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 

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。

史丹佛大學機器學習課程

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 開發者機器學習

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 開發者培訓計畫

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

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,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。

如何掌握 AI 最新技術晉升高薪人才?

9/19-22 NVIDIA GTC 2022 重磅登場!

立即報名即可抽 GeForce RTX 3080 Ti 顯卡
>>活動辦法看這裡<<

本文開放合作夥伴轉載,參考資料:SpiceworksGeeksforGeeksNVIDIA,首圖來源:Unsplash