中年程序员转职AI是否可行？如何着手？

大家好。

我是EE背景，工作后一直用C++开发桌面应用，都是在工程领域。主要用的都是上个世纪的技术。

人到中年（40+），觉得目前掌握的技能不足以工作到退休，近两年就一直在考虑未来的职业发展。

最初是考虑到换到Web开发，也自学了一段时间。但自己的工作经验在这个领域没什么竞争力。哪怕Java和C++再象，转职后也得重新开始，搞不好还得和年轻人竞争。尽管我个人对Web开发很感兴趣，但觉得如果作为职业发展，这个领域还是更适合年纪轻一点的时候，如果到四五十岁还没到Architect的级别还是容易被淘汰。

关于转职AI，从我的角度来看一是C++的经验还用得上，二是EE专业的数学底子还过得去。从领域来说，AI的核心技术比较倚重数学，不会象搞应用的更新迭代很快，一旦进到这个领域，可持续发展的潜力较好。缺点就是门槛比较高，入门花的时间精力比较高。

不知道我的想法对不对，请大家指点一下。我明白未来的事情谁都不敢确定，只是集思广益。

另外，要搞AI的话需要学些什么，找什么样的工作我也是一头雾水，如果有了解的敬请指点一二，感激不尽。

看你要做ml，还是ai。 ml 没啥难度， 自己看看书， 内部转个组，ai需要努力一丢丢， 很多做ml的人其实不懂ai的。

二流大厂的ai = ml， 就是个xgb 水平

一流公司的ai都有强大的api，你不需要懂math，也可以。

看你对自己的expectation吧。

C++不是很有用，unless， real ai is your thing， which really needs time。 这个level 的ai 就是没有weekend， 一周工作7天，差不多读懂300+ paper，你可以自己写个chatbot啥的， 这个需要passion。至少初衷是热爱，不是生存。

我是从Data Infra转成Machine Learning Engineer。因为有Spark和Cassandra经验非常的容易转。所以真要去不妨先练好Data Infra再转ML。

另外，“不会象搞应用的更新迭代很快。”这是极大的误解。机器学习迭代比resource management和databases之类技术的快很多。Spark和TF每年都要出一拨新功能，很多code都要重写，甚至redesign。其他的一些框架，如Caffe, MXNet, Xgboost, Treelite如雨后春笋般冒出来。机器学习中的一些问题甚至是Open Question：Model迭代中如何保证compatible，Model太大怎么deploy到移动端，怎样发现和管理common feature。这些问题几乎不断的再找新的解决方案。

For sure,AI is the future. My only concern is how to the the first job and how to get experience to the real AI  field. If you are new , then, your entry salary might below you expedition,. Then, family pressure might come and overcome it could be the challenge. I am not familiar with AI, Not sure how this field work compared with traditional way? Hopefully, someone with that part of experience could give you some more realistic suggestion. All the best!

想到一个盆友给我讲的他们组尝试转ai的过程：
他和他老板想看看他们组能不能作ml相关的东西，然后一起看了油管上Andrew的公开课，看了几个小时觉得完全看不懂公式就放弃了。后来他告诉我，看得是Andrew，在黑板上板书的那一版。。。
为嘛可以编辑而不是补充啊

还有个是听fb家某经理说的，不知道实际到底啥情况，fb内部很多人想转去ml的组，但是fb的ml的组更愿意（从外面或者new grad）招之前做过ai的人

支持鼓励一下！我也是EE背景，刚刚从底层转到AI组，完全没有AI的知识。现在在edx上上课。互勉！

yguo89 发表于 2018-5-12 12:50
支持鼓励一下！我也是EE背景，刚刚从底层转到AI组，完全没有AI的知识。现在在edx上上课。互勉！

多谢。能问一下是什么课程吗？

sunnysky 发表于 2018-5-12 22:19
多谢。能问一下是什么课程吗？

我是微软员工，所以就干脆拿了Microsoft Professional Program in AI。
https://www.edx.org/microsoft-pr ... ficial-intelligence

可以向machine learning engineer上靠，一般都需要C++功底，同时补习一些理论知识，统计概率，再上一些相关的公开课基本可以满足ML engineer的要求。ML engineer是个比较适合楼主的入门方式，但是不知道楼主做AI是想做scientist还是engineer，之后的差别就有点大了

kkissmart 发表于 2018-5-13 04:57
看你要做ml，还是ai。 ml 没啥难度， 自己看看书， 内部转个组，ai需要努力一丢丢， 很多做ml的人其实不懂a ...

what does real ai mean?