|
AI已来，从科技和金融到医疗保健、零售和制造，今天几乎每个行业都开始将AI纳入其技术平台和业务运营。结果是对能够设计、实施、利用和管理AI系统的工程师的人才需求激增。
未来十年，对AI人才的需求只会继续增长。美国劳工统计局预计，到2030年，AI工程师的需求将增长23%，AI的一个子领域机器学习（ML）工程师的需求将增长22%。
在科技行业，这种需求正如火如荼。最近的一项劳动力市场分析显示，2023年生成式AI要求技能的工作岗位增加了令人难以置信的1，848%。分析还发现，2023年有超过385，000个AI角色的帖子。
为了利用AI的变革潜力，公司不能简单地雇佣新的AI工程师：他们还不够多。为了解决全球AI工程人才短缺的问题，你必须提高现有工程师的技能。
AI和AI的基本技能
AI及其子领域机器学习（ML）和自然语言处理（NLP）都涉及在大型数据集上训练算法，以产生可以执行复杂任务的模型。因此，不同类型的AI工程角色需要许多相同的核心技能。
CodeSignal的人才科学团队和技术主题专家对AI工程角色进行了广泛的技能映射，以定义这些角色所需的技能。这些是他们为两个流行的AI角色确定的核心技能：ML工程和NLP工程。
有效技能发展的组成部分
如今，大多数企业学习项目都采用传统的课堂学习模式，即一名教师用一节课为多名学习者服务。员工从选择一个项目开始，通常没有什么指导。一旦他们开始上课，课程可能会使用视频来传递指令，然后是测验来衡量他们对信息的记忆。
几十年的研究表明，传统的一对多的学习模式并不是最有效的学习方式。教育心理学家本杰明·布鲁姆观察到，通过一对一辅导学习的学生比同龄人高出两个标准差；也就是说，他们比98%在传统课堂环境中学习的人表现更好。一对一辅导优于课堂学习的优势被称为教育中的2-sigma问题。
多项选择测验对员工的技能提供了一个糟糕的信号——特别是像AI和ML工程这样的专业技术技能。测验也没有给学习者在现实环境或工作流程中应用所学知识的机会。
如果没有基于当前技能、优势和目标以及团队需求的指导，员工可能会选择与其技能熟练程度或目标不匹配的课程或学习计划。
培养你的团队成员掌握AI和AI技能需要一个学习计划，提供以下内容:
一对一辅导。当今一流的技术学习计划使用AI助手，这些助手能够感知上下文并与学习环境完全集成，以便为大规模学习者提供个性化的一对一指导和反馈。
基于实践的AI技能学习。几十年的研究表明，人们通过主动实践，而不是被动接受信息，学习得最好。你用来提升你的团队在AI和AI方面的技能的学习计划应该以实践为中心，并利用模拟真实AI和AI工程工作的编码练习。
结果驱动的工具。最后，最好的技术提升项目能确保员工真正掌握相关技能(而不仅仅是打勾)并在工作中应用他们所学。学习计划还应该让经理们了解团队成员的技能增长和掌握情况。您的平台应该包括基准数据，以允许您将您团队的技能与更多的技术人才进行比较，并与您现有的学习系统集成。
结论
对AI和ML工程师的需求已经出现，并将在未来几年继续增长，因为AI技术对各行各业越来越多的组织变得至关重要。寻求填补团队AI和AI技能缺口的公司必须投资于提升现有技术团队的关键AI和AI技能。
查询进一步信息，请访问官方网站https://spectrum.ieee.org/your-next-great-ai-engineer。（Robin Zhang，产通数造）
|
