AI已來,從科技和金融到醫療保健、零售和制造,今天幾乎每個行業都開始將AI納入其技術平臺和業務運營。結果是對能夠設計、實施、利用和管理AI系統的工程師的人才需求激增。 未來十年,對AI人才的需求只會繼續增長。美國勞工統計局預計,到2030年,AI工程師的需求將增長23%,AI的一個子領域機器學習(ML)工程師的需求將增長22%。 在科技行業,這種需求正如火如荼。最近的一項勞動力市場分析顯示,2023年生成式AI要求技能的工作崗位增加了令人難以置信的1,848%。分析還發現,2023年有超過385,000個AI角色的帖子。 為了利用AI的變革潛力,公司不能簡單地雇傭新的AI工程師:他們還不夠多。為了解決全球AI工程人才短缺的問題,你必須提高現有工程師的技能。 AI和AI的基本技能 AI及其子領域機器學習(ML)和自然語言處理(NLP)都涉及在大型數據集上訓練算法,以產生可以執行復雜任務的模型。因此,不同類型的AI工程角色需要許多相同的核心技能。 CodeSignal的人才科學團隊和技術主題專家對AI工程角色進行了廣泛的技能映射,以定義這些角色所需的技能。這些是他們為兩個流行的AI角色確定的核心技能:ML工程和NLP工程。 有效技能發展的組成部分 如今,大多數企業學習項目都采用傳統的課堂學習模式,即一名教師用一節課為多名學習者服務。員工從選擇一個項目開始,通常沒有什么指導。一旦他們開始上課,課程可能會使用視頻來傳遞指令,然后是測驗來衡量他們對信息的記憶。 幾十年的研究表明,傳統的一對多的學習模式并不是最有效的學習方式。教育心理學家本杰明·布魯姆觀察到,通過一對一輔導學習的學生比同齡人高出兩個標準差;也就是說,他們比98%在傳統課堂環境中學習的人表現更好。一對一輔導優于課堂學習的優勢被稱為教育中的2-sigma問題。 多項選擇測驗對員工的技能提供了一個糟糕的信號——特別是像AI和ML工程這樣的專業技術技能。測驗也沒有給學習者在現實環境或工作流程中應用所學知識的機會。 如果沒有基于當前技能、優勢和目標以及團隊需求的指導,員工可能會選擇與其技能熟練程度或目標不匹配的課程或學習計劃。 培養你的團隊成員掌握AI和AI技能需要一個學習計劃,提供以下內容: 一對一輔導。當今一流的技術學習計劃使用AI助手,這些助手能夠感知上下文并與學習環境完全集成,以便為大規模學習者提供個性化的一對一指導和反饋。 基于實踐的AI技能學習。幾十年的研究表明,人們通過主動實踐,而不是被動接受信息,學習得最好。你用來提升你的團隊在AI和AI方面的技能的學習計劃應該以實踐為中心,并利用模擬真實AI和AI工程工作的編碼練習。 結果驅動的工具。最后,最好的技術提升項目能確保員工真正掌握相關技能(而不僅僅是打勾)并在工作中應用他們所學。學習計劃還應該讓經理們了解團隊成員的技能增長和掌握情況。您的平臺應該包括基準數據,以允許您將您團隊的技能與更多的技術人才進行比較,并與您現有的學習系統集成。 結論 對AI和ML工程師的需求已經出現,并將在未來幾年繼續增長,因為AI技術對各行各業越來越多的組織變得至關重要。尋求填補團隊AI和AI技能缺口的公司必須投資于提升現有技術團隊的關鍵AI和AI技能。 查詢進一步信息,請訪問官方網站https://spectrum.ieee.org/your-next-great-ai-engineer。(Robin Zhang,產通數造)
|