图片来源@视觉中国

文 | 脑极体

上周，深度学习基本上相当于过年了！

3月27日，2018年图灵奖正式揭晓：深度学习三巨头Yoshua Bengio、Geoffrey Hinton，Yann LeCun一起荣膺了这个计算机领域的“诺贝尔奖”。

不仅人工智能领域与有荣焉，也让深度学习算法工程师这个职业备受关注。

在工业界，深度学习已经成为近年来最有“钱景”的方向。谷歌微软百度腾讯等科技大厂都在花重金招兵买马，深度学习工程师的身价更是以243000美元的基本年薪（来自Glassdoor2018年数据）领衔整个行业。

无论学术界还是产业界，都纷纷向深度学习递出了橄榄枝。But，究竟怎样才能快速踏进深度学习工程师的门槛？想必大家也和我们一样有着相同的困惑。

作为一个专业的科技自媒体，我们怎么能不身先士卒呢！

恰逢首个深度学习工程师职业认证考试正式开放，于是我们迅速派出了我司数学最好的我本人，前去一探究竟（自取其辱），为大家带来深度学习工程师职业资格考试的第一手战报。

首先说一下总体感受吧：

深度学习工程师初级的难度并不高，更多强调的是基础知识面和技能全面性的考察，只要平时抽出少量时间备考，拿到证书还是不成问题的；

全中文教材和考题、理论+实践结合的考察方式，对于中国开发者和考生来说也挺友好；

但是，想要真正能在算法开发、模型应用上独当一面、完成企业界所需的AI项目，还需要向中级、高级挑战。换句话说，初级只是一道给入门者的“开胃菜”，在职业市场的认可度还不够清晰，想靠它走上工程师的人生巅峰不现实。

深度学习到底需不需要证书保驾护航？工程师认证值不值得考？又该怎么考？这篇沉浸式体验报告就来告诉你答案。Let’s Go！

做一个体面的科技媒体从业者，从鼓起勇气上考场开始

故事是这样的。我可能是被AI下降头了，突然头一昏，啥都不知道，等回过神来电脑里就多了一张准考证……

好的，上面是胡说的。虽然身为一个文科生，但咱好歹也跟AI打了这么久的交道，看懂个论文、分析个模型还是不成问题的。帮助想在深度学习领域大展身手的同学们预先体验一下考试又有何难。

于是我满怀信心地带着（心虚的）笑容，带着祝愿，在3月的最后一个周末走进考场，光荣地成为了一只人类历史上首个深度学习工程师认证考试的“小白鼠”。

先交代一下考试前需要的准备工作。

深度学习工程师认证是由百度技术学院推出，与Pearson VUE考试中心合作。购买考试券后登陆Pearson VUE官网，报名成功后自行预约考场和考试时间就OK。So easy~

为了给自己营造一种高精尖的学术气氛和仪式感，我选择了宇宙中心五道口的考点。

正式考试，作为文科生的我基本已经放弃治疗了。考试当天，我身无长物，揣上我的灵宠“手机”，带上心爱的身份证，怀抱着阅论文需求但开发经验为零的迷之自信，就这么艺低人也胆大地来了！ 

P.S.当天的考试项目真不少，程序员的世界真是令人头秃啊。

在我“神机妙算”、有勇有谋的安排下，果然在考场外蹲到了同门考试的考生前辈。前台报名的小姐姐还告诉我对方考了70的高分。想来学霸的心情应该不错，于是我暗搓搓上前取取经。

成功与学霸打成一片，才知道对方是北京航空航天大学人工智能方向的研究生，和他一起来参加考试的还有一整个班的人！在我请教哪些题目感觉比较难的时候，他淡定地回答我：我觉得都还好！就是有些知识有点模糊了！话语中带着洞悉一切的自信……行吧。

虽然和专业选手不是一个水平，但知道不用现场写代码的时候，我内心还是松了一口气的。当咱这么多年“三长一短选一短、三短一长选一长、实在不会就选C”的考试技能都荒废了吗？

终于到了预约的考试时间，走进考场之前，我想象中的场景是这样的：

而真实的考场，是这样子的：

Emmmm，看起来并不怎么智能的样子，和大学考计算机等级证差不多嘛。当然，独特的体验在后面。

工作人员会帮你打开系统，经过信息确认，阅读完考试提醒后，就可以开始答题啦。不要幻想可以求助现场同学和场外观众，“老大哥”在看着你！

场外视角了解一下：

一共50道选择题，每题2分，右上角会有一个90分钟的倒计时。

有基础知识垫底，不少题目还是可以轻松搞定的，比如协同过滤应用在哪些领域，哪些算法的方差更小等等，咱还是比较有自信滴。

不过遇到涉及调参编程微积分的题目，恕我直言，它们在我眼中基本就是这样的：

请选出您认为漞漟漡漤漥漦漧的一种澪澫澬澭：

A、熆熇熈熉

B、獛獜獝獞獟獠獡獢

C、犥犦牺犨犩

D、煾煿熀熁熂熃熄

面对这种地狱级别的考题。我只能释放“都选C”的大招了。

经过50分钟的垂死挣扎，终于完成了作答和瞎蒙，坦然地选择“提交考试”。意外的是考完系统当场出分，完全不给学渣留下任何缓冲的心理准备。于是我，顺理成章地扑街了，拿到了一张44分的“死亡成绩单”。 

走出考场，我身后落了一地的，不是惨白如灯的草稿纸，还有我破碎的AI工程师之梦o(╥﹏╥)o。

到前台签完名，离开了闹中取静的科技园，我在北方初春的大风中，看着五道口繁华热闹的车水马龙，不由地陷入了哲学的迷思——

我是谁？我在哪儿？我干嘛这么想不开？

所以，深度学习工程师到底考些啥？

虽然我成功扑街，不过现场其他学生们的情绪还是挺高涨的。和我同场次考试的就有北航人工智能专业整个班30多人……看来，深度学习和百度这两个人工智能金字招牌放在一起，还是比较有号召力的。

体验完毕，借此了解一下深度学习的培养情况和职业需求，才是我们的终极目的。

那么，深度学习工程师认证到底都考察哪些能力呢？（计划）从业者们又是如何看待职业认证的？

结合实际的考试体会，简单拆分一下深度学习工程师的技能树：

个人感觉，初级对应的基础理论和知识面比较广泛，更适合在校学生与毕业一两年的工程师和开发者报考。因为此时还处在数学、编程、概念等基础知识最为巅峰的时期。

工程层面，考试涉及的主要语言是Python，这也符合主流深度学习框架的实际需求。其中，对paddlepaddle平台开发能力也提出了实操要求。

目前看来，面向行业的深度学习初级工程师，画像大概是这样的：有一定的高等数学基础知识，了解基础的机器学习理论，能够结合中文开发框架进行简单的模型开发和实战。

达到这一要求，那么恭喜你，从事简单的AI开发、技术支持工作是完全ok的。

那么，目前的在校生和初入门开发者，普遍能够达到这个要求吗？

通过一轮打入考生内部的交流，比较直观的感受就是，即使是具有软件工程背景的专业学生，也面临着比较尴尬的技能培养环境：

首先，高校的人才培养体系重理论、重英文、低实战，与实际的产业需求出现断层。

有考生反馈，专业学习中虽然接触过深度学习开发等项目，但受限于GPU资源、数据规模等等，几乎很少真正参与实践，自然也就很难熟练地掌握编程能力。

另外，由于英文世界的AI生态布局具有先发优势，造成一个明显的现象就是，大部分深度学习的教学、开发和编程都是在tensorflow、pytorch等英文框架上实现的。这就造成了两个问题：一是针对中国企业和开发需求的支持不够，二是技术的安全性和人才池都面临一定的风险。中文平台和认证标准还需要持续发力，百度职业工程师认证体系的打造，对此确实能起到一定的助推作用。

更重要的是，目前针对人工智能、深度学习的培训和技能证书，学习曲线都非常陡峭。不少科技公司，内部都会定期举办技术培训和沙龙分享，比如Google AI训练营、华为大学、阿里内训等。但只是针对极少数的顶尖程序员，提供的工具也是“从1到100”式的高阶辅助。

有程序员调侃过Tensorflow的学习过程：开始学，坚持，然后你就成功了！

对于大部分处在艰难入门和上升期的普通人，目前还没有一个完整的社会公认的职业技能发展路径。但可预见的是，随着人工学习神经网络成为社会的基础设施，我们必然需要越来越多的深度学习工程师来保驾护航。那么，建立渐进式的职业认证金字塔体系就变得非常重要。

从这个角度来看，职业认证标准体系，确实能在一定程度上倒逼高校和工业界AI教育和培训的查漏补缺。

当然，想要推行这样的职业标准，与科技企业自身在人工智能产业端的布局，技术引领优势和示范效应，以及生态能量紧密有关。缺少了任何一样，都难以让持证者知行合一，满足工业界的能力需求，从而实现职业理想。

具体到工程师考试上，现场有已经通过考试的学生，抛出相关问题：“不知道这个证书能够有什么作用”“在面试时会有加分吗？”。接下来需要做的，或许是通过一系列规划，让“更适合中国人体质”的职业标准进一步下沉到产业界，将人才需求真实与职业认证体系对接起来，。

总体来说，以一场500元的考试作为入场券，迈进深度学习产业的大门，学有余力的同学值得一试的，毕竟技多不压身，更何况还是深度学习这样的明日之星。不过，要是指望靠一纸证书赚取高薪，可能还要寻求更多的磨砺。