AI 职位的薪酬有多高？

题图：by kacozi from Instagram

这周从「极客时间 App」上看到了一则新闻「2017 中国准独角兽公司薪酬调研报告：AI 冲击市场」。报告显示，与 2016 年相比，2017年薪酬出现了高增长的趋势，也就是说，工程师的工资在持续上扬。由于人工智能、大数据等前沿技术人才的需求量显著增加，加上初级技术人才的薪酬涨幅较大，2017 年准独角兽薪酬市场全年总薪酬涨幅接近 20%。

另外，岗位的薪酬差距也加大了，最大差距达到了 3 倍。人工智能、大数据和技术开发岗位薪酬水平明显高于市场整体水平。其中，薪酬水平最高的岗位人工智能几乎是薪酬水平最低的岗位客服的 3 倍。此外，大数据等次热门岗位平均薪酬比整体水平高 13%。

人工智能平均薪酬与其他职位相比，高出了 55%-110%，这与各大互联网公司对 AI 人才的需求量大很有关系。比如来自京东金融举办的人工智能国际赛事——JDD大赛，主办方为赛题冠军开出了30万元的单项奖金，同时还将邀请优秀团队加盟，求贤若渴之心非常明显。

AI 为什么会这么热？因为这是一个所有行业都看到的热点和趋势，并且很多 AI 领域的技术和实践已经在实实在在的应用了。这和前几年移动互联网浪潮的情形很类似，iOS 和安卓移动开发工程师的薪酬同样水涨船高，但区别也有，iOS 和安卓工程师的门槛相对较低，一个培训班可以批量培养一批移动工程师，但是想轻松的培养出一批 AI 工程师甚至数据科学家，很难，非常难，甚至不可能。

那 AI 是不是这么高不可攀呢？并不是，不要太神话 AI，其实 AI 领域也有很多工程性的问题需要解决，虽然需要有一定的数据、统计学基础，但不是说学不会，只是需要你的学习坚持的久一点。我觉得有三点是需要大家注意的：

1、入门 AI 和 AI 技能进阶是一个长期的过程，没有速成。我认识的阿里 P9 海青，他 2008 年加入阿里，2012年开始学习算法，并进入人工智能领域，到今年升为 P9，经历了五年的时间。所有想进入 AI 领域的人都要耐得住寂寞，并且持续进行艰苦的学习才行。

2、AI 入门并没有那么难，其实左耳朵耗子在专栏「左耳听风」的最新一期「机器学习101」里介绍了入门要听的基础课程，比如吴恩达教授（Andrew Ng）在 Coursera 上的机器学习课程，卡内基梅隆大学计算机科学学院汤姆·米切尔（Tom Mitchell）教授的机器学习课程，加利福尼亚理工学院亚瑟·阿布·穆斯塔法（Yaser Abu-Mostafa）教授的 Learning from Data 系列课程等等，有兴趣可以订阅专栏去阅读这篇文章。

3、要有实践。也就是说，你需要真实的数据和场景，进行实战，才能验证自己的学习成果，机器学习需要通过各种参数、样本不断调整数据模型，学习出更优的函数，人也是一样，纸上谈兵终觉浅，就是这个道理。很多人学习了一段机器学习之后，发现根本找不到数据样本和海量数据，无处着力。解决这个问题的办法要么就是你的公司就是数据公司，能够让你用那些真实的业务数据练手，要么就需要你自己去搜集和抓取数据，构建自己的数据集，并进行实践。

对于第三点里提到的实践需求，这里给大家推荐一个机会：

JDD-2017京东金融全球数据探索者大赛

这是一场面向全球AI与数据人才的人工智能大赛，分为算法组和商业组，其中商业组分为中国赛区和美国赛区，导师贴身48小时辅导，每位赛题冠军不仅可以获得30万元高额奖金，同时有机会加盟京东金融，或者获得京东金融或合作机构的优先投资。


题目一：登录行为识别

参赛者要根据用户登录的种种蛛丝马迹，预测交易是否有风险。估计优胜者的答案，足以让全网用户沸腾吧？毕竟，网购登录关乎每个人的账户安全。感谢大数据时代，风控技术不断升级，让我们可以在享受乐趣的同时，享受科技的保驾护航。

商业组赛题导师：TalkingData CEO 崔晓波
 

题目二：店铺销量预测

要求参赛者对店铺开展贷款业务和经营状况等数据进行定量跟踪，预测店铺未来90天的销量！港真，如果真有一位大神能预测店铺未来的销量，估计店主要感激涕零了吧？毕竟，这关系到小店的流水、贷款、存货等方方面面的问题。这道赛题完全是从小微企业的经营痛点出发。

商业组赛题导师：红杉资本专家合伙人 车品觉

题目三：信贷需求预测

开展信贷业务不仅需要评估客户的风险水平，还需要对客户的借款需求进行预测，做好资金额度与需求的匹配。风险和提高资金利用率，可是网贷行业的关键所在，如何对数据进行处理，使用模型融合技术，预测用户借款需求，是需要解决的问题。

商业组赛题导师：微软亚洲研究院城市计算负责人 郑宇

题目四：猪脸识别

家住北京周边的养猪专业户老张最近遇见了一个难题，经过多年辛苦的劳动与努力，他家的养猪场规模越来越大，猪的数量从原来的几头发展到现在的上百头。看着这么多的肥猪老张心里美滋滋的。但伴随着猪数量的增长，愁人的问题也随之而来，这么多的猪体型都很相近，老张想要清晰的分辨出每头猪变得越来越困难。参赛者需要设计一个算法，能够通过猪的照片来正确的辨别每一头猪的身份。