2024年成为AI工程师的3个路径和技能

2024年成为AI工程师的3个路径和技能

随着人工智能技术的迅速发展，AI工程师成为了当下和未来的重要技术角色之一。对于许多软件工程师来说，转型成为人工智能工程师是一个具有吸引力的选择。那么，如果你是一名软件工程师，想要成为一名AI工程师，应该如何规划自己的职业发展呢？

成为人工智能工程师的路线图

对于软件工程师来说，转型成为AI工程师需要掌握以下核心技能：

1. 技术知识：包括机器学习、深度学习、数据挖掘、自然语言处理等方面的知识。可以通过在线课程、培训班或者自学来获得这些知识。参与开源项目或实际项目也是很好的学习途径。

2. 数学和统计学：在AI领域，数学和统计学被广泛应用于算法和模型的设计与优化。因此，建议在学习技术知识的同时，也要加强数学和统计学的学习。

3. 软技能：要想成为一名优秀的人工智能工程师，不仅需要具备扎实的技术功底，还需要具备良好的问题解决能力和团队合作能力。因此，在职业发展过程中，可以多参与一些与团队合作相关的项目或活动，提升沟通协调能力和团队合作意识。

先决条件

• 对 Python / JS 编程有中级理解。
• 理想情况下，必须具有使用 Flask、Rails 或 Node.js 编写至少 2-3 个中等复杂应用程序（例如博客 Web 应用程序）的经验。
• 至少可以轻松地阅读要构建的文档。
• 可以轻松地在 VS Code 等 IDE 中进行编码。
• 使用 git 和 GitHub 虽然很重要，但可以在开发项目时学习。

AI工程师技能路线图

我将整个AI工程师轨道分为 3 个阶段：

• 初级（<= 1 个月）：构建基本应用程序以学习使用 LLM API，为您的应用程序仔细设计提示并使用开源 LLM。
• 中级（约 2 个月）：使用检索增强生成 (RAG) 深入构建更多上下文感知的高级应用程序。了解矢量数据库以及如何使用矢量数据库。学习使用法学硕士和工具构建代理。
• 高级（约 3 个月）：掌握应用程序构建后，学习使用 LLMOps 在生产中部署、优化和管理由 LLM 支持的应用程序。学习微调预先训练的模型，以高效且低成本地适应下游应用程序。

初级技能

• 了解 LLM 的基础知识——应该知道 ChatGPT 在高层次上是如何工作的。
• 学习面向开发人员的快速工程。如何编写提示以提高法学硕士的反应。
• 学习使用 API 中的数据，学习使用 JSON 数据。
• 学习调用封闭和开源LLM模型、函数调用、传递提示和解析响应。
• 学习从对话中管理上下文空间。
• 学习创建和自动化一系列操作 – 使用 langchain 的链。
• 使用 Gradio 或 Streamlit 进行 POC 和演示的基本应用程序开发。
• 部署您的应用程序以使其可访问 – HuggingFace Space 或 Streamlit 云上的基本部署。
• 多模式生成 – 使用 HuggingFace transformer 库的代码、图像、音频。

中级项目

• 了解向量嵌入和向量数据库。
• 学习如何在您的应用程序中使用矢量数据库。
• 构建检索增强一代 (RAG) — 与您的知识库聊天。
• 开发高级 RAG 管道，例如子问题查询引擎，可以在遍历多个数据源后提供响应。
• 构建代理——迭代工作流程来完成一项大任务。
• 构建多代理应用程序，其中多个代理一起工作以提供更好的解决方案。
• 具有多个代理的自动化 – Autogen 和 Crew AI
• 评估 RAG——RAGA 框架。
• 管理数据库、检索、部署完整的应用程序、版本控制、日志记录和监控模型行为。

高级项目

• 针对特定领域的知识和定制的响应（如医学研究、金融研究、法律分析）对预先培训的法学硕士进行微调。
• 整理数据集并设计（ETL 管道）管道以进行模型微调。
• 评估和基准模型性能
• LLMOps — 通过模型注册、可观察性和自动化测试构建完整的端到端管道。
• 构建多模态应用程序——文本和图像的混合语义搜索
• 构建 SDK、软件包和自定义解决方案以支持其他开发人员
• 使用即时黑客攻击等技术，并通过检查漏洞和潜在风险，结合防御措施来保护您的人工智能应用程序。

如何培养这些技能

最好的学习方式是通过实践来学习。建议从事项目工作，这不仅能帮助你学习，还能让你真正理解这些概念，并进一步提高思考前沿用例的技能。可以在同一存储库中找到项目想法。

吴恩达AI教学笔记之推理类应用教程是一个很好的学习资源，提供了详细的教程和项目指导。