2019年被裁员怎么挺过来？程序员的回答让人泪目...

其中这个AI程序员的回答值得深思，被裁员后连拿3份offer，薪资增长30%。这种“逆袭的经历”让人羡慕，还有一句话点题“不是我足够幸运，而是市场足够大 。”

所以，你会联想到什么？

被裁与逆袭，程序员吸金榜来了

数据显示：同样是互联网公司，从事AI相关的人才比其他岗位（含开发）薪酬多了几乎一倍！

以1-3年的工作经验为例：3年以下的AI程序员，平均薪资2.5万（其他岗位只有1.2w），3-5年的AI程序员，平均薪资在3.2万，更均远超其他开发岗位！

从薪资看，AI人才几乎秒杀其他岗位。背后的原因是什么呢？

四个字：供不应求。

从2017年起，阿尔法狗横空出世，几乎所有互联网公司都在积极布局人工智能，期望能够在这一浪潮变革里拔得头筹！

从国际大厂微软、Facebook、Google到国内的BAT、美团、字节跳动、莫不把“AI优先”的大旗扯上云霄。微软甚至布局万人研发团队...

这一迹象，对于广大程序员来说，特别是对未来即将走向技术一线的准程序员而言，还是值得重点关注的。

AI留学大军即将抵达“战场”

你准备好了么？

根据启德留学客户服务数据显示，2019年理工科留学十大热门专业为计算机科学17.72%、信息技术15.38%、商务信息系统11.81%、电子与计算机工程10.55%、电子工程9.92%、机械工程5.49%、信息系统4.26%、数字媒体资讯科技2.23%、电子商务与计算机2.17%、食品学1.79%。
其中，计算机相关专业占比合计高达74.04%，比2014年增加了12.78%。

事实上，随着人工智能产业的飞速发展，“AI人工智能”已经成为全民话题，理工科中，计算机、自动化、机械工程、数学等与人工智能领域密切相关的专业近年来受到巨大关注，未来几年，中国人工智能行业的人才缺口预计达到百万级，同时，由于合格的AI人才培养所需时间要远长于一般IT人才，这个缺口很难在短期内得到有效填补。人工智能是典型的交叉学科，汇集了来自数学、计算机科学、逻辑学、哲学、神经科学、语言学等领域众多学者和研究人员的努力，不过，从整体来看，人工智能仍然是计算机科学技术的主要分支。
目前开设人工智能专业的海外高校，基本都是顶尖院校，以英国为例，开设人工智能专业的高校包括伦敦大学学院、帝国理工学院、爱丁堡大学和南安普顿大学。AlphaGo算法的创建者之一戴密斯·哈萨比斯就毕业于伦敦大学学院。

而在各国高校中，人工智能专业一般会设置在研究生及以上阶段，需要学生具备一定的计算机基础知识。很多本科阶段学习计算机及人工智能相关专业的学生也已经开始申请AI企业与研究院的实习或夏令营活动。

今天我们就带大家来看看学生究竟能从启德【善·任】名企实习项目中学到哪些！

选择AI专业，实习是否有必要？

M同学的实习档案

实习单位：中国科学院 自动化研究所模式识别实验室

所学专业：电信工程管理

实习目标：在导师指导下完成以下两个项目

1.熟悉数据分析项目流程，并使用python完成了焦虑症数据GAD7的数据分析，其中包括关联分析，多元线性回归，以及聚类分析等常用分析方法，使用算法基本都是设计机器学习中的一些重要算法。

2.根据已知的用户状态数据和其采用的改善方法，预测其改善效果，并推荐改善方法使其达到变好效果健康与医疗是一个重要的问题，对结果的可靠度和合理性有着较高的要求，且现有数据集的数据庞大。

一个半月的实习过程中，老师交给我的项目所涉及的知识基本都是我曾经未学习涉及过的机器学习内容，实习过程中，我必须尽可能快地学会我要用到的知识并将其运用到实践当中，这跟在学校中有充足时间学习知识和做实验不同。相比之下，工作难度更大，时间更紧，需要用最短的时间来实现结果，这对我的工程实现能力是个挑战。

因此在项目开始前我先对项目所涉及的知识点进行汇总、简单了解其原理、学习与项目相关的案例，并且比较了几个算法的优缺点，以便项目中算法的精准选择。为了学习内容更好的记忆，并第一次在csdn上写了学习博客。学习期间学习的资源对我来说就更加重要，我接触了许多十分有用的编程经验分享平台，并且通过翻墙去接触一些国外的网站获取更多的资源信息，学会了如何充分利用网络和身边的资源来解决问题。

接下来在我正式开始项目后，我会对重点所需要的知识内容进行更深入了解和学习，并运用于项目本身。在根据已知的用户状态数据和其采用的改善方法预测其改善效果这一部分中，我起初选用了神经网络算法进行预测，但是效果并不理想。由于数据数目的庞大导致运行很长时间都没有运行出结果，于是我又分析了几个其他可用于预测的算法，最终选定了随机森林算法。它是决策树基础上的集合算法，精确度高且学习时间不会过长。第一个模型训练出来后精准度在58%左右。

 收获反思

由于有了第一个项目的经验，我对机器学习的基础算法有了一些基本认识，在第二次实习项目中更加得心应手。
这次项目锻炼了我快速学习并运用的能力。项目中很多知识都是我没有接触过的，能够有目的地学习知识并将其运用在项目中是我做大的收获。此次初次接触的方法就是模型的调参，而我发现大多数的机器学习的书都是遍历各种算法的原理和用途，但对调参探究甚少，也是由于调参的方式总是根据数据的状况而定，无法一概而论，同时也依赖于高手的经验。因此我在学习调参上也花费了一定精力，运用了学习的调参方法最终把模型优化在了0.61左右，希望在日后有了更多学习经验，对模型调参有更好掌控。
其次，我对数据建模的方法有了更多认识。例如神经网络，随机森林模型。数据建模能达到好的预测效果最重要的就是选择合适的模型算法，了解各个算法的优缺点，精准运用十分重要，例如神经网络是个很经典的预测算法，精准度也很高，但缺陷在于对于大数据集学习时间跨度过长，因此不适用于此次项目。

职业规划

这次实习也让我对机器学习这个领域的知识如何运用到实际问题中有了初步的了解。近些年机器学习，人工智能开始兴起，在大一时我就对这个领域产生了一些好奇，并也关注着动态，但一直没有时间系统来学习。
在此期间，我也咨询许多学长学姐，并在一些论坛上查找了一些这个领域的就业前景，意识到机器学习其实也不过是一种解决实际问题的方法，业内所说的缺少机器学习的人才，更精准些说其实是缺少能将模型应用于专业领域，跨领域让机器学习落地的人。
例如我此次实习做的两个项目，都是运用机器学习的知识来解决医疗方面的问题。因此大部分机器学习实践者还是该脚踏实地，盲目追求热点很容易跃进陷阱，而巩固基础，寻找自己擅长的的领域和机器学习交叉点可以帮助我们在未来的就业市场变得炙手可热，成为工业界最紧缺的人才。
希望我在未来对机器学习有更深入的学习后，同时也能找到自己感兴趣的方向，能将机器学习变为有力的工具来提供有效的商业价值。

以上就是启德英国【善·任】名企实习项目学生的实习体验。就像他所说的那样，大部分机器学习实践者还是该脚踏实地。这次实习让它更具象的了解了所学专业。衷心祝愿他能成为中国AI领域的下一个优秀人才！

欢迎访问启德留学南京分公司　欢迎咨询启德教育留学顾问     

免费获取留学规划方案，您可以通过以下4种方式联络我们： 

1、欢迎致电启德教育客户服务中心400-1010-123； 

2、欢迎 点击这里 进行网络咨询； 

3、添加启德官网微信，可立即咨询；

4、填写表单，我们会在1-3天内为您提供专业的服务。