高层速读
关键信息:人工智能将让就业机会变得更多,而不是更少。到2020年,人工智能将创造220万个工作岗位。同时那薪酬也是高的离谱。
关键数据:与人工智能或机器学习有关的工作岗位数量增长了99.8%,对AI或机器学习有关职位的搜索或查询次数更是增长了182%,薪资方面,数据总监平均薪资最高,年薪达到14万美元。
关键意义:人工智能是一个多学科交叉的研究方向,未来这个方向毕业生就业被看好。
过去三年,美国与AI和机器学习相关的岗位需求数量几乎翻了一番。薪资方面,数据总监平均薪资最高,年薪达到14万美元。DataCamp人员调查了35位一线数据科学家,专家强调PPT做的好可能比懂 学习更重要。
职业招聘信息网站Indeed.com近日发布报告称,自2015年6月到2018年6月,与人工智能或机器学习有关的工作岗位数量增长了99.8%。
而在同一时间段内,更多的求职者也在寻找与人工智能有关的职位。对AI或机器学习有关职位的搜索或查询次数更是增长了182%。
从硅谷到华尔街,人工智能和机器学习对高技术工人的需求不断增加。但是,符合需求的人才数量极其有限,企业的求贤若渴让少数符合条件的薪水越来越高。
过去三年中对人工智能和机器学习相关职业的搜索或查询量增长了182%。但更多的搜索次数并不代表有更多合格的申请人,实际上,企业很难找到具备足够熟练技能的求职者。
哪些专业的人才是企业需要的求职者
1、计算机科学与技术
不得不说,宇宙机确实是最火的,在人工智能领域最缺的是计算机行业的高端人才。尤其是学习相关算法的,人才更是紧缺。因此,在计算机专业人才遍布天下的情况下,如何做到在一个行业精通是需要认真考虑的。国内计算机专业比较强的高校包括:清华大学、北京大学、哈尔滨工业大学、国防科技大学、北京航空航天大学等。
2、控制工程及其自动化
人工智能的核心在于算法,而自动化专业有一个专门的方向是算法学习,说起来也更是对口。在今年人工智能相关招聘启事中,自动化专业是提及比较多的。但这一专业本科学到的知识可能还算比较皮毛,如果你能读硕士或博士,从事这方面的研究相信也会非常不错。
3、应用数学
人工智能若想在工程上广泛应用,离不开理论的支撑。而人工智能的基础机器学习其本质上是微分方程、概率论和矩阵分析等数学领域的一个应用。人工智能的研究人员必须有非常好的数学基础才能做好相关领域的研究,应用数学也是一个非常对口的专业!
4、大数据
有人说大数据和人工智能是两个完全不相关的两个专业,其实说这些话的人可以说只看到了皮毛。按李开复的说法,大数据是人工智能的前提;百度李彦宏也提出了相似的观点,人工智能和大数据非常相似。教育部也在2017年批准了35所高校开办大数据专业,包括中国人民大学、北京邮电大学、复旦大学和电子科技大学等都成为了首批开办高校。
5、智能科学与技术
可能很多人都没有听说过这一专业,这也是创办时间不长的一个专业,创办于2004年。这一专业可谓人工智能研究的正统分支,目前有北京大学、北京邮电大学、南开大学、西安电子科技大学等35所高校开设了这一专业。
哪个城市AI职业机会最多?纽约!
Indeed.com分析了2015年6月至2018年6月期间在美国发布的数百万份公开招聘信息。其中20%以上的职位描述或工作地点及薪资待遇的相关信息中都包括“人工智能”或“机器学习”。
从数据上来看,如果你想进入人工智能领域工作,那就把目光投向纽约市吧。
人工智能和机器学习职位分布最集中的大城市排名。按城市计算,纽约市发布的AI相关职位数站比例最高,但硅谷地区的总职位仍占全国的五分之一。资料来源:Indeed.com
在2015年6月至2018年6月期间,美国大城市的职位列表的描述中,纽约市有11.6%的职位描述与AI或机器学习有关,比例最高。其次是旧金山(9.6%),圣何塞(9.2%),华盛顿特区(7.9%)和波士顿(6.1%)。
据Glassdoor最近的一份报告,在过去四年中,美国薪酬最高的工作岗位都是技术部门。苹果、亚马逊、谷歌、Facebook、Uber等公司长期以来为具备机器学习技能的高技术求职者提供高薪待遇。
据《彭博商业周刊》报道,这些名牌公司可以提供每年超过30万美元的工资和股票期权。现在,包括金融业和医疗保健业在内的其他行业也在努力寻找人才,提供的年薪达6位数。
AI相关职位薪资排行:数据总监最高,平均年薪14万美元
在2017年6月至2018年6月的十大职位列表中,10个常见的AI相关职位中有7个的平均年薪超过10万美元,如下图所示:
与AI和机器学习相关的高薪职位排名。分析总监的平均薪资最高,年薪达到近14.4万美元。资料来源:Indeed.com
Indeed.com的报告显示,今年在人工智能和机器学习相关职位中,平均工资最高的是分析总监,达到14万美元,其次是首席科学家(13.8万美元),机器学习工程师和计算机视觉工程师(均为13.4万美元)。该报告通过分析数万个提供工资信息的公开招聘信息来确定平均工资。
公开发布的主任科学家、机器学习工程师、计算机视觉工程师和数据科学家的薪水也极具竞争力,最低的平均工资水平也在年薪13万美元以上。如果工作地点位于纽约或硅谷,薪水还会额外提升3万美元。
而且,Indeed.com发布的数字不包括员工奖金,股票期权等福利,这些都会使年薪大大提高。而且,在公共招聘平台上提供的优厚待遇,比起企业直接招募或通过猎头招募的更高级职位相比,有时可能更显得微不足道。
在职位发布信息与AI或机器学习的相关性方面,机器学习工程师的招聘职位信息中有94.2%提到了“机器学习”和“人工智能”。排在第二位的是数据科学家,比例为75.1%,计算机视觉工程师以64.6%的比例位居第三。
据市场研究机构Gartner预测,人工智能将让就业机会变得更多,而不是更少。到2020年,人工智能将创造220万个工作岗位,同时减少180万个工作岗位。
数据科学革命:各行各业无所不包
今年在人工智能和机器学习相关职位中,数据科学家的招聘信息量排第二。
现代数据科学在科技领域内的应用越来越广,可以优化Google搜索排名和LinkedIn建议,还能影响Buzzfeed上的头条新闻。而现在,数据科学有望改变所有行业,从零售业、电信业、农业到医疗,货运和刑罚制度。
然而,有时人们不是很理解“数据科学”和“数据科学家”这类词。
DataCamp的数据科学家Hugo Bowne-Anderson博士接触了35位一线数据科学家,描述了他们的日常工作内容。
数据科学家是做什么的。我们现在至少在科技行业内,了解数据科学的运行方式。首先,数据科学家要奠定坚实的数据基础,以便执行可靠的分析。然后使用在线实验以及其他方法来实现可持续增长。最后,他们构建机器学习流程,打造个性化的数据产品,以更好地了解他们的业务和客户,并做出更好的决策。
换句话说,在技术领域,数据科学涉及基础设施、实验测试,用于决策的机器学习以及数据产品。
几乎所有人都明白,工作数据科学家通过数据收集和数据清理,来制作日常工作的原料,通过图表和报告、数据可视化、统计结论等方式将结果传达给主要利益相关方,并努力让决策者相信他们的结果。
PPT做得好,可能比懂技术还重要
科学家所需的技能正在不断发展(具备 学习的经验并不是最重要的)。在与西雅图地区的数据科学家Jonathan Nolis的对话中,我们提出了一个问题,“对于数据科学家来说,哪种技能更重要:是能够使用最复杂的 学习模型,或还是制作更优秀的PPT幻灯片的能力?“他表示后者更重要,因为沟通结果仍然是数据科学工作的重要组成部分。
数据科学专业化大趋势下道德问题是最大的挑战
Jonathan Nolis将数据科学分为三个部分:(1)商业智能,主要是以仪表板、报告和电子邮件的形式“获取公司所拥有的数据并将其提供给合适的人员”;(2)决策科学,即“获取数据并利用它来帮助公司做出决定”;(3)机器学习,即“如何采用数据科学模型并将它们持续投入生产。”尽管许多数据科学家都是通才,他们同时从事所有三种工作,但我们看到了截然不同的职业道路,例如机器学习工程师的案例。
道德是该领域面临的最大挑战之一。你可能会认为这个职业为其从业者提供了很大的不确定性。当我询问Hilary Mason,问她数据科学界是否还面临其他重大挑战,她说:“你认为不明确的道德规范、缺乏实践标准、缺乏一致的术语这些挑战,对我们来说还不够重大吗?”
整个行业和社会的数据科学革命才刚刚开始。数据科学家这一头衔是否会继续成为“21世纪最性感的工作”,是否会变得更加专业化,还是会成为大多数专业工作者需要具备的技能,目前尚不清楚。正如Hilary Mason所说:“10年后我们还会有数据科学吗?我记得我们有过没有数据科学的时代,如果告诉我说那时候数据科学家的头衔是’网站管理员’,我也不会惊讶。”
欲获取更多人工智能最新行业资讯及 报告:AIBizHerald
- 蜜度索骥:以跨模态检索技术助力“企宣”向上生长
- 消息称塔塔集团将收购和硕印度iPhone代工厂60%股份 并接管日常运营
- 苹果揭秘自研芯片成功之道:领先技术与 整合是关键
- 英伟达新一代Blackwell GPU面临过热挑战,交付延期引发市场关注
- 马斯克能否成为 AI 部部长?硅谷与白宫的联系日益紧密
- 余承东:Mate70将在26号发布,意外泄露引发关注
- 无人机“黑科技”亮相航展:全球首台低空重力测量系统引关注
- 赛力斯发布声明:未与任何伙伴联合开展人形机器人合作
- 赛力斯触及涨停,汽车整车股盘初强势拉升
- 特斯拉首次聘请品牌大使:韩国奥运射击选手金艺智
- 华为研发中心入驻上海青浦致小镇房租大涨,带动周边租房市场热潮
免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。