成为一个合格的机器学习工程师

成为一个合格的机器学习工程师？

谢谢邀请。

在人工智能火热的今天，对机器学习人才的需求也是越来越大，也需要越来越多的工程师来配合开发人工智能应用。

在回答这个问题之前，觉得需要明确的一个概念是，开发机器学习应用，不只是研究上的事，还是工程上的事。而对此问题的答案是，合格的机器学习工程师，博士学位不是必要的。

举个例子，刚成立一年左右的腾讯AI Lab 对外宣传「现有50多位世界知名院校的AI科学家与200多位应用工程师」，值得注意的是这段描述中50多位AI 科学家的博士比例为 90%。也就是说，如果是博士学位也基本上上升到了AI 科学家的层次了。

在圈内熟知的年轻博士中，Ian Goodfellow 、Andrej karpathy 等的title也都是research Scientist。

此外，这个问题在国内也引起过极大的讨论。也就是，为了在机器学习领域工作，是否需要该领域的 PhD？还有就是在学习机器学习之前，是不是一定要先修微积分、线性代数、概率论/统计学这些乏味的全套大学数学课程，然后再学 C/C++和并行分布式编程（CUDA、MPI、OpenMP 等等）？

Hacker News 一个评分最高的评论表示，即便你把这些内容学了个遍，还是得从头开始应用机器学习算法，先是 C，接下来是 MPI 或 CUDA，然后是 Numpy，然后你才能学会在 Theano 或者 TensorFlow 上应用它们（但有些人并不是很赞同有如此复杂的学习过程）。

而且，即使你是一个普通的工程师，但有丰富的编程经验，完全有能力通过自学的方式学习机器学习编程。这里向大家推荐一个机器之心很喜欢选择的一个文章主题《没有博士学位如何玩转TensorFlow和深度学习》。

最后用机器之心不久之前发表的一篇文章数据说话（《AI人才争夺战持续升级，数据看懂中国人工智能人才分布》）：

商务社交平台脉脉发布的数据来看，学历结构上，目前国内 AI 人才的学历构成以研究生为主，占比达到 62.72%，反映出该行业由于涉及到多学科的交叉理论，对人才的学历要求较高；本科以 29.94% 的占比位居第二；博士占比为 5.84%，位居第三。

但脉脉此数据的样本源受到脉脉的用户规模、分布和行业集中度影响，结论仅供参考。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！