- 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。