您不需要拥有机器学习博士学位即可从事人工智能工作。该领域的多元化远远超出了研究范围，公司正在积极招聘来自其他领域的将技术技能与领域专业知识相结合的人员。本课程为您提供了一个现实的、可操作的路线图。
人工智能不是一项工作——它是一个由具有不同技能要求的角色组成的生态系统：
|角色 |核心技能|典型背景| |------|------------|--------------------| | 机器学习工程师 | Python、PyTorch/TensorFlow、MLOps、系统设计 |软件工程| | 数据科学家 |统计、SQL、Python、实验 |数学、分析 | | 人工智能研究员 |深度学习理论、论文写作、新颖架构 |学术界博士 | | 人工智能产品经理 |产品意识、机器学习素养、利益相关者管理 |产品管理| | 提示工程师 | LLM行为、评估、提示设计|写作、工程 | | MLOps 工程师 | Kubernetes、CI/CD、模型服务、监控 |开发运营、SRE |
根据 LinkedIn 的 2024 年就业增长报告，“人工智能工程师”职位的增长速度是一般软件工程职位的 3 倍。在 2022 年之前，即时工程甚至不作为一个职位存在。
对自己的时间表诚实。仓促行事会导致冒名顶替综合症和基础薄弱。
登录 参与讨论
软件工程师过渡到机器学习工程师角色的最现实的时间表是什么？
公司不仅需要了解机器学习的人，还需要了解问题领域的人。您的背景是一项资产：
人工智能最困难的部分不是模型，而是足够深入地理解问题以正确地构建它。
您从当前或以前的职位中获得了哪些领域的专业知识？这些知识如何使您在该领域的人工智能团队中具有独特的价值？
如果你没有专业的人工智能经验，你的作品集**就是你的简历：
每个项目都应该有一个完善的 GitHub 存储库，其中包含清晰的自述文件、干净的代码，最好还有已部署的演示（Hugging Face Spaces、Streamlit Cloud 或 Vercel）。
开源贡献证明您可以与真正的团队在真实的代码库中工作：
在没有专业经验的情况下构建人工智能投资组合的最有效方法是什么？
你的第一个人工智能角色可能会涉及比模型构建更多的数据整理和基础设施。这是正常的。期望花时间在：
根据本课，人工智能工程师通常花在数据质量和预处理上的时间百分比是多少？
你的背景不是一个障碍 - 它是一个差异化因素。
制定 6 个月的过渡计划。您将在第 1-2、3-4 和 5-6 个月内学到什么？您将完成什么投资组合项目？您将向谁寻求指导？