随着需求激增，企业纷纷招聘人工智能专家
Today, 77%的消费者服务或设备 是由人工智能驱动的吗. 人工智能应用包括 chatbots 、视频监控工具、目标检测应用和自主系统(例如.g.(如人形机器人和自动驾驶汽车). 人工智能可以帮助我们变得更明智 财务决策 改善我们的健康. 这只是一个开始:随着人工智能用例的扩展和重复任务的自动化, 全球人工智能支出预计将超过美国 到2026年将达到3000亿美元 . 在这一浪潮中，几乎所有企业都能从雇佣合适的人工智能工程师中受益.
随着人工智能课程和术语在专业人士中变得越来越普遍, 你可能会认为雇佣一名人工智能工程师很容易. It is not. 许多软件工程师将人工智能列为一项技能，而有能力的人工智能工程师可以通过构建复杂的人工智能系统为公司增加价值，这两者之间存在很大的差异, 将它们集成到现有的公司基础设施中, 并保证他们有效地工作.
So, 你应该如何雇佣能够给你的企业带来人工智能优势的人工智能开发人员? 请继续阅读以了解关键技能要求, 职位描述技巧, 面试问题会帮助你找到优秀的候选人.
是什么属性将优秀的AI开发者与其他开发者区分开来?
优秀的候选人精通所需的核心技术技能 人工智能的发展 :
他们有发展的经验 机器学习 (ML)或AI模型从零开始.
他们提供可扩展的API开发解决方案.e.(将模型转化为api).
他们理解 ML algorithms .
他们自动化机器学习和人工智能过程，并在持续的学习管道中部署模型.
他们维护机器学习和人工智能系统基础设施.
他们可以处理大数据，并对数据进行统计分析.
至少精通一门编程语言.g.(Python, R, MATLAB)在使用AI时是必须的. Python因其众多库和易用性而在人工智能开发中特别受欢迎. 强大的编程技能将使工程师能够有效地与团队合作，并以生产环境所需的可靠性和准确性实施解决方案.
Additionally, 人工智能专家应该熟悉现代深度学习框架(如.g.， TensorFlow, PyTorch和Keras)和云计算平台(例如.g.、亚马逊网络服务、微软Azure和谷歌云平台). 这将确保他们能够大规模部署AI模型并服务于企业级项目.
最好的人工智能工程师将他们的技术能力与软技能结合起来, 评估和解决关键业务问题的能力. 在这方面有经验的专家.g.(设计或参与人工智能战略)是最佳人选. 这些工程师认识到人工智能工具的潜力，为组织带来前所未有的进步和大量的成本节约.
寻找在你的行业或跨多个领域有经验的人工智能专业人士. 回顾他们参与和完成的项目，确认他们是否适合. 许多候选人在他们的履历上列出了他们的投资组合项目, 不过你也可以要求他们在申请或求职信中提供GitHub链接. 公开的投资组合项目突出了顶级人工智能工程师的经验和成就.
你如何确定理想的AI开发者?
人工智能工程师通常专注于不同的专业领域, 你应该选择一个技能与你的项目目标一致的开发人员.
个别候选人可能在每个专业领域具有不同水平的专业知识. Still, overall, 人工智能工程师应该具备这些技能中的大部分，并且至少是一个领域的专家:
M 数学和统计学
理解核心数学概念，如线性代数, calculus, probability, 和统计数据
设计一个AI系统
纠正错误
针对您的特定问题改进开箱即用模型的性能
机器学习
机器学习算法的知识(例如.g.、决策树、随机森林、神经网络和深度学习)
有使用ML库的经验.g.， scikit-learn, TensorFlow和PyTorch)
建立高效模型
在选择解决手头问题的工具和算法时做出适当的决定
数据结构和算法
对基本数据结构有扎实的理解.g.，数组，链表和树)
具有标准算法的经验.g.、排序、搜索和优化算法)
Preparing data
从数据中提取相关特征
输入模型中最重要的特征，以确保模型的性能
Data analysis
具有数据分析技术的经验.g.、数据清理、归一化和特征提取)和工具(例如.g.(熊猫和NumPy)
从数据中提取见解
向利益相关者提出问题和解决方案
将现实世界的问题转化为数学表示
Databases
熟悉SQL数据库和NoSQL数据库.g.(MongoDB和Cassandra)
有管理和存储大型数据集的经验
有效地处理数据
确保人工智能算法的透明度
有效地展示项目成果和中间阶段
与上下游系统集成
AI和ML开发者之间的区别是什么?
招聘经理面临的一个常见挑战是理解人工智能和机器学习工程师之间的区别, 特别是因为人工智能工程师需要各种机器学习技能，并且可能专攻这一领域. 人工智能和机器学习的开发者是如何比较的? 这两种职业需要类似的培训, aptitudes, 学术背景(通常是统计学), mathematics, 计算机科学, 或工程). 这两种类型的专家都可以构建机器学习模型、分析数据和构建机器学习管道.
然而，人工智能工程师的角色比机器学习工程师更广泛. 它可能需要基于ML模型构建自动化系统的能力, 人工智能工程师可能更多地参与计算机工程任务. 人工智能工程师也可能负责设定公司的发展方向 AI strategy 管理人工智能基础设施. 除非你想 hire 机器学习工程师 , 你应该招聘具有符合你要求的专业技能的AI开发人员.
如何为你的项目编写AI开发人员职位描述
你需要清楚你的组织需要通过你的职位描述来吸引熟练的开发人员. 一些公司希望工程师能够优化其组织对人工智能和机器学习的使用, 而其他人则寻找专家从零开始设计和实施人工智能解决方案. 考虑一下，你是需要一位人工智能顾问来制定新战略，还是需要一位全职员工来深入参与公司运营的各个方面.
接下来，写你的职位描述，记住关键的项目细节. 描述项目的预算, timeline, 相关业务背景, 以及现有的软件技术. 确定你想从人工智能工程师的工作中得到的预期结果, 并提供新员工即将加入的团队概况.
有一个完整的全面的职位描述, 审查并选择最佳候选人的个人资料，并进行面试，以评估他们是否适合团队.
AI开发者面试中最重要的问题是什么?
进行有效的面试, 重点关注与您的业务行业相关的问题，以及那些测试申请人对项目将使用的人工智能生态系统和流程的知识的问题.
无论项目或行业需要, 人工智能专家应该能够阐明人工智能提供的核心价值及其工作原理, 因为这些技能对于让利益相关者相信人工智能解决方案的重要性至关重要. 下面的例子为这类问题提供了一个模型，以及你可能期望经验丰富的开发人员如何回答面试问题:
人工智能是如何工作的?
一般来说，人工智能可以被定义为模仿人类思维和决策的软件. 它的工作原理是使用实际或人工创建的数据，将问题与基于ML和统计算法的潜在答案相匹配. 这些问题和答案既包括用自然语言提出的问题，也包括确定车辆的下一个位置或识别视频片段中的物体等更广泛的问题. In the past, 人工智能被用来创建专家系统，将所有可能的问题的所有可能的答案组合在一起, 具有存储和时间限制的方法. 但是，新的机器学习进步允许一种策略，提供的问题和答案不是完全匹配的，而是概率配对的, 这使得人工智能能够回答更广泛的问题——尽管精度不同.
人工智能的主要应用是什么?
虽然与人类智能相比，人工智能的能力范围在某些方面是有限的, 人工智能解决方案在 自然语言处理 (NLP)，计算机视觉(CV)，以及经典的仿真和优化问题. 经验丰富的开发人员应该了解帮助您的组织优化流程并基于您的行业和产品构建AI解决方案的最佳方法.
为什么人工智能很重要?
人工智能加起来可能是a 14% 到2030年全球GDP增长. 它已经被许多医疗保健企业广泛使用, crime systems, 知识的综合, 运输, security, and finance. 将引领新的人工智能计划的人工智能专家应该能够与现有的人工智能对话 人工智能的用途和好处 让利益相关者相信它的重要性.
因为人工智能解决方案因行业和项目需求而异, 询问开发者他们打算如何解决你的具体问题是至关重要的:
您能为我们的业务需求推荐什么型号的?
工程师应该根据公司的具体问题和数据选择合适的算法和工具. 例如，某些模型(例如.g.(如决策树)适合处理类似电子表格的表格数据，而其他(如.g.(深度神经网络)擅长处理图像或音频等非结构化数据.
你如何衡量你的人工智能解决方案的性能?
候选人必须始终牢记交付有形业务价值的目标，并建立量化该价值的方法. 寻找能够提供特定计划的开发人员，使用与业务相关的指标来衡量机器学习模型的性能. For instance, 在预测客户流失风险时, 有必要让业务领域的主题专家参与进来. 他们的见解可以帮助确定能够产生更高收入的客户群, 确保该模型在发现这些有价值的客户方面表现出色. 在这种情况下，仅仅检测低价值的风险客户是没有用的.
随着时间的推移，你如何保证你的模型的质量?
人工智能和机器学习模型的性能会随着训练模型的底层背景和环境的变化而变化. For example, 在2019冠状病毒病大流行期间，收入预测模型的错误率可能显著增加. 候选人应该概述一个明确的监控计划，以跟踪机器学习模型的性能，并及时识别其性能的任何下降.
在评估开发人员对更广泛和特定于项目的AI主题的理解之后, 你应该针对你想要的AI专业补充这些问题:
对于如何准备面试问题，没有放之四海而皆准的答案, 尤其是在雇佣人工智能专家的时候. 根据你的具体项目需求定制你的主题，这将大大有助于确保你聘请到一名高质量的工程师.
为什么公司要雇佣人工智能开发者?
人工智能无疑将改变未来. 它有可能使日常手工任务自动化，并有助于战略决策, 为公司节省大量资金. 人工智能可能会颠覆消费者营销等关键行业, finance, 医疗保健:它可以使消费产品个性化, 影响市场和风险管理的强大金融算法, and improve healthcare diagnoses (e.g., 监测我们健康状况的人工智能个人健康助手或协助手术和疾病诊断的计算机视觉系统).
人工智能应用的增加以及由此产生的对人才的需求是显而易见的, 但是人工智能工程师是做什么的, exactly? 人工智能开发人员是越来越多的现实世界人工智能应用背后的力量: 任务自动化 , chatbots, 欺诈检测, 风险评估, 医疗诊断, 个性化营销和客户服务, 图像识别, 自主车辆, 定制学习经历, video games, and more.
人工智能工程师站在研究发展的最前沿，为组织提供人工智能战略建议. 他们可能会创建整个人工智能流程和策略, 监督数据的收集和处理, 对数据进行统计分析, 构建和更新模型, 并将结果整合到公司的流程中, applications, and systems.
随着模型的范围和准确性的增加以及NLP和CV的最新发展, 在你的团队中拥有一名人工智能工程师对于保持你的业务竞争力是有意义的——如果不是必要的话.
如果你不确定人工智能如何适合你的业务, 聘请一位经验丰富的人工智能工程师担任顾问，可以帮助你确定可以用人工智能优化的系统.
如果你已经有机器学习工程师和 数据科学家 on staff, AI专家可以最大限度地提高ML模型集成的效率, AI strategy, and processes.
确保合适的人工智能工程师来实现公司目标对于组织现在和未来的成功至关重要. 本指南涵盖了选择标准和实用的招聘技巧, 您将准备为各种人工智能专业选择新员工.
本文介绍的技术内容由 Matias Aiskovich .
