高層速讀
關鍵信息：人工智能將讓就業機會變得更多，而不是更少。到2020年，人工智能將創造220萬個工作崗位。同時那薪酬也是高的離譜。
關鍵數據：與人工智能或機器學習有關的工作崗位數量增長了99.8％，對AI或機器學習有關職位的搜索或查詢次數更是增長了182％，薪資方面，數據總監平均薪資最高，年薪達到14萬美元。
關鍵意義：人工智能是一個多學科交叉的研究方向，未來這個方向畢業生就業被看好。
過去三年，美國與AI和機器學習相關的崗位需求數量幾乎翻了一番。薪資方面，數據總監平均薪資最高，年薪達到14萬美元。DataCamp人員調查了35位一線數據科學家，專家強調PPT做的好可能比懂深度學習更重要。
職業招聘信息網站Indeed.com近日發佈報告稱，自2015年6月到2018年6月，與人工智能或機器學習有關的工作崗位數量增長了99.8％。
而在同一時間段內，更多的求職者也在尋找與人工智能有關的職位。對AI或機器學習有關職位的搜索或查詢次數更是增長了182％。
從硅谷到華爾街，人工智能和機器學習對高技術工人的需求不斷增加。但是，符合需求的人才數量極其有限，企業的求賢若渴讓少數符合條件的薪水越來越高。
過去三年中對人工智能和機器學習相關職業的搜索或查詢量增長了182％。但更多的搜索次數並不代表有更多合格的申請人，實際上，企業很難找到具備足夠熟練技能的求職者。
哪些專業的人才是企業需要的求職者
1、計算機科學與技術
不得不說，宇宙機確實是最火的，在人工智能領域最缺的是計算機行業的高端人才。尤其是學習相關算法的，人才更是緊缺。因此，在計算機專業人才遍佈天下的情況下，如何做到在一個行業精通是需要認真考慮的。國內計算機專業比較強的高校包括：清華大學、北京大學、哈爾濱工業大學、國防科技大學、北京航空航天大學等。
2、控制工程及其自動化
人工智能的核心在於算法，而自動化專業有一個專門的方向是算法學習，說起來也更是對口。在今年人工智能相關招聘啟事中，自動化專業是提及比較多的。但這一專業本科學到的知識可能還算比較皮毛，如果你能讀碩士或博士，從事這方面的研究相信也會非常不錯。
3、應用數學
人工智能若想在工程上廣泛應用，離不開理論的支撐。而人工智能的基礎機器學習其本質上是微分方程、概率論和矩陣分析等數學領域的一個應用。人工智能的研究人員必須有非常好的數學基礎才能做好相關領域的研究，應用數學也是一個非常對口的專業！
4、大數據
有人說大數據和人工智能是兩個完全不相關的兩個專業，其實說這些話的人可以說只看到了皮毛。按李開復的說法，大數據是人工智能的前提；百度李彥宏也提出了相似的觀點，人工智能和大數據非常相似。教育部也在2017年批准了35所高校開辦大數據專業，包括中國人民大學、北京郵電大學、復旦大學和電子科技大學等都成為了首批開辦高校。
5、智能科學與技術
可能很多人都沒有聽說過這一專業，這也是創辦時間不長的一個專業，創辦於2004年。這一專業可謂人工智能研究的正統分支，目前有北京大學、北京郵電大學、南開大學、西安電子科技大學等35所高校開設了這一專業。
哪個城市AI職業機會最多？紐約！
Indeed.com分析了2015年6月至2018年6月期間在美國發布的數百萬份公開招聘信息。其中20%以上的職位描述或工作地點及薪資待遇的相關信息中都包括“人工智能”或“機器學習”。
從數據上來看，如果你想進入人工智能領域工作，那就把目光投向紐約市吧。
人工智能和機器學習職位分佈最集中的大城市排名。按城市計算，紐約市發佈的AI相關職位數站比例最高，但硅谷地區的總職位仍佔全國的五分之一。資料來源：Indeed.com
在2015年6月至2018年6月期間，美國大城市的職位列表的描述中，紐約市有11.6％的職位描述與AI或機器學習有關，比例最高。其次是舊金山（9.6％），聖何塞（9.2％），華盛頓特區（7.9％）和波士頓（6.1％）。
據Glassdoor最近的一份報告，在過去四年中，美國薪酬最高的工作崗位都是技術部門。蘋果、亞馬遜、谷歌、Facebook、Uber等公司長期以來為具備機器學習技能的高技術求職者提供高薪待遇。
據《彭博商業週刊》報道，這些名牌公司可以提供每年超過30萬美元的工資和股票期權。現在，包括金融業和醫療保健業在內的其他行業也在努力尋找人才，提供的年薪達6位數。
AI相關職位薪資排行：數據總監最高，平均年薪14萬美元
在2017年6月至2018年6月的十大職位列表中，10個常見的AI相關職位中有7個的平均年薪超過10萬美元，如下圖所示：
與AI和機器學習相關的高薪職位排名。分析總監的平均薪資最高，年薪達到近14.4萬美元。資料來源：Indeed.com
Indeed.com的報告顯示，今年在人工智能和機器學習相關職位中，平均工資最高的是分析總監，達到14萬美元，其次是首席科學家（13.8萬美元），機器學習工程師和計算機視覺工程師（均為13.4萬美元）。該報告通過分析數萬個提供工資信息的公開招聘信息來確定平均工資。
公開發布的主任科學家、機器學習工程師、計算機視覺工程師和數據科學家的薪水也極具競爭力，最低的平均工資水平也在年薪13萬美元以上。如果工作地點位於紐約或硅谷，薪水還會額外提升3萬美元。
而且，Indeed.com發佈的數字不包括員工獎金，股票期權等福利，這些都會使年薪大大提高。而且，在公共招聘平臺上提供的優厚待遇，比起企業直接招募或通過獵頭招募的更高級職位相比，有時可能更顯得微不足道。
在職位發佈信息與AI或機器學習的相關性方面，機器學習工程師的招聘職位信息中有94.2%提到了“機器學習”和“人工智能”。排在第二位的是數據科學家，比例為75.1%，計算機視覺工程師以64.6%的比例位居第三。
據市場研究機構Gartner預測，人工智能將讓就業機會變得更多，而不是更少。到2020年，人工智能將創造220萬個工作崗位，同時減少180萬個工作崗位。
數據科學革命：各行各業無所不包
今年在人工智能和機器學習相關職位中，數據科學家的招聘信息量排第二。
現代數據科學在科技領域內的應用越來越廣，可以優化Google搜索排名和LinkedIn建議，還能影響Buzzfeed上的頭條新聞。而現在，數據科學有望改變所有行業，從零售業、電信業、農業到醫療，貨運和刑罰制度。
然而，有時人們不是很理解“數據科學”和“數據科學家”這類詞。
DataCamp的數據科學家Hugo Bowne-Anderson博士接觸了35位一線數據科學家，描述了他們的日常工作內容。
數據科學家是做什麼的。我們現在至少在科技行業內，瞭解數據科學的運行方式。首先，數據科學家要奠定堅實的數據基礎，以便執行可靠的分析。然後使用在線實驗以及其他方法來實現可持續增長。最後，他們構建機器學習流程，打造個性化的數據產品，以更好地瞭解他們的業務和客戶，並做出更好的決策。
換句話說，在技術領域，數據科學涉及基礎設施、實驗測試，用於決策的機器學習以及數據產品。
幾乎所有人都明白，工作數據科學家通過數據收集和數據清理，來製作日常工作的原料，通過圖表和報告、數據可視化、統計結論等方式將結果傳達給主要利益相關方，並努力讓決策者相信他們的結果。
PPT做得好，可能比懂技術還重要
科學家所需的技能正在不斷髮展（具備深度學習的經驗並不是最重要的）。在與西雅圖地區的數據科學家Jonathan Nolis的對話中，我們提出了一個問題，“對於數據科學家來說，哪種技能更重要：是能夠使用最複雜的深度學習模型，或還是製作更優秀的PPT幻燈片的能力？“他表示後者更重要，因為溝通結果仍然是數據科學工作的重要組成部分。
數據科學專業化大趨勢下道德問題是最大的挑戰
Jonathan Nolis將數據科學分為三個部分：（1）商業智能，主要是以儀表板、報告和電子郵件的形式“獲取公司所擁有的數據並將其提供給合適的人員”；（2）決策科學，即“獲取數據並利用它來幫助公司做出決定”；（3）機器學習，即“如何採用數據科學模型並將它們持續投入生產。”儘管許多數據科學家都是通才，他們同時從事所有三種工作，但我們看到了截然不同的職業道路，例如機器學習工程師的案例。
道德是該領域面臨的最大挑戰之一。你可能會認為這個職業為其從業者提供了很大的不確定性。當我詢問Hilary Mason，問她數據科學界是否還面臨其他重大挑戰，她說：“你認為不明確的道德規範、缺乏實踐標準、缺乏一致的術語這些挑戰，對我們來說還不夠重大嗎？”
整個行業和社會的數據科學革命才剛剛開始。數據科學家這一頭銜是否會繼續成為“21世紀最性感的工作”，是否會變得更加專業化，還是會成為大多數專業工作者需要具備的技能，目前尚不清楚。正如Hilary Mason所說：“10年後我們還會有數據科學嗎？我記得我們有過沒有數據科學的時代，如果告訴我說那時候數據科學家的頭銜是’網站管理員’，我也不會驚訝。”
欲獲取更多人工智能最新行業資訊及深度報告:AIBizHerald
閱讀更多 AI商業觀察 的文章
