從事AI人工智慧方面售前技術支援的工作,前景怎麼樣?這個工作需要長期出差嘛?

時間 2021-06-08 11:30:37

1樓:飯飯

我認為存在兩種趨勢,AI產業化的趨勢,和AI平台化的趨勢。這兩種趨勢對於To B的人員要求是完全不一樣的...

短期AI產業化需要更深度的定製,需要人員長期駐場。對於從事這方面工作的人來說,有挑戰也有機會。挑戰在於,這類人員需要鍛鍊非常強的綜合素質,不管演算法和工程方面的技術能力,溝通甚至銷售能力。

對於乙個人可以說非常鍛鍊。一定程度上這樣的能力是比較稀缺的

而長期來看,AI平台化的趨勢,卻在逐層削弱這類工作的技術能力要求...

舉個例子,NLP領域被BERT之類的模型刷了一通之後,技術趨勢趨同了,很多之前必須深度定製而且有技術門檻的工作不再存在。 而更多地,依賴於底層的深度通用的技術支援,而上層應用而只是做簡單的fine-tuning。 CV的現在也越來越多只是通過API和平台支援。

這個時候,做解決方案的更多是只要懂怎麼用和怎麼營銷就好. 在這種情況下,所謂的解決方案更像傳統行業的技術支援和銷售。再考慮往後meta-learning,AGI之類的技術進展,定製化這層越來越薄,這是完全有可能的。

目前這兩種趨勢,深度定製化,和平台化,都存在。後續會怎麼演變,不好說。

2樓:

這個工作能讓自己實現利益最大化(錢,前景),就是好工作。

人工智慧領域人才比較稀缺,雖然很多公司都在炒作人工智慧,但是真正有技術有自己演算法的公司並不多。考慮前景,要結合自己的能力和興趣愛好,建議可以從以下幾個方面考慮:

(1)公司能力:公司的定位什麼?有自己的核心演算法嗎?公司在人工智慧領域的地位如何,做了多少專案?

(2)崗位要求/自身能力:AI人工智慧的售前需要售前工程師董演算法,需要一定的數學能力,需要引導客戶的能力,需要資料分析能力等,這些能力自己是否具備?學習和提公升是否困難?

如果公司在該領域有一定的影響力,有比較深的技術積累,個人能力較強,學習意願較強,那就不用說了,幹就完了。如果公司只是乙個包著人工智慧外衣的軟體公司(甚至是整合公司),那就換一家公司,人工智慧領域需要的是人才,需要的是行業解決方案能力。

如果想從事人工智慧方面的研究,應該考研或者有什麼好的發展建議麼?都需要學些什麼知識?

超越 這麼多年過去了,需要學習的知識也該更新一下。就目前而言,卷積神經網路及其變體,是應該掌握的,包括一 卷積神經網路 下圖所示的LeNet 5,是卷積神經網路的開山之作。二 殘差網路 殘差網路是一種層數極深 含有跨層連線的卷積神經網路。殘差網路 三 殘差收縮網路 針對含噪 高冗餘的資料,殘差收縮網...

人工智慧(AI)會埋葬哪些職業?

會計中較為簡單的,有跡可循的計算工作 不是難度極高的翻譯.很多有可能被取代,但這些同類職業中難度較大,每次都並非有跡可循 有很多先例可以模仿學習 的感覺想要真正的取代還是挺難的吧。個人觀點,也是初學,勿噴 想起之前為了做結課作業的時候,就注意到一些資料,一些歐洲的銀行類企業目前人數在不斷減少,也是有...

人工智慧需要哪些技術基礎?

永無止境 一些基礎性的深層網路結構,是有必要學習的,例如 卷積神經網路 AlexNet AlexNet在2012年的ImageNet競賽中奪得冠軍,使得卷積神經網路一舉封神。AlexNet 殘差網路 殘差網路是卷積神經網路最為經典的改進形式,下圖中的identity 即恒等路徑 是其核心貢獻。深度殘...