目录
1 方法的差别
1.1 相同之处
1.2 不同之处
1.3 人工智能与传统软件开发的关系
2 工作中的注意事项
3 如何成为优秀的AI工程师？
笔者一直从事软件工程师和AI工程师相关工作，和大家说说软件工程师与AI工程师的区别，希望能帮助大家。
1 方法的差别
1.1 相同之处
- 都是为了解决问题
- 都需要建模，都需要理解数据
- 都需要基于开发语言编写程序
- 都可以依赖现有框架开发
1.2 不同之处
软件开发和人工智能模型的不同之处在于执行的方式
图片来源：Differences between machine learning and software engineering — Futurice
如上图所示，以人工智能中的机器学习为例，机器学习是以数据和预期结果为输入，通过计算得出一个程序，也就是一个算法模型，也就是找到一个适合数据的程序。而软件开发是针对问题提出一个解决方案，并将其写成计算机可以执行的精确程序，也就是通过写程序实现任务自动化。开发机器学习应用的过程，比做软件开发更具反复性和探索性，存在一定不确定性，也就是需要多次实现，整个过程通俗地被称为“炼丹"。如果你数学基础较好又喜欢探索胜过研究业务逻辑，能乐观对待不确定性，也许做AI工程师更合适。如果你喜欢研究业务逻辑胜过数学理论，喜欢确定性多于不确定性，也许做软件工程师更好。
1.3 人工智能与传统软件开发的关系
从这个角度，可以看到，人工智能软件是无法取代传统的软件开发的，但是人工智能软件可以挖掘规则作为组件补充传统的软件开发，特别是在那些无法用手写规则实现的复杂情况下，人工智能有着非常大的作用。
2 工作中的注意事项
从程序开发的角度来看，AI的代码相对来说比较简单，只要熟悉了所用的框架，如Pytorch，Keras等等，写代码不是一件难事，主要的工作在于通过多次调整模型的超参数得出理想的算法模型，而应用软件的代码通常基于现有框架开发需要考虑各种逻辑，相对来说复杂些。当然要取得优秀的算法模型需要扎实的理论基础和优秀的动手能力。
3 如何成为优秀的AI工程师？
以下是三个层次的要求
初级
- 了解Python语言，以及Python的环境概念，会建立Python运行环境；
- 会使用Python notebook和python命令运行Python程序；
- 熟悉机器学习相关的数学基础，如线性代数、高等数学、概率论与统计学；
- 了解Pytorch等框架，以及使用框架优化机器学习模型（调参）的方法；
- 熟悉AI项目的流程。
中级
- 能读懂使用Pytorch实现机器学习的相关代码；
- 可使用Python语言完善和调整已有的机器学习相关代码；
- 掌握选择模型的方法；
- 熟悉使用Pytorch等框架优化机器学习模型（调参）的方法；
- 掌握评估模型的方法。
高级
- 熟悉各种机器学习和深度学习模型的原理，需要看懂各种模型的论文，充分理解论文中的模型原理；
- 能熟练运用各种模型以及综合利用各种模型解决实际问题。
欢迎留言，一起交流软件开发和人工智能学习。
笔者写于上海浦东新区封控区。
