對具有足夠資格進(jìn)行最新研究和工程的AI和ML專業(yè)人員的需求非常高。同時(shí)，盡管有了新的碩士和博士學(xué)位，但人工智能專業(yè)人才的供應(yīng)卻很稀少。過去幾年在全球范圍內(nèi)啟動的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)計(jì)劃。

盡管如此，聘用優(yōu)秀的ML工程師仍然是招聘人員的一項(xiàng)艱巨任務(wù)-不僅是因?yàn)锳I人才的匱乏，而且還因?yàn)檎衅笇＜抑g缺乏相關(guān)經(jīng)驗(yàn)。對于大多數(shù)招聘人員來說，人工智能仍然是一個新的且晦澀的領(lǐng)域。

在本文中，我們與您分享有關(guān)招聘AI和ML專業(yè)人員的詳細(xì)指南，包括尋找技能，根據(jù)情況應(yīng)用的招聘策略以及可以吸引頂尖人才的優(yōu)勢。我們還分享了一些有關(guān)保留最佳ML專家的提示。但是首先，請確保您沒有做這七件事來嚇off您要雇用的AI人才。

如果您希望在招聘AI和ML職位時(shí)利用自己的經(jīng)驗(yàn)來招聘傳統(tǒng)軟件開發(fā)人員，那么您可能走錯了路。盡管這些角色之間有著明顯的相似性，但傳統(tǒng)軟件開發(fā)和機(jī)器學(xué)習(xí)中成功職業(yè)的技能卻相差很多。

盡管軟件開發(fā)人員通常在具有明確定義的截止日期和發(fā)布的結(jié)構(gòu)化任務(wù)上進(jìn)行工作，但是機(jī)器學(xué)習(xí)專家需要處理更多的探索性工作，實(shí)驗(yàn)和較不明確的時(shí)間表中反映的更高的不確定性。而且，機(jī)器學(xué)習(xí)項(xiàng)目需要持續(xù)的支持和完善，這不允許機(jī)器學(xué)習(xí)工程師簡單地轉(zhuǎn)移到另一個項(xiàng)目（就像軟件開發(fā)人員通常所做的那樣）。

一個在數(shù)學(xué)和統(tǒng)計(jì)學(xué)背景是很重要的。與傳統(tǒng)軟件工程相比，機(jī)器學(xué)習(xí)模型的開發(fā)和訓(xùn)練通常需要更高級的數(shù)學(xué)直覺。為了了解哪種算法更適合特定的業(yè)務(wù)問題，如何提高M(jìn)L模型的性能以及如何解釋結(jié)果，ML工程師需要對這些ML算法背后的數(shù)學(xué)有很好的理解。