現任 Google 工程總監的 Ray Kurzweil 在過去 30 年曾多次成功預言許多事，包括預知電腦會擊敗國際象棋冠軍、蘇聯解體等。而他也預言，人工智慧將在 2029 年左右將能與人類相當。
機器學習（ML）和人工智慧（AI）技術不僅引領了全世界，甚至能徹底改變企業的運營方式。隨著機器學習和人工智慧技術的日益普及，讓許多人才也開始希望能以這些技術作為職業的發展可能。但，想轉職成為一名 AI 工程師，該如何在競爭激烈的領域中讓自己被看見？
先從完成課程和拿到認證開始
從人工智慧問世以來，AI 技術就一直在不斷發展和進步，許多專業人士也選擇以人工智慧作為他們的職業。線上有很多學習資源，
Google AI 推出的認證課程讓學生能熟悉機器學習的基礎知識。無論是剛開始學 coding 的菜鳥，還是經驗豐富的機器學習專家，都可以找到增進技能的練習和最新的知識與消息。
課程涵蓋了所有 TensorFlow 的基本概念和設計神經網路指南，非常適合沒有任何機器學習先驗知識的學習者。
這是 DeepLearning.AI 和史丹佛在線上合作的基礎課程，為初學者量身打造的課程，將從機器學習的基礎知識以及技術來一步步構建現實世界的 AI 應用程式。 特別的是，這門課是由 AI 大神吳恩達教授，他曾先後任職於中美兩國最大的科技公司 Google Brain 和百度，是推動 AI 領域發展的專家。
課程內容廣泛介紹了機器學習的基本知識與技術，包括監督式學習（多元線性回歸、邏輯回歸、神經網路和決策樹）、非監督式學習（聚類分析、降維）等。
Google 的機器學習適合有一點相關經驗的新手，必須熟悉變量、線性方程、函數圖、直方圖和統計平均值；另外，因為所有的練習都是在 Python 中進行的 ，因此最好也能有一些 Python 使用經驗（但沒有使用過 Python 的軟體工程師大多也都能很快上手）。
Google 的課程側重於深度學習以及從龐大數據集中有所收穫的自學系統。本課程非常適合想從事機器學習和神經網路等技術的工作者，以及擔任數據分析師、機器學習工程師和資料科學家的學習者。
NVIDIA 有相當豐富的實踐課程，NVIDIA 開發者計劃也為開發者提供了許多資源。
而 NVIDIA 深度學習學院（DLI） 為開發人員、資料科學家和研究人員提供 AI 和加速運算技術的培訓課程。通過線上操作實踐、自定進度的課程，讓學習者能快速獲得電腦視覺基礎知識的認證。
AI 工程師有哪些？
機器學習非常流行，因為這項技術能使機器透過自我學習來減少人力並提高機器性能。因此，機器學習中有許多受歡迎且高薪的職業，例如機器學習工程師與資料科學家等。
機器學習工程師
機器學習工程師使用 Python、Java、Scala 等程式語言和機器學習庫來運行各種機器學習實驗。需要的主要技能是 coding、機率、統計、機器學習演算法、系統設計等。
資料科學家
哈佛商業評論的一篇文章稱資料科學家是「21 世紀最性感的工作」。
資料科學家使用先進的分析技術，包括機器學習和預測來收集、分析和解釋大量數據並產生可操作的見解。然後，這些重要的數據資料可以讓公司高層訂定業務決策。
所以機器學習對於資料科學家來說是一項非常重要的技能，除了其他技能，如數據挖掘、統計研究技術知識等。此外，還有大數據平台和工具的知識，如Hadoop、Pig、Hive、Spark等，以及程式語言，如 SQL、Python、Scala 等。
自然語言處理科學家
自然語言處理賦予機器理解人類語言的能力，這意味著機器最終可以用我們使用的語言與人類交談。
因此，自然語言處理科學家基本上在打造「可以學習語音模式並將口語翻譯成其他語言的機器」。這代表除了機器學習之外，自然語言處理科學家還應該精通至少一種語言，這樣機器才能獲得相同的技能。
以人為中心的機器學習設計師
這類的機器學習將會有以人為中心的機器學習演算法。例如，像 Netflix 會根據觀眾的喜好為他們提供推薦的電影，以創造「智慧」的觀眾體驗。
這代表以人為中心的機器學習設計師需要開發各種系統，可以做資訊處理和模式識別執行機器學習。機器能夠學習每個用戶的偏好，而無需手動填寫個人偏好。
*本文開放合作夥伴轉載，參考資料：Spiceworks、GeeksforGeeks、NVIDIA，首圖來源：Unsplash
