有三AI平臺只專心做原創輸出很少扯淡也不蹭熱點，不過最近詢問的朋友多了，不得不統一寫篇文章來回答一下這個大家都很關心的問題，當然，這僅僅是個人觀點。

作者&編輯 | 言有三

目前利用深度學習這個工具可以做很多事情，各大領域(圖像，語音，NLP等)，各大行業(娛樂，金融，醫療等)這幾年都被玩的風生水起。很多的非本專業的技術人員想轉行過來都是應該的，話說回來又有幾個人是真正這一行出身的呢，學科都是最近才開設的。

於是問題就來了，怎樣才能加入這一行業呢？有很多的答案，我就不說了，下面只闡述個人觀點，僅僅是個人觀點，不喜歡可移步！

1 假如我招人，最低要求是什麼

如果是我招聘深度學習算法工程師，不管是校園招聘還是社會招聘，最基本的要求如下:

(1) 熟練掌握python和c++編程，至少熟悉Caffe和T ensorflow/Pytorch兩種框架。

(2) 熟練玩轉深度學習各類模型架構使用和設計。

(3) 熟練玩轉數據的整理和使用，必須深刻理解數據在深度學習任務中的地位。

如果連這三點都不能滿足，假如有個很響亮的出身可能還有戲。現在不是16，17年看兩門網課跑兩個github項目就能入行的時候了，市場上人有的選，實在選不到就選頂尖學校的苗子到了崗位再二次培養，履歷背景很重要，現實就是如此。

看起來只有幾句話，但是這裡有很多潛臺詞，給大家翻譯一下：

(1) 寫程序必須很熟練。

只會寫python？小學生都會好不好，除非你達到能寫出faster rcnn這樣的框架的水平才能拉開和大眾的差距。會寫python做算法確實夠了，但是公司招人不會只為了讓你訓練模型寫論文，python能把模型部署到手機上嗎？python能優化底層算法嗎？務必提前掌握C/C++，不然到了工作崗位再學，那種痛苦和壓力，折磨死你。

同樣的道理，開源框架不能只會tensorflow，就不多說了。

(2) 模型+數據，徹底掌握深度學習兩駕馬車。

公司幹活的常態是，老大說有個項目，你搞吧，數據沒有，大概兩個月後上線，每週一組會。沒有人給你搞數據的，除非是大規模的標註可以外包。數據理解不到位，99%把你項目坑死，什麼數據量不合適了，數據分佈不合理了，數據質量不夠高了，測試數據不好了，么蛾子多的很。

再說模型，開源代碼是很多，但見過哪家產品線上優化過的核心模型放出來的嗎？開源的多是學術研究的模型，為了佔坑和刷指標，放出來最重要的目的就是佔坑宣示主權，但並非是線上能直接用的。而且針對不同的任務又有不同的需求，從輸入大小到步長，深度寬度到訓練方法，這裡面的門道也很多，深度學習被稱為煉丹師是有一些密不外傳的傍身技能的。

(3) 能力差點，有出身嗎？

哪怕是培訓機構，都會說我們有XX歸國的XX博士，我身邊做這一行的，非好985學校的，真的很少。而很多老大們招聘寧可招一個暫時水平不行的頂尖學校的學生來培養，也不願意招一個能力並不突出的一般出身的人。江湖之大，哪裡又沒有圈子呢？

如果你的履歷背景都不行，那就只能拿出別人沒有的水平，擁有更多的底牌。

2 那麼高手還有哪些技能呢

上面說的是最低要求，那麼高手還有哪些技能呢？

低手都一樣，高手各不同，沒有統一的標準，下面列出一些高手常見的技能吧。

(1) 文章寫的好。

這是大家最熟悉的了吧，也是媒體宣傳最多的，畢竟學生群體大。要真的寫的好，不是灌水洗稿刷量的那種。

(2) 代碼/框架寫得好。

你如果能寫個DarkNet或者Caffe出來，薪資隨便提。當然別人已經寫出來了你再修修補補不能算。

(3) 見多識廣實戰能力強。

不管什麼項目，能獨當一面搞定，這就是能給公司解決問題，攫取利潤的人。

3 怎麼學習

這個問題很敏感，我就不說該怎麼學習，而是說說哪些學習方法不對，僅代表個人立場。

(1) 看視頻收效甚微。

學習是一件反人性的事情，如果你學的時候很爽，躺著都能學習，首先還是要懷疑一下是不是真的學到東西了。我們都寫了50多萬的技術文章，就是不做視頻，為什麼呢？因為我覺得視頻僅限於瞭解一個東西，只有動手動筆才能學會。舉個極端例子，我有個粉絲報了幾萬的課程學習，結果給他項目Linux都搞了很久不會用。

(2) 不要沉迷於理論。

把數學學好是沒問題的，但是我遇到幾個學生居然沉迷於推公式不可自拔，還有很多人看了大量大量的東西，問細節卻一問三不知。歸根到底，所學只是蜻蜓點水，專挑軟柿子捏而已。

(3) 不要沉迷於低效率的實踐。

實踐出真知對吧，但是有一種思路又錯了，就是直接去做大量的實踐，跟著別人的項目敲代碼，結果是抓住了別人給你的魚，但是沒有學會打漁。沒有紮實的基礎，做不到舉一反三，這樣的實踐效率很低。

關於如何學習，建議大家都要滿足幾個基本條件：

(1) 有個好環境。

時時刻刻老婆孩子圍著身邊轉，一堆朋友都是下班麻將火鍋的怎麼學。加了一堆微信群，提的問題根本沒有人能答怎麼學。身邊連大神都沒有，導師都不懂，怎麼學。所以要找到好的圈子，好的能夠約束自己的學習氛圍，不然日子一天一天過，效率極端低下，真的很恐怖。最好的學習環境，就是和聰明勤奮的同事和同學，戰鬥在一個實驗室和部門。如果沒有機會，那就去尋找類似的團體。

(2) 有條好路線。

如果方向是錯的，什麼都白搭，就跟我之前有個朋友在某機構學了幾個月數學一樣，弄啥呢。另外，也不要期望有人能把所有東西灌輸給你，學完多少案例就能達到什麼水平。師父領進門，修行靠自身，很多知識需要自己額外去獲取，在這個時候對新手來說，需要的就是一個正確的方向，不然很容易迷失在這茫茫信息大海中。

4 深度學習/AI過熱了嗎

沒有過熱，只是媒體要賺錢，菜鳥又太多，人人都想要。其實各行各業都還需要很多有能力的人去踏踏實實將技術落地，不要只盯著那些論文和明星公司乾的事。另外也不要相信什麼輕鬆年薪80萬(40萬都不要信)，一分錢一分貨，這才是勞動(割韭菜不算)。

我們公眾號很踏實，只做系列原創輸出，不跟熱點，對看熱鬧和不是需要學習技術的人來說的確不友好，但是希望真的要學習的朋友更夠跟我們一起穩住，向前。

總結

如果你想成為一個有競爭力的算法工程師，就要有足夠多的乾貨作為底牌，不需要有多少驚天動地的光芒，但是一定要有解決實際問題的能力。行不行，市場說了算。

關於兩駕馬車，網絡模型和數據使用，不妨來我們知識星球瞧一瞧

有三AI知識星球由言有三維護，內設AI知識彙總，AI書籍，網絡結構，看圖猜技術，數據集，項目開發，Github推薦，AI1000問八大學習板塊。