AI人才需求趋势
当下，人工智能人才的巨大缺口，主要通过三种方式缓解：海外人才引进、高校加大培养、传统人才转行。
海外人才引进，一定程度上缓解了AI顶尖人才的极度匮乏情况，但无法满足社会对普通AI人才更为广泛的需求。
高校对AI人才的培养，是解决问题的根本，但通常需要6-8年的筹备与探索期，才会逐渐形成稳定的人才输出。今年4月，教育部为响应国务院号召，发布《高等学校人工智能创新行动计划》，计划中明确提出：加强人工智能领域专业建设，到2020年建立50家人工智能学院、研究院或交叉研究中心。但是由于国内高校的AI起步较晚，师资力量较为欠缺，目前还未形成系统的课程培养体系，难以很快填平AI人才缺口。
上述两种方式的尴尬现状，均不能在短期内缓解AI人才市场的需求。供需严重不平衡的现状，使得AI从业者薪水普遍数倍于传统行业！
AI岗位薪资
同时，入门AI并非难以企及之事（具备扎实的数学和编程基础，掌握好入门方式），使得传统行业人才纷纷转行人工智能。据调查统计，高达48%的程序员打算在2018年学习人工智能，为转行做准备。
转行人工智能的程序员
转行人工智能的第一步：机器学习
人工智能是一门多学科交叉的综合性前沿学科，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等诸多领域，每个领域都对应诸多垂直方向的招聘岗位。
人工智能研究分支
机器学习是当下实现人工智能的主流方法，因此“入门人工智能”可以先从入门机器学习入手。在我们学习机器学习算法时，往往会遇到以下两种情况：（1）算法的数学推导吃力，无法理解具体核心参数表示的物理意义；（2）弄懂算法原理后，面对实际问题，依然不知道如何利用算法解决。久而久之，学习积极性消失殆尽，从入门变为放弃。
造成这种普遍现象的原因在于，学习者数学基础不扎实、实践经验不足。数学基础不扎实，无法推导算法的数学公式，进而不能深入理解算法的核心思想。
数学对于机器学习的重要性
学习机器学习最重要的基础是数学和编程。对于普通程序员，C++/Python等编程能力比较强，但数学基础比较薄弱。恰恰，数学作为表达与刻画机器学习模型的工具，是深入理解机器学习算法原理的基石，也是算法创新的基础技能。
当下，无论是科研院校AI方向的研究生招生，还是AI企业技术岗位招聘，都明确说明数学专业的优先，可见数学之重要。
企业招聘要求
