎。相反，在大公司里，僵化的奖励机制更可能只奖励你做好自己的本职工作。
在你理想的职位和行业中工作一段时间后，你将对该职位在该行业中的高级别要求有更好的理解。你也会在该行业内建立一个支持你的网络。所以，如果你选择坚持这个职位和行业，未来的求职将更顺利。
第八章：通过内推找到理想工作
在转行（如首次成为机器学习工程师）或转行业（如首次进入AI科技公司工作）时，关于目标工作有许多你可能不了解的地方。这时，“内推”是一个很好的了解手段。
内推是指找到一个在你感兴趣的公司或职位里工作的人，非正式地向他们了解他们的工作情况。这个过程与正式找工作是分开的。实际上，在你准备开始正式找工作之前，进行这样的交流会非常有帮助。
对AI领域尤为重要的是： 因为AI领域在不断发展，很多公司对职位名称的定义不一致。在某些公司里，数据科学家的主要职责可能是分析业务数据和做演示。而在另一些公司，他们可能需要编写和维护生产代码。通过内推，你能更清楚地了解某个公司里的AI人员具体在做什么。
AI机会迅速扩大： 很多人都是第一次从事AI相关工作。在这种情况下，内推对于了解具体工作内容和所需技能非常宝贵。
在进行内推之前，要做好准备，提前研究好对方和公司，这样你可以带着深思熟虑的问题去交流。你可能会问：
你一周或一天通常做什么？ 这个职位最重要的任务是什么？ 成功最需要哪些技能？ 你们的团队是如何合作完成目标的？ 招聘流程是怎样的？ 在过去的面试中，哪些候选人表现出色，是什么让他们脱颖而出？
找到愿意内推的对象可能并不容易，但很多在高级职位上的人都曾在入行时得到前辈的帮助，他们也愿意回馈。如果你能联系到已经在你的社交网络中的人，那是再好不过的了。
第九章：寻找适合你的AI职位
找工作的过程大致相同：网上搜索职位、面试、拿到offer，然后做出选择。尽管流程看似熟悉，但每次找工作都有其独特之处。以下几点建议或许能帮助你找到一个让你事业蒸蒸日上的好职位。
1、基础做好：精良的简历和项目作品集，以及面试表现是进入企业的敲门砖。即使有内部推荐，简历和作品集通常是你给不认识你的人的第一印象。因此，记得及时更新简历，突出与你目标职位相关的经历和教育背景。
2、态度要端正：面试和谈薪资时，保持双赢的心态。如果决定离职，也要提前通知雇主，并做好交接工作。
3、团队很重要：选择工作时，团队成员的重要性不亚于你将要从事的项目。周围的人会影响你，所以选择一个积极向上、持续学习并且有道德底线的团队非常重要。
4、多请教：你身边的人可能拥有丰富的经验。不要害羞，多请教，多交流。
5、小步快跑：找工作可能会让人感到压力，试着一步一步来。先找出可能的职位，进行几次信息面试，看看自己是否准备好了。
第十章：打造AI职业的关键要素
在AI领域取得成功绝非易事，也不是一本小册子能全面覆盖的。以下是一些其他需要考虑的方面：
团队协作：处理大型项目时，团队协作通常比单打独斗更有效。因此，人际交往和沟通能力非常关键。（顺便说一句，我过去的沟通能力很差。）
人脉网络：我不喜欢社交！作为一个内向的人，在派对上微笑握手对我来说是折磨。但幸运的是，我在AI领域找到了真心的朋友。没有人是孤岛，强大的专业网络在你需要帮助或建议时能推动你前进。相比于建立个人关系，更有意义的是投入到我所在的各种社群中。这样不仅能认识更多人，还能结交新朋友。
求职：在职业发展的各个步骤中，求职往往受到最多关注。遗憾的是，网上有很多糟糕的建议（比如，一些文章建议你对潜在雇主采取敌对态度，我认为这没有帮助）。虽然找到工作看似是最终目标，但实际上它只是长期职业生涯中的一个小步骤。
自我管理：很少有人会知道你是在周末学习还是在看电视剧，但时间会证明一切。许多成功人士在饮食、运动、睡眠、人际关系、工作、学习和自我照顾等方面都有良好的习惯。这些习惯在保持健康的同时，也帮助他们不断进步。
利他精神：我发现那些在每一步旅程中都试图帮助他人的人，通常会为自己赢得更好的结果。我们如何在构建令人兴奋的职业生涯的同时，也能帮助他人呢？
成功是一场持久战，而不仅仅是一场短跑。在这个过程中，你不仅要专注于自己的成长，还要尽可能地影响和提升你周围的人。毕竟，你给予社会和他人的，最终也会回馈给你自己。
第十一章：克服自我怀疑
在AI领域的新手有时会感到自我怀疑，别担心，你并不孤单。这种“自我怀疑”现象很常见，甚至在很多成功的人中也有。AI技术复杂，有很多聪明和高能力的人。但你要知道，要擅长任何事，第一步就是不擅长它。如果你在AI领域里遇到了困难——恭喜你，你已经迈出了第一步！
我也曾经在理解线性回归的数学原理时挣扎过。我曾困惑于为什么逻辑回归在我的数据上表现得如此奇怪，并花了好几天才找到我在一个基础神经网络实现中的一个bug（缺陷）。即使到今天，我仍然觉得很多研究论文很难读。
这里有一些可能对你有帮助的建议：
找一个支持你的导师或伙伴。 认识到自己的长处，从小事做起。
我的三岁的女儿（她几乎只会数到12）经常试图教一岁的弟弟一些东西。无论你走到了哪一步，只要你至少和一个三岁的孩子一样有知识，你都可以鼓励和帮助那些比你走得更慢的人。这样做也会帮助你，因为那些受你帮助的人会认可你的专长，并鼓励你继续进步。
如果你在某个领域能做到60分，能够指导新手入门，那你对他们来说就是专业的。
英文PDF 下载地址：https://wordpress.deeplearning.ai/wp-content/uploads/2022/10/eBook-How-to-Build-a-Career-in-AI.pdf（需要中文同学，请留言或者私信哦）
往期回顾
1、[还没有开始学习生成式人工智能？吴恩达博士教你如何掌握生成式人工智能]
2、[在AI大会上，斯坦福大学吴恩达教授也分享了自己关于 AI 的最新看法和实用技巧]
3、[跟着吴恩达教授的学习提示语技巧,提升你的AI对话水平]
我们的AI团队现向外界开放服务，旨在助力每个企业与个人引领时代潮流，将先进科技与创新想法完美融合!
告别昂贵服务费和缺人烦恼,再见漫长交付周期
无限创意风格,分分钟生成专业级作品
感受 AI 带来的全新工作体验！
欢迎各大品牌方、媒体、科技企业、知名IP等合作
合作请联系负责人微信：Milo-1101
--END--