企业在深度学习与机器学习技能上对人才有哪些要求？-德赢Vwin官网网

想成为一名优秀的开发工程师不是一件简单的事情，除了掌握工程师的通用技能以外，还需要掌握机器学习的各种算法，更需要掌握从开发到调试到优化等一系列能力，这些能力中的每一项掌握起来都需要足够的努力和经验。近两年来，深度学习框架技术领域正在飞快的发展，我们在谈到机器学习工具时，首先想到的就是深度学习框架。也是大家在技能进阶过程中必学的一项。今天我们就从深度学习框架的发展趋势入手，分析现在企业对人才在深度学习框架与其他机器学习工具技能上有哪些要求。

▌深度学习框架技术哪家强？你 Pick 了谁？

根据 GitHub 活跃数、开发人员使用人数、在招聘描述中出现的频率等综合数据分析，Google的 TensorFlow 仍稳居第一，被广大网友一致认为非常适合入门学习的 Keras 、人气涨势迅速的 PyTorch 、还有 Caffe 、Theano、MXNet 、CNTK 、Caffe 2.0、FastAi等框架都紧随其后，受到越来越来多开发者和企业的关注。

近日，ICLR 2019（国际学习表征会议，被认为是深度学习的顶级会议）开始投稿。在 Reddit 上有一个话题讨论：” ICLR 2018 & ICLR 2019 使用 TensorFlow、Keras 和 PyTorch 深度学习框架的论文数量对比”，从数据中我们可以看出，这三个深度学习框架仍然是关注度最高的三个框架，而今年 PyTorch 的涨势则非常大。10 月 3 日，Facebook 更是重磅发布深度学习框架 PyTorch 1.0 开发者预览版，包括一系列工具和集成；fast.ai 发布的 fastai.1.0 也是基于 PyTorch 构建的开源深度学习库。

Keras 之父François Chollet 在之前的一条 Twitter 中也曾表达过他的一些观点：“我觉得 TensorFlow 和 Keras 有 80％的可能性在 20 年后仍然存在，并在 10 年后（2028年）仍拥有庞大的用户群。卷积神经网络在 20 年后（2038年）仍然流行的概率大约是 20％，AI 领域的发展实在太快了。”（via:François Chollet）

▌国内开始奋力发展，积极打造全方位生态体系

当前，因为机器学习、深度学习一些基础性算法已经较为成熟，各科技公司纷纷建立算法模型工具，以便开发者和公司参考和使用并帮助大家实现技术进阶与转型。虽然上面提到的这些框架都是国外的 AI 科技巨头或高校的研究成果，但是国内的科技企业和研究机构也已经开始在这个技术领域上奋起发力，比如此前最为大家所熟知的由百度发布的深度学习开源平台 PaddlePaddle，今年小米发布了自研移动端深度学习框架 MACE。上周，华为在全联结大会上发布了 AI 战略。除了宣布两款 AI 芯片外，更是重磅发布了面向 AI 开发者的一站式开放式平台——ModelArts 和开发框架 MindSpore 。

另一个必须要提到的工具就是以 AutoML 为代表的自动机器学习工具。Google 推出的开发者的利器——AutoML 相信大家已经非常熟悉了。在 Cloud AutoML 发布之时就表示”我们希望，即便你不懂机器学习，也能帮你训练出一个定制化的机器学习模型，让 AI 技术能够普及每一个企业“。为了开发者和公司不被技术的壁垒所限制，类似 Cloud AutoML 的工具开始不断出现。微软之前也发布了云端服务的 Custom Vision；GitHub 上公开的开源自动机器学习库 Auto-Keras；今年，国内探智立方公司也发布了人工智能模型自动设计平台——DarwinML 1.0。

未来，TensorFlow 与其他框架的竞争仍将继续；科技公司也在积极合作探索模型互换、迁移等技术；同时，开源框架也将向着统一与标准化的方向发展。更高级的 API 也将占据更重要的地位，例如 Keras，可以与 TensorFlow、MXNet 等多种框架结合运行，甚至可以取得双赢的效果；对计算力的高需求，如何突破现在面临的瓶颈；随着应用场景的不断丰富，机器学习工具如何结合各行各业进行工业级、大规模实践；如何利用自动模型工具更高效的训练模型、选择模型都是我们要探讨的问题，也是所有AI 开发者要学习与努力的方向。

▌企业更关注开发人员的哪些技术技能呢？

上面的图表是国外一位作者爬取了LinkedIn、Indeed、Simply Hired、Monster 和 Angel List 上的招聘描述。营长也在国内某互联网、技术人才招聘网站上搜索了几个著名科技公司的招聘需求。可以看到，无论在国内还是国外，TensorFlow 都是现在是各大企业在招聘描述中关注度最高的深度学习框架。

还有一些实习生的招聘要求：

可见，除了深度学习框架，大规模机器学习平台与分布式平台的设计和开发、集群并发计算开发等相关的实践能力与经验同样非常重要。但是，我们往往很难真正接触到工业级大规模的业界实际问题，那面试的时候又如何具备这些知识与技能呢？如果从一开始就没有这方面的积累，到真正找工作时候又如何应对？

现在，CSDN 以 AI 开发者的需求为导向，联合硅谷 AI 社区 AICamp 出品的 2018 AI 开发者大会（AI NEXTCon）于 2018 年 11 月 8-9 日在北京召开。

8 日下午，我们专门开设“机器学习工具技术专场”，为大家邀请到了在研究和工业级大规模机器学习平台开发、深度学习平台开发应用有着丰富经验的技术专家们。

大家不仅可以学习到 TensorFlow 在工业级大规模平台的应用开发与案例；深度学习框架新架构下的应用、测试分析与调优技术；百度 PaddlePaddle 平台核心技术的开发实践与应用；还有Google Brain 技术专家与你一起共同探讨 AutoML 在不同领域中的应用。

下面介绍机器学习工具技术专题的重磅讲师团：

邹欣：微软亚洲研究院研发经理

演讲议题：AI 平台和应用实践

邹欣老师，负责过必应搜索客户端、必应输入法、必应词典、微软小娜等产品。曾出版《移山之道》、《编辑之美》（合作）、《构建之法》三部书籍。邹欣老师是 CSDN 博客专家，在 CSDN 博客网站上开设人工智能专栏，文章深受开发者们的喜爱。

袁进辉：北京一流科技有限公司董事长、首席科学家

演讲议题：如何让深度学习框架具有横向拓展能力？

袁进辉老师于 2008 年 7 月获得清华大学计算机系工学博士学位，并获得清华大学优秀博士学位论文奖。2013 年加入微软亚洲研究院从事大规模机器学习平台的研发工作。2014 年，发明了当时世界上最快的主题模型训练算法和系统 LightLDA，只用数十台服务器即可完成以前数千台服务器才能实现的大规模主题模型，该技术成功应用于微软在线广告系统。2015 年至 2016 年底，专注于搭建基于异构集群的深度学习平台。2017 年创立北京一流科技有限公司，致力于打造分布式深度学习平台的事实工业标准。袁老师将会会结合深度学习对计算力需求，分析目前在软硬件上的瓶颈；提出深度学习框架的新架构；并教大家在静态调度的流式引擎新架构的深度学习框架下，如何进行测试结果分析、性能调优等一系列实践技能。

林嵩：Google Developers Experts 谷歌开发者专家

演讲议题：基于 TensorFlow 框架的轻量级深度学习应用实践

林嵩老师是大中华地区首位人工智能和机器学习方向的谷歌开发者专家。在提议题时，林老师特别告诉营长，“我希望介绍的应用案例都是每个人都可以去尝试的，服务器单机甚至移动端就可以实现的”，相信这样的内容无论大家在哪类开发平台都不可错过，相信林老师丰富的开发经验也一定可以让大家获益匪浅。

Yifeng Lu：Staff software engineer of Google Brain.

演讲议题：Google AutoML 在研究与商业领域的领域

Yifeng Lu 是 Cloud AutoML Vision 的技术负责人和架构师。相信大家现在对 AutoML 已经不再陌生，今年 1 月，Google 发布了最新的 Cloud AutoML 技术，此技术能使企业开发者们通过 Google Cloud 平台自动创建机器学习模型。谷歌首先发布了 AutoML Vision，用于建立机器视觉模型的工具。由于 AutoML 使用费用昂贵，平常大家很难有机会参与实践。这次大会我们专门邀请到了 Cloud AutoML Vision 的技术专家，也希望帮助大家在技术之路上再进阶一个层次。

胡晓光：百度深度学习技术平台部主任工程师

演讲议题：PaddlePaddle 平台的核心技术与应用实践

胡晓光老师具有多年的深度学习算法实践经验，2015 年带领团队上线全球首个基于深度学习的在线翻译引擎，现在负责 PaddlePaddle 框架应用开发，致力于打造最好用的深度学习平台，服务广大AI开发者。本次大会上，胡老师将通过分析 PaddlePaddle 原理，深入讲解深度学习框架的实现方式，移动端部署，以及并行等技术实践问题；并结合在 CV 与 NLP 领域的应用案例进行全面分析。

除了机器学习工具技术专题之外，我们还为大家准备了“计算机视觉”、“自然语言处理”、“数据分析”、“机器学习”、“知识图谱”、“语音识别”等技术专题，以及“智慧金融”、“智能驾驶”、“智慧医疗”等行业峰会。大会完整日程以及嘉宾议题请查看下方海报。

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

机器学习

机器学习

+关注

关注
66

文章
8406

浏览量
132557
深度学习

深度学习

+关注

关注
73

文章
5500

浏览量
121109

原文标题：掌握哪些机器学习工具更受企业青睐？

文章出处：【微信号：rgznai100，微信公众号：rgznai100】欢迎添加关注！文章转载请注明出处。

NPU在深度学习中的应用

随着人工智能技术的飞速发展，深度学习作为其核心驱动力之一，已经在众多领域展现出了巨大的潜力和价值。NPU（Neural Processing Unit，神经网络处理单元）是专门为深度

发表于 11-14 15:17 •497次阅读

GPU深度学习应用案例

GPU在深度学习中的应用广泛且重要，以下是一些GPU深度学习应用案例：一、图像识别图像识别是深度

发表于 10-27 11:13 •378次阅读

激光雷达技术的基于深度学习的进步

信息。这使得激光雷达在自动驾驶、无人机、机器人等领域具有广泛的应用前景。二、深度学习技术的发展深度学

发表于 10-27 10:57 •366次阅读

人工智能、机器学习和深度学习存在什么区别

人工智能指的是在某种程度上显示出类似人类智能的设备。AI有很多技术，但其中一个很大的子集是机器学习——让算法从数据中学习。

发表于 10-24 17:22 •2479次阅读

AI大模型与深度学习的关系

AI大模型与深度学习之间存在着密不可分的关系，它们互为促进，相辅相成。以下是对两者关系的介绍：一、深度学习是AI大模型的基础技术支撑：深度

发表于 10-23 15:25 •641次阅读

深度学习中的时间序列分类方法

时间序列分类（Time Series Classification, TSC）是机器学习和深度学习领域的重要任务之一，广泛应用于人体活动识别、系统监测、金融预测、医疗诊断等多个领域。随

发表于 07-09 15:54 •871次阅读

深度学习中的无监督学习方法综述

深度学习作为机器学习领域的一个重要分支，近年来在多个领域取得了显著的成果，特别是在图像识别、语音

发表于 07-09 10:50 •670次阅读

深度学习在工业机器视觉检测中的应用

随着深度学习技术的快速发展，其在工业机器视觉检测中的应用日益广泛，并展现出巨大的潜力。工业机器视觉检测是工业自动化领域的重要组成部分，通过图

发表于 07-08 10:40 •1042次阅读

深度学习在视觉检测中的应用

能力，还使得机器能够模仿人类的某些智能行为，如识别文字、图像和声音等。深度学习的引入，极大地推动了人工智能技术的发展，特别是在图像识别、自然语言处理、语音识别等领域取得了显著成果。

发表于 07-08 10:27 •699次阅读

深度学习与nlp的区别在哪

深度学习和自然语言处理（NLP）是计算机科学领域中两个非常重要的研究方向。它们之间既有联系，也有区别。本文将介绍深度学习与NLP的区别。深度

发表于 07-05 09:47 •906次阅读

人工智能、机器学习和深度学习是什么

在科技日新月异的今天，人工智能（Artificial Intelligence, AI）、机器学习（Machine Learning, ML）和深度

发表于 07-03 18:22 •1260次阅读

深度学习与传统机器学习的对比

在人工智能的浪潮中，机器学习和深度学习无疑是两大核心驱动力。它们各自以其独特的方式推动着技术的进步，为众多领域带来了革命性的变化。然而，尽管

发表于 07-01 11:40 •1321次阅读

FPGA在深度学习应用中或将取代GPU

VHDL) 的知识和专业技能。机器学习程序是用 Python 或 C 等高级语言编写的，将其逻辑转换为 FPGA 指令非常困难。在 FPGA 上运行 TensorFlow、PyTor

发表于 03-21 15:19

为什么深度学习的效果更好？

导读深度学习是机器学习的一个子集，已成为人工智能领域的一项变革性技术，在从计算机视觉、自然语言处理到自动驾驶汽车等广泛的应用中取得了显著的成功。深度

发表于 03-09 08:26 •618次阅读

什么是深度学习？机器学习和深度学习的主要差异

2016年AlphaGo 击败韩国围棋冠军李世石，在媒体报道中，曾多次提及“深度学习”这个概念。

发表于 01-15 10:31 •1067次阅读

搜索历史

企业在深度学习与机器学习技能上对人才有哪些要求？

评论

NPU在深度学习中的应用

GPU深度学习应用案例

激光雷达技术的基于深度学习的进步

人工智能、机器学习和深度学习存在什么区别

AI大模型与深度学习的关系

深度学习中的时间序列分类方法

深度学习中的无监督学习方法综述

深度学习在工业机器视觉检测中的应用

深度学习在视觉检测中的应用

深度学习与nlp的区别在哪

人工智能、机器学习和深度学习是什么

深度学习与传统机器学习的对比

FPGA在深度学习应用中或将取代GPU

为什么深度学习的效果更好？

什么是深度学习？机器学习和深度学习的主要差异