最近不少朋友問我，轉(zhuǎn)行做深度學(xué)習(xí)的話，能不能找到工作，能找到什么樣的工作，能達(dá)到什么樣的收入水平……

這種問題其實(shí)不僅僅是存在與深度學(xué)習(xí)行業(yè)的入門和轉(zhuǎn)型中的思考階段了，在其它的行業(yè)和技術(shù)領(lǐng)域同樣有這樣的困惑和疑問。那么對于深度學(xué)習(xí)這個(gè)領(lǐng)域目前階段的發(fā)展來說，一個(gè)工程師要具備什么樣的素質(zhì)才能算是達(dá)到要求呢？我想可能可以粗略地分成4個(gè)檔次吧。

LEVEL1：能讀懂論文

這是一個(gè)最最基本的層次了，如果沒辦法讀懂論文的話，任何工作幾乎都談不到開展。市面上的任何書籍，不論是中文的還是外文的，都在講原理層面的事情，要想看著這些書籍來直接做項(xiàng)目是非常困難的事情。而對于拿到一個(gè)工程需求的時(shí)候，不論這是一個(gè)分解完的需求還是一個(gè)分解前的粗需求，第一步幾乎都是要到網(wǎng)上去找文獻(xiàn)——看看目前為止，世界上其它的人有沒有涉足過這方面的研究，并且有一些理論成果出來。這非常重要，因?yàn)檫@直接會(huì)奠定后面研究和開發(fā)的大方向。

LEVEL2：能修改代碼

如果你能夠讀懂論文，并且能夠在GITHUB上找到一些原生或者野生的代碼，還能運(yùn)行和修改，那么恭喜你，你已經(jīng)算是一只腳踏進(jìn)“工程師”的門檻了。這里說的原生代碼說的是論文的書寫方自己實(shí)現(xiàn)的代碼（大多數(shù)以python為主，也不乏lua等其它語言）；野生代碼就是一些好事者看了相關(guān)的論文寫的一些實(shí)現(xiàn)。這兩種不論有哪一種都是非常好的，畢竟模型已經(jīng)在一定程度上落地并且驗(yàn)證過了，尤其是那些stars給的比較多的工程項(xiàng)目。能夠讀懂，并且對這些代碼進(jìn)行工程層面的改造，已經(jīng)是實(shí)現(xiàn)相關(guān)需求的最基礎(chǔ)的內(nèi)容了。在這個(gè)部分請注意，不論是原生代碼還是野生代碼，它們在實(shí)現(xiàn)的過程中和論文可能多少都有一些出入，有的出入屬于有意或無意的刪改，有的則屬于Trick（技巧）的省略，這些都會(huì)導(dǎo)致你在運(yùn)行這些代碼的時(shí)候與論文所描述的各種技術(shù)指標(biāo)產(chǎn)生差距。不過還好，到這個(gè)程度基本已經(jīng)可以找到一份收入還說得過去的工作了。

LEVEL3：能夠?qū)崿F(xiàn)論文代碼

如果LEVEL2這個(gè)級(jí)別沒有問題的話，那么可以嘗試挑戰(zhàn)一下第三個(gè)檔次。那就是根據(jù)論文中的一大堆公式和實(shí)驗(yàn)描述來自己實(shí)現(xiàn)代碼，不過這個(gè)可著實(shí)不容易。如果實(shí)在沒有這方面的能力或者經(jīng)驗(yàn)，可以從LEVEL2做一個(gè)過渡，那就是讀懂并理解第三方代碼的深刻含義和各個(gè)部分的門道，然后做一些調(diào)整和深度修改。并能夠在自己強(qiáng)大的理論基礎(chǔ)和工程經(jīng)驗(yàn)指導(dǎo)下，對原來模型進(jìn)行有益的優(yōu)化。使得這個(gè)模型能夠順利遷移到當(dāng)前需求的場景下，并且能夠逐步演進(jìn)，直到正常工作。如果這個(gè)級(jí)別基本沒問題的話，恭喜你，在一線城市，要一個(gè)年薪50W以上的工作幾乎是唾手可得。

LEVEL4：新的模型建議

當(dāng)你對深度學(xué)習(xí)各方面理論有了足夠透徹的見解，通常都會(huì)深入地去研究一個(gè)方向而不是再涉獵廣泛地去各種下載代碼和讓他們跑起來——物體檢測、人臉識(shí)別、自動(dòng)駕駛、聲音轉(zhuǎn)換等等一系列方向都是可以嘗試的。當(dāng)研究到一定水平以后，你的研究成果是會(huì)可以在業(yè)界有脫穎而出的能力的。這個(gè)脫穎而出不是指你在理論上明顯碾壓業(yè)界標(biāo)準(zhǔn)，而是說你在模型設(shè)計(jì)上的某些技巧會(huì)比同時(shí)代的其它相關(guān)模型有著更好的表現(xiàn)不論是速度性能、準(zhǔn)確率、訓(xùn)練時(shí)間等，任何一個(gè)方面得到了明顯的提升那就是非常值得稱道的專家級(jí)人物了。到這個(gè)級(jí)別，在不少公司里基本都可以被稱為“科學(xué)家”，或者“資深專家”了。

在此之外，應(yīng)該還有更高的層次，不過我想把它列入工程師的評(píng)價(jià)范疇顯得不太合適——那就是，可以提出比較新的理論基礎(chǔ)或者方式，在更大層面給后世提供一個(gè)研究的基調(diào)或者方向。例如CNN的提出，例如GAN的提出等，這些都是有著劃時(shí)代意義的。達(dá)到這個(gè)檔次的數(shù)據(jù)科學(xué)家會(huì)成為整個(gè)行業(yè)坐標(biāo)性人物，也是鳳毛麟角。這是每個(gè)深度學(xué)習(xí)工程師都值得去努力追求的方向。