人工智能专业就业前景和薪酬？

一、人工智能专业就业前景和薪酬？

就业前景不错，薪酬待遇高，人工智能在当下以及未来几十年，是一个十分火热的就业方向。

在中国，目前正处于人工智能大发展大应用阶段，随处可见的网络摄像头、电子交警的使用、自动驾驶、智能农业、智能物联网、现代化医院系统等，都是人工智能应用的实例，所以就人工智能就业这块，根本不是个问题

二、学而思薪酬标准？

学而思工资待遇，在职朋职业圈上已有418位圈友现身分享，根据网友分享统计，学而思平均工资为9084元/月，其中23%的工资收入位于区间6000-8000元/月，21%的工资收入位于区间4000-6000元/月。据分析数据统计，学而思年终奖平均11697元。 学而思员工分享说：线上的话，有试题解析，审核校对，录排、质检等，我只清楚质检300一个月，试题解析按工作量，以完整一套试题入库算收入，每45字1元，发工资很晚的，比如3月的工作量和工资在4月结算，5月末才发，以此类推。

线上各岗位是可以申请兼做其他的。

线下的话我知道的是广州有助教，具体工作参考20每小时，也按学生人头数额外加工资，不教课。

三、人工智能的薪酬如何？

同是码农，待遇不同在后端开发、前端开发、移动开发和人工智能四个领域中，人工智能是平均薪酬是最高的，平均比其它三个领域高三分之一左右。人工智能岗位竞争没有其它领域激烈人工智能领域平均一个职位收到 24.7 份简历，相比之下，移动开发领域最高，平均收到 130.3 份简历。应届生做人工智能拿 9k，做移动开发仅 6k和传统技术岗位相比，新兴的人工智能领域在不同经验阶段都提供了优厚的薪酬，一个应届毕业生进入人工智能行业，平均可拿 9k，而移动开发则只有 6k；10 年以上优质人才，人工智能的薪酬比后端开发翻了近一番。人工智能目前是一个快速增长的领域，人才需求增长迅速，但相比其它技术类岗位，比如前端开发、移动开发，人才的供应还没有跟上，求职者对同一岗位的竞争不那么激烈，薪资也水涨船高。------由GET写作整理而成------

四、茶学就业前景和薪酬？

就业前景不错，薪酬待遇高，毕业生就业口径较宽，主要去向有各茶区农业技术推广与管理部门、茶叶进出口商检、茶叶品质安全论证中介机构和茶叶企业（茶叶贸易与经营公司、茶叶出口加工企业和茶叶生产企业等）。以，本专业毕业生的就业前景不错。

五、人工智能学什么？

人工智能主要学习四方面的内容，分别为：python核心编程、全栈开发、网络爬虫、人工智能。人工智能英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

六、电子材料学就业前景及薪酬？

就业前景不错，薪酬高。

近年来，随着互联网、大数据、人工智能等新技术兴起，以及以5G为首的新基建项目的加速推进，国内电子材料产业取得了长足的进步，形成了较为完整的产业体系，产业规模稳步增长，中高端电子材料产品转型升级速度加快。2019年，全行业营收超过7000亿元，技术实力持续提升，显示用液晶材料、集成电路用光刻胶等取得了突破。

我国电子材料行业发展尽管受到新冠肺炎疫情的冲击、中美贸易摩擦的影响，但是未来以大尺寸硅材料、碳化硅、氮化镓及高频高速覆铜板为代表的高端电子材料，仍将呈现高速增长态势，前景尚好。

七、密码学就业前景及薪酬？

就业前景很好，薪酬在10k/月左右起步，现在在已进入网络信息时代，各种信息安全显得十分重要，涉及密码的金融行业和信息产业都离不开密码这些方面。

八、人工智能相关的岗位薪酬状况如何？

笔者简介：美国应用数学|运筹学硕士，德国海德堡大学数学|组合优化博士，博士研究方向为离散优化在计算机视觉的交叉应用。读博期间创办 @运筹OR帷幄 以及 @DIY飞跃计划 俩个微信公众号/社区。现于德国某车厂自动驾驶部机器学习组，担任计算机视觉研发工程师。

一、人工智能不同岗位及薪资差异（附案例）

如高赞回答 @晓飞 所说，要谈人工智能待遇，先得讲清楚人工智能都有哪些岗位

从职能上划分：

1.研发科学家（Research Scientist）

2.软件工程师（Software Engineer）

通常1需要博士学位，2硕士甚至本科都可申请。

2在国内一般会叫算法工程师。

从部门上划分：

1.AI研究院（Research Lab）

2.公司研发部门（R&D）

3.公司产品部

1的代表：Facebook AI research Lab (FAIR)、微软亚洲研究院(MSRA)、百度AI Lab等

1中既有研发科学家“发明”全新的AI模型和底层的优化算法，也有软工协助科学家们实现算法跑实验，或是把这些前沿的模型做成Prototype（样品）推销给公司2和3的研发、产品部。

2和3有些公司没有严格区分

3的代表：微软小冰、微信、腾讯王者荣耀等

工资待遇一般情况下按上面的数字递减～

案例一

国内某一本自动化专业本科，国内某985硕士（研究方向：动态优化+并行计算）

毕业于普通的一本院校，非985，非211，专业也是普通的工科专业，本科期间学习成绩良好，但是也没有学过任何与人工智能相关的内容。硕士期间从事的是CUDA并行计算的研究，将一些优化算法通过GPU并行加速。

Offer1:

顺丰科技，第一年16*15K，CUDA高性能计算，只招聘两人，顺利拿到Offer。主要工作内容是将一些人工智能的相关算法并行加速。

Offer2:

华为C++测试岗，第一年 16*15K，由于具备良好的C++编程基础，所以拿到大厂的Offer基本不成问题。

这个案例告诉我们，找到一份好工作对学历是有一个基本的要求的，但是要求并不是很高，身边很多的人也都是普通本科出身，通过自身的学习和努力一样能得到好的工作机会。另外对专业的要求也并不是很严格，因为国内目前基本还没有人工智能专业，只要是工科相关专业，或者数学统计专业，乃至于经管类专业都可以比较容易的转行到人工智能。

案例二

国内某985硕士（硕士课题研究方向：多目标优化算法）

Offer1:

图森，第一年22*15，参与自动驾驶的研发

Offer2:

Momenta，第一年 20*15，参与自动驾驶系统的研发

曾参与了并完成了优达学城自动驾驶课程，并由此获得了滴滴自动驾驶的实习机会。

这个案例告诉我们，硕士的研究课题其实很多时候和找工作关系并不大，因为目前国内的硕士教育依然是偏重学术研究。本案例中的同学硕士研究方向和自动驾驶没有什么关系，但是他通过自学并参与了优达学城自动驾驶课程并由此获得实习机会。如果没有参与课程的话仅仅依靠其硕士研究的内容是很难找到好工作的。

案例三（我自己）

德国Top3 数学博士

申请德国某Tier 1 AI Lab，被拒

Offer 1：

德国某Tier 1 Corperate Research（可以理解为研发部）机器学习组， 应用方向有安防、机器人、自动驾驶，8W欧元左右/年

Offer 2：

某车厂自动驾驶系统部门（可以理解为产品部）机器学习组，产品为自动驾驶系统中的各个模块，7W欧元左右/年

P.S.，一欧元约等于8块人民币

二、全球范围各大厂人工智能方向薪资及高薪揽才计划

人工智能、机器学习最近几年有多火？

从各大互联网公司先后创建人工智能研究院，以及以下这些高薪揽才计划便可略窥一二。

1.阿里星计划

年薪平均估计60w左右，上不封顶，本科生-博士生都有机会入，CTO直接面试，每年招10人，半年base美国office的机会

2.百度少帅计划

IDL部门（机器学习、深度学习），年薪100w+，每年9人，30岁以下，工作地北京、深圳，一年后硅谷或常青藤名校访问至少半年，三年后带领20-30人团队

3.滴滴新锐计划

滴滴研究院，面向全球高校博士、硕士、优秀本科生的精英人才计划，研究方向包含机器学习、计算机视觉、机器人、自动控制、汽车工程、人工智能、数据挖掘、最优化理论、分布式计算、图形图像、语音识别、语音合成、自然语言处理等

4.腾讯技术大咖

要求，全球TOP100 CS相关硕士博士毕业，人工智能相关，待遇：上不封顶offer，深圳市还有“孔雀计划”160w的奖励

5.Google/Amazon/Facebook/Apple等

硅谷科技公司巨头，如斯坦福这样的名校毕业硕士，去Google就有可能达到20W刀/年的package

最近网上流传AI行业人才可能有一些饱和。

个人认为，表面上人才饱和的状态是AI里面相对基础的一些岗位，而高端人才永远是稀缺的。

事实上，AI领域的技术更新非常快，无论什么位置都需要不断的学习和提升，对应聘者提出了更高的挑战。

更详细的全球AI薪资汇总，可以参考我在这个问题下的回答：

全球 TOP 互联网公司及学术界人工智能方向薪资、高薪的揽才计划有哪些？

三、转专业人工智能工业界的经验和建议

因为自己本科数学，硕士应数、优化理论，博士研究其实更偏运筹学、组合优化，因此可以说非人工智能科班出身。

这里大概讲讲自己的转专业经历。

先说点宽泛的、上纲上线的东西。

人工智能、大数据这些新兴"专业"，是随着工业界与日俱增的需求而随之出现的（中国最近批准了第一批试点的几十所高校开设人工智能专业）。其实任何专业都是这样一个需求导向的过程，包括微电子，计算机，还有什么房地产专业，几十年前可能根本不存在这些专业。

但是自然科学如数学、物理、化学、生物长盛不衰，是有其道理的，这也是为什么我们初高中我们都在学这些东西。

反之，某些专业，一定会随着市场需求的锐减而减少甚至消失。

这些专业名词在刚出现的时候往往是“凭空造诣”或者是强加术语，然而知识是需要积累的，每个新兴专业都是建立在一些基础科学的基础上，这也是我下面的回答要强调的--学习人工智能非一朝一夕，而是要从最基本的数学基础开始打好地基。

1.数学基础

微积分（求导，极限）和线性代数（矩阵表示和运算）是基础中的基础

2编程技能

人工智能任何模型和算法的实现，当然需要编程了，因此C/C++/Python任选一门（推荐Python，因为目前很多库和Library都是用python封装）。

数据结构：建议学学，让你编程更顺手更高效。

算法：建议上，任何人工智能任何产品的Code都是无数算法的集合体。

数据库：存储数据，人工智能通常需要用到海量数据，因此如何更高效的存储和管理以及调用数据，就显得尤为重要。SQL等数据库，以及Hardoop，Spark等并行计算的框架，是最近的热点，推荐学习。

3.数学（统计、优化、机器学习）模型和深度学习

概率论+统计：很多传统机器学习模型基于统计模型

线性规划+凸优化：或者只学一门叫numerical optimization，统计和人工智能，到最后几乎都会归结为求解一个优化问题，当然也有纯优化模型不用统计模型的

关于优化类课程的综述，欢迎关注我的专栏：

机器学习:其实传统机器学习，通篇都是在讲用一些统计和优化来做聚类、分类和预测这三个人工智能最常见的应用

深度学习：卷积神经网络的复兴掀起了深度学习席卷全球的号角，毫无疑问，它是目前人工智能的核心，必学！

学到这里，你基本就会发现，学这一门课中间会穿插着很多其他课的内容。恩，知识总是相通的嘛，特别是这些跨专业的新兴学科，都是在以往学科的基础上由社会需求发展而来。

4.人工智能的应用

以上所有课程基本都还是理论、数学模型层面的，虽然讲理论的同时会穿插一些应用案例，但是系统学习某一应用领域还是非常必要的，再加上一些项目和实习经历，基本就是转到AI工业界的敲门砖了。

人工智能应用领域按方向包括：

计算机视觉、语音识别、自然语言处理、知识图谱等

按行业：

汽车行业（自动驾驶）、制造业（次品识别）、安防（人脸识别）、机器人（SLAM）等

5.我个人转专业AI工业界的经验

由于应用数学+运筹学的背景，加上本科研究生修过一些编程和算法课程，因此我转战人工智能就只缺机器学习/深度学习+实战训练了。

我所在的海德堡大学数学与计算机学院，有海德堡大学图像处理中心，因此我很方便地旁听和选修了机器学习、深度学习、计算机视觉三门课程+一些研讨班。

另外由于博士课题是关于图像分割的，虽然博士论文用的是传统机器学习和组合优化交叉的算法，但在博士最后阶段，一位合作教授提议将这个方法应用在时下很热的语义分割（在自动驾驶和医学图像等领域都有应用）方向，于是又顺理成章地获得了一部分深度学习的经验。

事实证明，最后的这个深度学习小项目，是面试官最感兴趣的部分。而我现在工作的主要内容，也和此项目息息相关。

对于这段经历感兴趣的同学，欢迎收听我和牛津大学医学图像博士后渡博士（牛津大学实验物理博士）联合举办的关于转专业AI的知乎Live

6.对转专业的一些建议

个人感觉，理工科背景的小伙伴，在有了一定的数学和编程基础之上，要转到人工智能领域并非难事。

以上个人经验，更适用于刚进入研究生或博士阶段不久的同学，有着充裕的时间打好数学和编程基础，循序渐进、逐步提升。

但是对于那些快要毕业，或者已经在工作岗位上从事其他专业的小伙伴，或许不是那么适用。

一方面，如果按照以上关卡一道道通关地自学，很容易被前期枯燥的数学和编程基础所累，导致前功尽弃。

另一方面，AI中的软件、算法工程师职位，大都不需要那么多数学基础，因此很多课程可以只挑重点看。

所以对于希望“速成”的同学，可以需要一个课程 list，通过比较系统的课程先入门，最好有项目可以练手，进入这个行业后再慢慢提升。找到第一份AI工作，通常是机器学习工程师。

这时候，网上一些系统性的网络课程或许比较适合。

例如Coursera，优达学城，景略集智等等。

一方面把一项职业所必须的技能树都涉及到，另一方面设计了难度适中的作业，让自学过程中可以及时检验成效。

最重要的是，还有考试，以及pass考试后，会有“证书”（简历加分利器）！！

四，总结

人工智能正以我们意想不到的速度蔓延到各个行业以及社会的方方面面，农业、制造业、医疗、交通无不有它的身影。

或许不久的将来，他会像蒸汽、电力、电脑、手机、互联网一样，成为我们日常生活必不可缺的一部分。

是的，我们已经处在这一次科技革命之中，而人工智能，正是这一次科技革命的根源并且将被载入史册。

难道你，不想成为这次科技革命的一份子么！？

九、人工智能芯片学什么？

人工智能芯片主要学习深度学习和神经网络算法，以及相关的计算机技术和硬件设计。深度学习是一种机器学习算法，其核心是神经网络，深度学习算法模拟人类大脑神经元的神经网络结构，通过训练数据来建立模型。

人工智能芯片对于这些算法的实现需要具备高效的计算能力和内存存储容量，并且需要具备高速的数据传输和处理能力，才能满足人工智能应用的需求。

十、人工智能bbox怎么学？

人工智能bbox是一种目标检测算法，需要通过学习和训练来不断提升其检测准确率bbox模型需要通过大量的相关数据集进行训练，例如COCO、PASCAL VOC等，同时需要学习深度学习相关的知识，如卷积神经网络、反向传播算法等可以通过参加在线课程、购买相关书籍、学习开源项目等多种途径进行学习，同时需要有一定的编程基础及相关工具的使用经验，例如Python、PyTorch等