雷鋒網(wǎng) AI 研習(xí)社按：據(jù) LinkedIn 發(fā)布的「全球 AI 領(lǐng)域人才報(bào)告」顯示，2011 年深度學(xué)習(xí)技術(shù)爆發(fā)，人工智能領(lǐng)域有了飛躍式的發(fā)展，但核心人才資源的短缺限制了國(guó)內(nèi)人工智能相關(guān)行業(yè)的發(fā)展速度，尤其是在軟件、算法、機(jī)器學(xué)習(xí)等基礎(chǔ)層領(lǐng)域，有著更加明顯的人才需求缺口。與此同時(shí)，為了招攬更多優(yōu)秀的人才，科技公司給 AI 工程師開(kāi)出的福利待遇也遠(yuǎn)遠(yuǎn)高于其他 IT 領(lǐng)域開(kāi)發(fā)者的薪資。

在市場(chǎng)的強(qiáng)烈需求以及高額薪資的雙重誘惑下，不少開(kāi)發(fā)者計(jì)劃轉(zhuǎn)型 AI 開(kāi)發(fā)，投身于 AI 的浪潮中。不過(guò)，普通開(kāi)發(fā)者如何基于現(xiàn)有的開(kāi)發(fā)經(jīng)歷順利過(guò)渡到 AI 行業(yè)？人工智能開(kāi)發(fā)者如何構(gòu)建自己的技能體系？未來(lái)工業(yè)界需要怎樣的人工智能開(kāi)發(fā)人才？這些都是非 AI 領(lǐng)域程序員不得不面對(duì)的問(wèn)題。帶著這些疑問(wèn)，雷鋒網(wǎng) AI 研習(xí)社采訪了知乎大 V 阿薩姆，他將結(jié)合自身的學(xué)習(xí)與工作經(jīng)驗(yàn)為開(kāi)發(fā)者解讀轉(zhuǎn)型 AI 所要面對(duì)的困難和挑戰(zhàn)。

嘉賓簡(jiǎn)介：阿薩姆（現(xiàn)知乎 ID 為「微調(diào)」），普華永道高級(jí)數(shù)據(jù)科學(xué)家，負(fù)責(zé)統(tǒng)計(jì)學(xué)習(xí)模型開(kāi)發(fā)。有豐富的工業(yè)及學(xué)術(shù)經(jīng)驗(yàn)，擅長(zhǎng)將理論知識(shí)應(yīng)用于實(shí)踐中。曾以第一作者發(fā)表過(guò)多篇不同領(lǐng)域的學(xué)術(shù)文章，如人機(jī)互動(dòng)、智能系統(tǒng)等。研究興趣包括異常檢測(cè)、集成學(xué)習(xí)、跨領(lǐng)域機(jī)器學(xué)習(xí)。以筆名“阿薩姆”在知乎上創(chuàng)作了多篇機(jī)器學(xué)習(xí)相關(guān)的文章，曾數(shù)次被知乎及知乎日?qǐng)?bào)收錄。樂(lè)于技術(shù)分享，近期正在進(jìn)行機(jī)器學(xué)習(xí)實(shí)踐書(shū)籍創(chuàng)作。阿薩姆曾在雷鋒網(wǎng) AI 慕課學(xué)院舉辦主題為「機(jī)器學(xué)習(xí)實(shí)踐經(jīng)驗(yàn)分享」的公開(kāi)課，回顧鏈接：http://www.mooc.ai/open/course/375。

以下是 AI 研習(xí)社對(duì)阿薩姆的采訪：

1. 一個(gè)合格的機(jī)器學(xué)習(xí)開(kāi)發(fā)者應(yīng)該需要怎樣的技能？或者說(shuō)怎樣的知識(shí)體系？

我覺(jué)得分為很多方面，和公司的規(guī)模有很大關(guān)系。如果單從開(kāi)發(fā)角度來(lái)看，最基本的要求是需要大致了解各個(gè)模型的優(yōu)缺點(diǎn)，清楚在什么情況下選擇怎樣的模型。

公司有規(guī)模大小之分，但對(duì)于機(jī)器學(xué)習(xí)工程師這一崗位，很多公司也提出了基本的技能要求。這些基本要求不過(guò)分強(qiáng)調(diào)深度，但追求廣度，屬于一個(gè)“合格”工程師應(yīng)該掌握的基本技能。簡(jiǎn)單概括包括如下幾點(diǎn)：

1. 業(yè)務(wù)能力

• 理解問(wèn)題的痛點(diǎn)，明白如何用機(jī)器學(xué)習(xí)方法看待商業(yè)問(wèn)題；

• 懂得數(shù)據(jù)需求，能收集重要的數(shù)據(jù)和必備的信息；

• 具備從模型中攫取價(jià)值的能力，明白模型的最終目的是產(chǎn)生商業(yè)價(jià)值。

2. 數(shù)據(jù)能力

• 數(shù)據(jù)整合能力：能夠?qū)⒉煌赖臄?shù)據(jù)整合(數(shù)據(jù)庫(kù)、excel、JSON等)，合并、去重等；

• 數(shù)據(jù)處理能力：缺失值處理(發(fā)現(xiàn)與補(bǔ)全)、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)壓縮、過(guò)采樣欠采樣等；

• 數(shù)據(jù)可視化：能夠使用基本的數(shù)據(jù)可視化工具來(lái)分析數(shù)據(jù)，不管是 R 的 ggplot2 還是 Python 的 Matlibplot，或者 tableau 和 Qlik 等。

3. 模型與算法理解

• 理解基本的機(jī)器學(xué)習(xí)算法，明白不同場(chǎng)景下的經(jīng)典解決方案，不迷信算法。（比如小數(shù)據(jù)集的簡(jiǎn)單問(wèn)題用線性模型就夠了）

• 具備基本的統(tǒng)計(jì)概率知識(shí)，知道如何避免數(shù)據(jù)中的陷阱；

• 理解經(jīng)典模型的基本調(diào)參，可以解釋分析模型的輸出結(jié)果。

4. 編程能力

• 熟練操作如 Python、R 等語(yǔ)言，知道特定算法的工具包，如 Sklearn；

• 熟練不同語(yǔ)言下的數(shù)據(jù)結(jié)構(gòu)，知道如何高效地處理數(shù)據(jù)，如 pandas。

• 懂得分布式運(yùn)算會(huì)有所幫助，明白如何在線上部署機(jī)器學(xué)習(xí)模型，也是一個(gè)加分項(xiàng)。

詳細(xì)信息請(qǐng)參照我的知乎回答：

https://www.zhihu.com/question/63881785/answer/243635446 。

2. 國(guó)內(nèi)外不少巨頭都在打造AI開(kāi)發(fā)者平臺(tái)，有的甚至開(kāi)放了自家的算法供大家參考，對(duì)于目前幾個(gè)大的AI開(kāi)發(fā)者平臺(tái)，工程師們應(yīng)該怎樣選擇呢？

現(xiàn)在還處于百家爭(zhēng)鳴的階段，一般都是跟著公司/團(tuán)隊(duì)的需求走。更常見(jiàn)的選擇是跟著巨頭走，比如深度學(xué)習(xí)的話 TensorFlow（雖然被不少用 pytorch 和 caffe 的人詬病）背靠谷歌好乘涼。跟著巨頭走的主要好處在于代碼會(huì)持續(xù)更新，不會(huì)慢慢變得無(wú)人維護(hù)。其次就是和編程語(yǔ)言有關(guān)系，如果用 python 的話，通用機(jī)器學(xué)習(xí)庫(kù)基本主要是 sklearn，如果用 java 有 weka。但最重要的是，不要把自己綁定到某一語(yǔ)言或者平臺(tái)上，要花時(shí)間在編程語(yǔ)言和平臺(tái)背后的模型上去。工程師們最好具備的是“T字型技能”，即深入掌握某個(gè)語(yǔ)言/平臺(tái)，但對(duì)其他平臺(tái)有粗略的了解。

3. 數(shù)據(jù)對(duì)于 AI 來(lái)講非常重要，對(duì)于想轉(zhuǎn)行做 AI 的工程師來(lái)講，如何快速掌握大數(shù)據(jù)相關(guān)知識(shí)，培養(yǎng)良好的數(shù)據(jù)思維？

這個(gè)問(wèn)題我就不強(qiáng)答了，因?yàn)槲覍?duì)大數(shù)據(jù)的了解比較有限。有一個(gè)值得關(guān)注的就是，現(xiàn)階段很多的 ML 模型還用不到大數(shù)據(jù)，往往數(shù)據(jù)只有幾個(gè) GB 而已，甚至幾 MB。因此，不要拘泥于大數(shù)據(jù)知識(shí)，如果有條件的話，優(yōu)先掌握機(jī)器學(xué)習(xí)模型還是比較重要。

同時(shí)，工程師也是有分工的，如果有可能掌握更多技能當(dāng)然最好不過(guò)，但時(shí)間有限的情況下做到精通機(jī)器學(xué)習(xí)也可以讓你成為不可多得的人才。至于數(shù)據(jù)思維，機(jī)器學(xué)習(xí)本身學(xué)習(xí)的就是數(shù)據(jù)關(guān)聯(lián)或者特性，把自己當(dāng)做一個(gè)模型，試著培養(yǎng)對(duì)數(shù)據(jù)間關(guān)系的敏感度。

4. 您曾經(jīng)在文章中說(shuō)過(guò)，從廣義角度來(lái)說(shuō)，學(xué)術(shù)界比較超前，但不會(huì)將工業(yè)界遠(yuǎn)遠(yuǎn)甩在身后，而是一套生態(tài)系統(tǒng)中的不同環(huán)節(jié)。對(duì)于已經(jīng)投身于業(yè)界并打算轉(zhuǎn)型 AI 的工程師來(lái)講，如何抓住學(xué)界最新的研究方向，并將最新的理論應(yīng)用于自己所在的領(lǐng)域？

雖然這句話聽(tīng)起來(lái)像一句雞湯，但我覺(jué)得興趣導(dǎo)向是最重要的。我的工作中遇到了很多欺詐檢測(cè)的項(xiàng)目，于是我開(kāi)始了解相關(guān)的知識(shí)，從看書(shū)拓展到研究相關(guān)的論文。在學(xué)習(xí)和研究了這個(gè)方向的知識(shí)一年左右，我有了一些對(duì)于異常檢測(cè)的模型改進(jìn)思路。最近我們投的論文就是提出了一種新的異常檢測(cè)方法，而年初剛被 IEEE Intelligent Systems 接受的另一篇論文也是將工作內(nèi)容轉(zhuǎn)化為學(xué)術(shù)成果的產(chǎn)物。因此，如果能從工作中找到樂(lè)趣，以及想解決的問(wèn)題，那么讀論文、做研究、寫(xiě)論文是很順理成章的事情。

另外，一開(kāi)始有新思路的時(shí)候我并沒(méi)有計(jì)劃把這個(gè)算法寫(xiě)成論文，而僅僅是放到了 GitHub 上計(jì)劃開(kāi)源，但很快發(fā)現(xiàn)的確比較實(shí)用，因此才拓展成了論文。所以，最重要的是多想、多動(dòng)手，剩下的事情就是水到渠成。當(dāng)然，前期積累是很重要的，不然難免閉門(mén)造車。

另一個(gè)要警惕的是不要追逐熱點(diǎn)，每天新發(fā)表的論文太多了，還是要以自己的工作領(lǐng)域?yàn)橹?。?shū)籍作為框架，而論文作為突破方向。

5. 特征的選擇會(huì)直接影響模型實(shí)現(xiàn)的結(jié)果，但是很多剛轉(zhuǎn)入 AI 領(lǐng)域的開(kāi)發(fā)者在學(xué)習(xí)和訓(xùn)練中很難選出合適的特征數(shù)據(jù)集，請(qǐng)問(wèn)在機(jī)器學(xué)習(xí)中如何選擇特征數(shù)據(jù)集？特征是否越多越好？

特征不是越多越好，無(wú)效特征會(huì)對(duì)最終模型施加負(fù)面影響。有效的選擇特征并不容易，一般來(lái)說(shuō)有兩個(gè)方法：

• 人工選擇+大量的手工特征工程；

• 利用深度學(xué)習(xí)等方法抽取有效的數(shù)據(jù)表示。

展開(kāi)了說(shuō)是非常繁復(fù)的，可以參考我的文章（https://www.zhihu.com/question/264417928/answer/283087276 ）。一般來(lái)說(shuō)，數(shù)據(jù)量夠的話深度學(xué)習(xí)自動(dòng)抽取的特征表示能力更好，小數(shù)據(jù)集上人工特征工程效果更好。不幸的是，特征工程沒(méi)太多竅門(mén)，唯手熟爾。

6. 如今機(jī)器學(xué)習(xí)已經(jīng)延伸至各行各業(yè)，變得越來(lái)越重要，在這種情況下AI 工程師會(huì)面臨什么樣的機(jī)會(huì)和挑戰(zhàn)？

最大的挑戰(zhàn)來(lái)自于工作流程化、模塊平臺(tái)化的趨勢(shì)。換句話說(shuō)，入門(mén)級(jí)機(jī)器學(xué)習(xí)工程師的重要性已經(jīng)越來(lái)越低了，很多自動(dòng)化平臺(tái)實(shí)現(xiàn)了半自動(dòng)調(diào)參，比新手工程師的效果還好。有趣的討論可以參看：https://www.zhihu.com/question/265761632/answer/298995665。 

至于機(jī)會(huì)的話，主要來(lái)自于各行各業(yè)的AI化。不僅僅是互聯(lián)網(wǎng)公司需要AI，傳統(tǒng)行業(yè)也需要。最適合在傳統(tǒng)行業(yè)推行AI的，反而是出身于這些行業(yè)的人，是以為機(jī)會(huì)。

7. 在 AI 熱之前，開(kāi)發(fā)者也用線性回歸等去擬合、預(yù)測(cè)數(shù)據(jù)或者是聚類、關(guān)聯(lián)規(guī)則挖掘數(shù)據(jù)，只不過(guò)那時(shí)沒(méi)有冠以「機(jī)器學(xué)習(xí)」的名號(hào)。您覺(jué)得現(xiàn)在機(jī)器學(xué)習(xí)浪潮會(huì)不會(huì)有些虛熱？目前人工智能技術(shù)的落地和應(yīng)用還有哪些困難？

一個(gè) AI 方向的笑話是,“內(nèi)行都覺(jué)得現(xiàn)在的AI模型弱爆了，而外行都覺(jué)得現(xiàn)在的AI太強(qiáng)了而擔(dān)心毀滅人類”?，F(xiàn)在AI的火熱主要取決于數(shù)據(jù)、算法、算力三方面的共同發(fā)展。虛熱肯定是有的，泡沫是不可避免的。但現(xiàn)在即使用邏輯回歸，和以前的方法也有了變化，因?yàn)橐幚淼臄?shù)據(jù)量有了變化。同時(shí)算力上升使得更多模型變得可能?？梢哉J(rèn)為現(xiàn)在的機(jī)器學(xué)習(xí)是以前的應(yīng)用統(tǒng)計(jì)的升級(jí)實(shí)用版，并融入了更多的計(jì)算機(jī)科學(xué)。

8. 您在知乎上的每個(gè)回答和每篇文章都有很多人評(píng)贊，您平時(shí)是怎樣經(jīng)營(yíng)你的知乎號(hào)？如何在工作和知乎之間平衡的呢？

我似乎沒(méi)有特別經(jīng)營(yíng)知乎，也沒(méi)有什么特別的訴求。我采用“阿薩姆”筆名的原因就是奔著好玩的目的去的。同時(shí)我一般的回答和文章都盡量希望：

• 嚴(yán)肅回答，盡量詳實(shí)有料，杜絕抖機(jī)靈；

• 不懂不答，不強(qiáng)答。不回答情感、八卦、政治這類問(wèn)題；

• 不隨便點(diǎn)贊，不污染關(guān)注者的時(shí)間線。

我給大家的建議也是不管有沒(méi)有人看，先寫(xiě)了再說(shuō)。在合適的時(shí)候，會(huì)有人發(fā)掘到你的文章。其次就是得失心不必太重，社交平臺(tái)當(dāng)個(gè)業(yè)余樂(lè)趣即可。至于平衡工作和知乎的話，我的工作比較清閑，偏研究性質(zhì)，所以只要有空的時(shí)候把最近的思考順道寫(xiě)出來(lái)就好了。

9. 您有沒(méi)有計(jì)劃開(kāi)拓微信、微博平臺(tái)，或者像數(shù)據(jù)科學(xué)圈網(wǎng)紅「愛(ài)可可愛(ài)生活」老師那樣做個(gè)直播，將AI知識(shí)變現(xiàn)呢？

愛(ài)可可愛(ài)生活老師是我輩楷模，每天關(guān)注那么多工作。我暫時(shí)還沒(méi)有類似的打算，原因如下：

自身能力有限，擔(dān)心誤人子弟，還屬于知識(shí)積累期。

現(xiàn)在的工作收入尚可，知識(shí)變現(xiàn)對(duì)我來(lái)說(shuō)反而太奢侈了。當(dāng)然，時(shí)不時(shí)的做一些免費(fèi)分享是很好的。

有很多的研究問(wèn)題還沒(méi)有解決，一直有新的思路冒出來(lái)。在靈感枯竭時(shí)或許更適合系統(tǒng)的輸出，比如制作一門(mén)課程。

一直有朋友想要合作做一個(gè)公眾微信號(hào)，但我因?yàn)闀r(shí)間問(wèn)題沒(méi)敢接。至于微博，我的確接到了新浪工作人員的聯(lián)系，我的認(rèn)證賬號(hào)是“阿薩姆談AI”，會(huì)時(shí)不時(shí)的發(fā)一些短而精的東西，歡迎關(guān)注。就像剛才說(shuō)的，社交平臺(tái)對(duì)我而言只是樂(lè)趣和生活調(diào)劑，不想因?yàn)椤皹I(yè)績(jī)壓力”而負(fù)重。同時(shí)，我的確和電子工業(yè)出版社有合作在準(zhǔn)備一本機(jī)器學(xué)習(xí)相關(guān)的書(shū)籍，但因?yàn)橐恢痹谮s論文，進(jìn)展有限，出版時(shí)間還需要打個(gè)問(wèn)號(hào)。

在我心里一直都是學(xué)術(shù)第一，別的事情都可以往后排。而且如果一件事情如果無(wú)法做好，我一般選擇再積累一段時(shí)間，以后再做打算。

10. 對(duì)于想轉(zhuǎn)行做 AI 開(kāi)發(fā)的工程師們，你還有哪些建議給他們？

開(kāi)個(gè)玩笑的話，我想說(shuō)：“富貴險(xiǎn)中求?！钡珖?yán)肅的說(shuō)，我覺(jué)得轉(zhuǎn)行一直有兩個(gè)需要特別注意的問(wèn)題：

• 不要期望一步到位，盡量尋求中間地帶，也就是你現(xiàn)在行業(yè)與AI的交叉點(diǎn)。這樣不僅可以轉(zhuǎn)行，還可以降低風(fēng)險(xiǎn)，并提高自身價(jià)值。

• 對(duì)行業(yè)有更深刻的認(rèn)識(shí)，其實(shí)中高端的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)沒(méi)有那么大的需求，而入門(mén)級(jí)的其實(shí)薪水也不大誘人。因此要根據(jù)自身?xiàng)l件慢一點(diǎn)轉(zhuǎn)，有可能再拿個(gè)相關(guān)學(xué)位也是很好的選擇。做軟件工程也很好，開(kāi)發(fā)手機(jī)app對(duì)社會(huì)也有貢獻(xiàn)，做網(wǎng)絡(luò)安全的前景也很廣闊。CS的子領(lǐng)域不只有AI，還有很多穩(wěn)妥、待遇好、有意義的方向。

最后想說(shuō)，這個(gè)行業(yè)、時(shí)代壓力都很大。雖然工作很重要，但個(gè)人身體健康、心理健康更加重要。我有不少同行包括我自己，都或多或少有一些健康問(wèn)題，比如頸椎或者慢性胃病。因此身體真的是本錢(qián)，有些事情得過(guò)且過(guò)即可。祝大家有個(gè)好身體吧。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。