• 首頁
  • 【媒體報導】培養 AI 工程師的達摩院!台灣人工智慧學校如何幫助工程師跨越技術升級門檻

【媒體報導】培養 AI 工程師的達摩院!台灣人工智慧學校如何幫助工程師跨越技術升級門檻

人工智慧的快速發展,不僅成為近年來企業數位轉型的熱門話題,也是系統工程師職場升級的重點,原因無他,只因 AI 工程師是目前最炙手可熱的技術職缺,過去 2 年, AI 職缺需求以每年 2~3 倍的速度在成長,年薪也幾乎從百萬開始起跳。


成為 AI 工程師的關鍵門檻:跨出傳統工程師思維


然而,要成為一名 AI 程式設計工程師 ,除了要加強 程式設計與資料處理 /分析的 AI 相關技術能力,更重要的是打破腦海中對程式設計的既有觀念(Mindset)。


台灣人工智慧學校校務主任蔡明順 表示,一般系統程式設計與 AI 程式設計在觀念上有著非常大的差異,系統程式設計從需求訪談開始,確立好規格後,例如:系統要執行邏輯運算與動作 、哪些資料要存到資料庫 …等,工程師會依據規格寫出一行又一行的程式,之後才會產出數據。而 AI 程式設計不一樣,工程師運用適當的演算法,讓電腦透過深度學習或機器學習基於大量數據自主學習,建立模型,以模型來進行之後的決策動作,等於是程式邏輯是基於機器學習加大數據而自動產生。


以圖片辨識為例,如果要電腦自行分辨圖片裡的水果是橘子或蘋果,以前軟體工程師要逐行逐條寫規則,例如:紅色、圓形就是蘋果,用規則讓系統去分辨。現在則是讓電腦自行學習這些 圖片 條件 ,只要給予適當的學習演算法及資料,電腦就會自主學習,知道該如何分辨。


四個月的 AI 達摩院,透過影片與老師搭配的翻轉教學與專題實作,務求結業後就上場打仗


台灣人工智慧學校教研處副處長 Nelson 強調,AI 程式設計工程師的工作重點是,根據 AI 應用決定要使用哪一種演算法,用演算法堆疊出深度學習 /機器學習模型,而不是去寫規則。


從 AI 與一般軟體在程式設計上的觀念差異,就能看出其對技術能力的需求, AI 程式設計工程師時,在面對不同機器學習模型,如:類神經網路(neural network)、隨機森林 …等,還有各個模型所對應的開發框架,以及各種演算法所代表的意義,都必須具備基礎認知,才能根據不同應用情境,選擇最適合的演算法。


而這方面的知識,除了靠工程師自行在網路上進修外,就只能仰仗坊間技術課程來補強。蔡明順指出,台灣人工智慧學校開設的技術領袖培訓班,便是為此而設計,在理論與實務並重的課程設計下, 只要短短以 4 個月時間,協助工程師轉型成有即戰力的產業 AI 技術人才。


完整課程設計,提前為工程師準備好「 AI 萬能工具箱」


蔡明順表示,技術領袖培訓班最大重點在於,讓產業在職人士學習 AI,希望他們在課程結束後,能夠將知識帶回工作領域加以活用,進而加速推動台灣 AI 應用的發展。這樣的教育理念,形塑出技術領袖班與坊間 AI課程的差異,那就是課程內容最完整、運算資源最充足,並且十分重視實作訓練。


台灣人工智慧學校特別邀請全台頂尖講師錄製教學影片,讓學員可以自行掌握學習步調,並由超過三十位的富經驗的助教隨時在旁解答疑惑及補充資訊。每門課的結束,將邀請該領域的一流講師現場與同學互動交流,由老師做課程總結,釐清所有疑難雜症,以及講解最新技術及應用發展。為讓學員在上課實作過程中,擁有充足的運算資源,學校更斥資六千萬購買 GPU clusters,一共擁有超過 500 片的 GPU 提供學員使用,學員不用自備 GPU 。



台灣人工智慧學校教研處處長 Jock 進一步說明,在課程內容規劃上,前 8 週為理論課程、後 8 週則進行專題實作,讓學員能夠應用課堂上所學到的 AI 理論知識,針對企業所提出的 AI 議題進行實作。


在理論課程的部份,從台灣人工智慧學校網站上公佈的課程大綱可以看出,其 翻轉教學課程 涵蓋數學機率與統計、機器學習、深度學習,到背後所需的各種演算法,包含適合處理影像辨識的卷積神經網路( Convolutional Neural Network; CNN)、常用於處理時序資料的循環神經網路(Recurrent Neural Network; RNN)、自然語言處理(Natural Language Processing; NLP)、影像生成或修圖應用的生成對抗網路(GAN, Generative Adversarial Network; GAN),都涵蓋在授課內容裡,不像一般 AI 技術課程受到時間限制,通常只能教 Python 程式語言,或一些簡單的演算法。


就如同一般家庭工具箱都會有十字、一字或不同粗細的螺絲起子,才能隨時檢修家中物品,而台灣人工智慧學校的技術領袖培訓班,就像是為 AI 程式設計工程師準備的工具箱, Jock 形容,課程中所教授的每一個演算法或應用情境,就是 AI 基礎工具,工具箱必須先裝滿基礎工具,日後碰到問題時,才知該使用哪一種工具來解題。


蔡明順主任提到,在學會如何使用工具之後,能夠實際的運用也很重要。因此學校另一個重要的課程特色,就是專題實作課程。透過學界及企業夥伴的合作,由他們提供題目和資料,成為學員期末選擇的專題的題庫,至今已累積有數十家合作企業。讓學員們藉由專題實際接觸電子 、金融、零售、服務、化工、電商、電信等各領域的問題,進而利用所學的 AI 技術解決業界問題,迅速擴大視野及累積實力。


蔡明順認為,一個好的 AI 技術人才,必須具備三大基礎能力:程式設計、數學和統計機率及領域知識,其中,程式設計是基礎,領域知識則仰仗工作經驗來累積,唯有數學和統計機率能夠透過短期密集訓練來補強。因此,台灣人工智慧學校才會針對產業工程師推出技術領袖培訓班,希望強化其在 AI 程式設計上的能力,再結合既有領域知識,不只為工程師創造更多就業機會,也為台灣 AI 產業應用創造更美好的願景。


※ 原文內容詳見:培養 AI 工程師的達摩院!台灣人工智慧學校如何幫助工程師跨越技術升級門檻