圖片來源: 

LinkedIn

LinkedIn最近釋出一張AI人才的技能發展圖,揭露這些人才在不同階段所學習到的技能順序,指出他們在獲得機器學習技能前,通常會先習得R、Python語言和資料探勘技能。此外,LinkedIn也一併提供了機器學習專業人士的產業分布狀況,以及這些人在不同產業所擁有的「可轉移」技能。這些資料,可作為找尋AI人才雇主的參考,如果招募機器學習人才競爭太大,不妨先從擁有R、Python語言和資料探勘技能的人才找起;如果要從別的產業尋找機器學習人才,也可從「可轉移」技能下手。

為分析AI人才技能發展以及產業分布狀況,LinkedIn研究了自2017年4月至2018年3月整整一年的全球使用者檔案,以及檔案中所列出的技能。只要使用者列出至少一種機器學習技能,比如機器學習、自然語言處理或文字探勘等,就會被歸類為機器學習人才。至於人才需求的衡量,則是根據這些人才所收到的Recruiter InMail平均數量來計算。

AI人才技能發展歷程


(圖片來源:LinkedIn)

在這次研究中,LinkedIn以圖呈現AI人才的技能發展歷程,按照所習得的技能順序,依次可分為HTML、Java、C++、MatLab、SQL、統計、資料分析、R語言、Python語言、資料探勘、機器學習、電腦科學、資料視覺化、AI。

從這個順序可看出,要發展為AI人才的初始技能,涵蓋了HTML、Java和C ++等程式語言。而在習得機器學習技能前,常見的技能則有R、Python語言和資料探勘。

LinkedIn也對此提出獵才建議,表示與其加入機器學習人才爭奪戰,企業雇主不妨培養擁有上述技能的在職員工,讓他們學習機器學習技能,或是從外部尋找擁有R、Python語言和資料探勘技能的人才。

另外,LinkedIn報告統計也顯示了機器學習人才的產業分布狀況,目前擁有最多機器學習人才的領域,為高等教育和研究單位,占總數的33%,職業類別包括了研究人員、老師,以及學生。其次則是IT和電腦軟體業,占了19%,而占7%的網路業則是第三名,其餘包括金融業和諮詢顧問業。LinkedIn也研究了機器學習人才在不同產業間的流動,指出這些人才並不排斥跳槽到新產業或新公司。報告指出,去年有22%的機器學習人才換了工作,而這當中有72%的人換了產業。


(圖片來源:LinkedIn)

機器學習人才在四大產業的「可轉移」技能

LinkedIn在這次報告中,也介紹了機器學習人才分別在網路業、軟體業、金融業和諮詢顧問業,「可轉移」的技能組合。


(圖片來源:LinkedIn)

舉例來說,LinkedIn統計出進入金融業的機器學習人才,與其他產業相比,更可能擁有商務分析、SAS、Tableau和商業智慧等技能。而進入軟體業的機器學習專業人士,更可能具備程式語言相關技能,比如PHP、CSS、MySQL和JavaScript等。至於網路業,則是分散式系統、Git、演算法、Hadoop等,而諮詢顧問業則是商務決策、Tableau、專案管理和領導技能等。

LinkedIn因此表示,「機器學習」並不是專業人士的唯一技能。雇主可透過觀察機器學習人才的技能組合,來尋找適合人選。文⊙王若樸


Advertisement

更多 iThome相關內容