我是怎麼進入Oracle的？

導語：人工智慧是泡沫么？AI產業的未來將何去何從？AI的核心技術機器學習又該怎麼學習？AI行業從業者又是怎麼看待這個行業的呢？本文作者饒毅，現就職於甲骨文公司。

AI行業現狀

進幾年來，無論是科研院所，商業巨頭還是初創企業，各行各業都在大力開發或者引進人工智慧，由於儲備不足，導致人工智慧人才出現巨大缺口，根據領英近日發布的全球AI領域技術人才分布圖顯示，中國目前的AI人才缺口超過5萬。

人才供不應求，此領域崗位的薪資也自然水漲船高。不過也有很多程序員在找人工智慧的工作時，還是不免會擔心：人工智慧是泡沫嗎？關於這個問題，吳恩達最近給出了很好的回答：

「大約100年前，人們認為關於電力有太多的炒作，但那個泡沫現在也還沒破，我們發現電力很有用！ 深度學習目前已經創造了大量的價值——用於網路搜索，廣告，語音識別，推薦系統等等——可以很明顯的看到，深度學習，還有很多其他的AI工具（圖模型，規劃，KR等），現在都正在一個明確的路徑上引導著行業的轉型。」

而且人工智慧熱度的出現不是突然興起的。在此之前，大數據和演算法等基礎技術的成熟度已經很高，各企業在本行業的數據儲備也非常充分，對AI的需求也很迫切，投身於這樣的行業怎麼會存在泡沫呢？對任何行業來說，最大的泡沫就是停滯不前，不思進取。

從國家政策角度來看，2017年中國政府宣布至2030年實現人工智慧領導地位路線圖，制定了諸如「中國製造2025」、「互聯網+人工智慧計劃三年指導」、「新一代人工智慧發展計劃」等政策，力爭促使中國企業成為人工智慧技術領域的全球領導者。可見當下的中國，無論國家還是地方政策，都在不斷的推動中國人工智慧技術向前發展。

縱觀國內的人工智慧市場，谷歌強勢回歸，建立在中國的人工智慧團隊；微軟研究院也有近千人從事人工智慧的工作；17年國家成立了「深度學習技術及應用國家工程實驗室」，在現有大好政策與市場需求下，更有一大批傳統或新興的軟體公司紛涌踏至。

以我所在的公司oracle為例，公司幾年前就成立了AI Lab，近幾年很多產品也都在大力引入AI的特性。比如我所在的HCM CLOUD部門（人力資源管理雲產品），引入機器學習演算法後，其中一個優點就是可以更快速的找到「最適合」的候選人，這些候選人不僅預期表現出色，而且最有可能是滿足崗位需求的，大大減少了前期人工篩選的工作量。最近Oracle人工智慧平台雲也即將上線，類似於谷歌剛剛發布的Cloud AutoML。平台上預裝用戶熟悉的人工智慧庫、工具和深度學習框架，包括Jupyter Notebook、Keras、NymPy、scikit-learn和TensorFlow等。

Tools and frameworks

AI工作內容（價值）

人工智慧的工作如此火爆，那麼相關的研發崗位都有哪些呢？大概的工作內容是什麼？根據目前的職場情況，大致分為以下幾種類型：

人工智慧（機器學習）科學家（研究人員）：他們基本都是博士頭銜，在重量級或者頂級期刊上都有他們的大作，在此領域不段創造升級出更優秀的AI演算法和模型，並將研究多年的理論演算法引導人們帶入到實際應用中去，這些研究人員基本都供職於各大高校和頂尖企業的AI實驗室；

人工智慧軟體開發工程師：開發軟體系統和框架，使得AI演算法可以在系統中運行；

數據挖掘與分析工程師：對大數據進行深層次的挖掘和分析，以得到有價值的結論或進行預測；

人工智慧的應用方面：是指在某一個具體領域，將AI的某些功能發揮出來，如訓練機器識別手勢，檢測金融詐騙，分析市場走向等等。

圖片來自udacity

可以看出，這些崗位的側重點雖然不同，但對於傳統的程序員來說，無論哪一種，都在現有編程工作之上提出了更多的要求和挑戰。這些挑戰不僅來源於需要更多的專業知識和技能，更重要的是缺乏一定的實戰經驗。在大公司的面試中，一定的實戰經驗會使你脫穎而出。

求職經歷

2015年我準備換工作時，正好Oracle有個跟機器學習相關的崗位有空缺，我便積極準備面試。由於自己之前做過圖像處理的項目，而且在完成udacity的課程後，也積累一定的理論和實踐基礎，對常見的模型、演算法、工具都比較熟悉。最終幸運的入職，雖然不是核心的AI研發崗位，不過也能在工作中接觸到很多跟AI實際應用相關的案例，大家都知道Oracle的客戶遍布各行各業，他們早已在自己的資料庫中積累了大量的信息，如何讓這些信息得到更有價值的結論，進行更有效的預測分析，客戶都在AI領域不斷探索。目前我在也更加積極努力的學習，非常期待能夠在此領域有更深一層次的突破。

學習經歷

雖然現在有幸在Oracle從事著機器學習演算法相關的工作，但幾年前，我剛接觸機器學習的時候實在地經歷了一段迷茫的日子。最初熱情滿滿，每天都在看各種模型和演算法，可一遇到實際的項目，還是不知道如何準確的分析和解決，也不太理解各個演算法的優缺點，總覺得雲里霧裡，抓不住重點，結果都沒有深入，還浪費了大量的時間。

後來回過頭總結時發現，這些知識的掌握都不是一蹴而就的，需要厚積薄發，不再只是簡單地寫代碼找bug。概率論、線性代數、高數相關的知識都必須學習，可是盲目的去回顧學習這些知識也非常的耗時。後來我參加了udacity的機器學習課程，從基礎知識到概率論、統計分析，到jupyter/numpy/tensorflow等工具框架的運用，再到實際案例的分析，雖然不可能完全深入，但是提供了一個循序漸進的學習路徑，思路也更加清晰明了。

最重要的是，這種課程也特別適合我這種有拖延症的人。因為課程被劃分成好幾個階段，每個階段都有一批學員同時進行學習，還有導師實時的問題解答，批改項目成果並反饋，幫助自己更快速的學習成長。

關於Udacity

Udacity是由矽谷無人車之父Sebastian Thrun所創立的矽谷前沿技術教育平台,現已開設【機器學習工程師】課程。不僅有行業大牛親自授課，導師全程陪伴學習，更有五個實戰項目等你來挑戰！

課程特點

-獨家課程內容，項目直播輔導

除了學習來自矽谷領先企業的課程視頻、實戰項目，與項目直播講解，還有更多 Udacity 獨家學習資料等待你來探索。

-加入同步學習小組，在導師幫助下快速成長

你將加入學習小組，認識志同道合的夥伴，在專業導師全方位輔導和監督下，最高效率掌握前沿技術，成為搶手人才。

-獨一無二的矽谷實戰項目和代碼審閱

親自挑戰來自矽谷的數據分析開發實戰項目，獲得該領域專家的逐行代碼審閱和反饋，學習最先進的技術標準，與矽谷編程開發者的思維同步。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！