一个微软工程师对人工智能创新和领导力的指南
打造人工智能创新与领导力：一位微软工程师的指南
和高级数据专业人员进行一对一对话可能很困难，尤其是当你刚刚开始时。本采访式文章旨在更好地了解高级数据专业人员的职业道路和建议，为您提供资源，以便在数据世界中深思熟虑您的旅程。
让我们开始…
你是怎么成为微软高级软件工程师的？
我进入人工智能和软件工程世界的旅程始于我孩童时期对编程的浓厚兴趣。这种热情使我选择在2015年获得计算机科学和工程的学士学位，毕业于NIT Warangal。然后，我通过校园招聘加入了微软，随后加入了位于搜索和人工智能部门内的必应地图团队。
在我和必应地图合作的时间里，我参与了多个旨在改善服务的项目。我最显著的贡献是领导开发一种新的机器学习算法，以增强地图上的标签密度检测。我撰写了一篇关于这一新技术的研究论文，获得了多个奖项，并发表在微软应用研究杂志上。
在地图项目之后，我成为必应购物垂直领域的创始成员。在那里，我领导了多个功能的发布，与产品广告相结合，对增加必应的收入起到了重要作用。我热衷于创新和解决日常问题。在我的职业生涯中，我赢得了多场黑客马拉松比赛，其中最近的一次是我创建了一个旨在简化在线杂货购物的人工智能聊天机器人。目前，我回到必应地图，致力于开发创新的方式来完善和扩展我们的地图服务。
我事业增长的关键在于对充满未知的项目的不懈努力和解决复杂问题的决心。
数据专业人员如何过渡到人工智能？
我认为从数据科学或分析过渡到人工智能往往比人们意识到的要顺利。这两个领域都需要扎实的数学和编程基础。但是，如果你是一个想要转向人工智能的数据专业人员，你将需要深入研究机器学习算法和神经网络。
需要什么样的教育背景？
专业人士通常首先问的问题之一是进入人工智能所需的教育先决条件。你需要博士学位吗，还是学士或硕士学位就足够了？
答案因角色和公司而异。博士学位对于研究职位可能有益，但不是严格要求。计算机科学、数学或相关领域的学士或硕士学位可以满足要求。
关键是对人工智能和机器学习原理的深入理解，这可以通过专业课程和自学获得。
认证是否有用？
认证可以帮助证明你对人工智能的兴趣和基础知识，特别是当从其他领域过渡时。但它们应该是教育和经验的补充，而不是替代。重要的是要注意，认证并不是一张金牌入场券。
认证最好用于补充实际经验和坚实的基础教育。雇主通常寻求实践经验和解决问题的能力，这有时可以在认证计划之外获得。
有推荐的路径或课程吗？
跳过基础知识是一个糟糕的想法。首先学习线性代数、微积分和统计学的基础课程。
从那里开始，我建议通过在线课程如Coursera的Andrew Ng机器学习课程深入研究机器学习。 EdX和Udacity也提供人工智能微硕士和人工智能纳米学位等课程。
接下来，探索与您的兴趣相符的专业课程或项目，无论是自然语言处理、计算机视觉还是强化学习。
必学的技术和工具有哪些？
虽然Python在这两个领域仍然是首选语言，但对于人工智能，您还需要熟悉诸如 TensorFlow 和 PyTorch 这样的专用库。它们为设计、训练和验证模型提供了高效和可扩展的构建模块。对于原型设计和与同行共享模型，Jupyter Notebooks 也是至关重要的。
除了语言和库，了解云端人工智能服务（如Azure AI或AWS SageMaker）的使用方法还可以使您在众多求职者中脱颖而出。
如何获得实践经验？
理论知识固然重要，但您还需要亲自动手实践。
一个有效的方法是参与个人项目。将这些项目量身定制，解决您对其充满热情的问题或填补当前技术中的空白。这将使学习过程更加愉快，结果更具影响力。
此外，为开源项目做贡献不仅可以磨练您的技能，还可以让您在社区中受到关注。另一种方式是参加竞赛，例如Kaggle上的竞赛，它可以让您将自己的技能应用于新颖的问题，并从全球社区中学习。
实习经验是无价之宝，为您提供了在工业环境中的指导和实践经验。即使没有报酬，所获得的实践知识也是重要的进步之路。实践经验不仅仅是关于编码，还涉及了解如何将人工智能有效地应用于解决现实问题。
因此，通过项目工作、合作和竞赛，您可以建立一个展示您创造具有实际影响力的人工智能解决方案能力的作品集。
网络交际的作用是什么？
网络交际至关重要。参加人工智能聚会、网络研讨会和会议。在社交媒体上关注该领域的领袖人物。参与讨论，寻求指导，不要害羞地提问。人际关系可以开启原本关闭的门。现实问题提供了最好的学习经验。
什么对您有帮助？您会有什么不同的做法？
推动我前进的是好奇心和应对未知的动力，这指引着我在微软的项目领导工作中。如果我能回到过去，我会更加强调网络交际。在行业内建立人际关系可以为合作机会和宝贵的见解打开大门，这在人工智能这样一个充满活力的领域尤为重要。
我还会更多地分配时间给个人项目，去自由创新而不受限制，充分探索人工智能的可能性，也许可以做出更具突破性的贡献。
总结
Manas Joshi 是微软的高级软件工程师，曾在微软Bing生态系统中领导了多个项目，专注于人工智能、自然语言处理和机器学习。在这篇文章中，我们希望您能了解Manas的经验，接受他的建议，并更好地理解数据专业人士想要进入不断发展的人工智能领域所需的技能。
****[Nisha Arya](https://www.linkedin.com/in/nisha-arya-ahmed/)**** 是一位数据科学家和自由技术作家。她对提供数据科学职业建议、教程和基于理论的数据科学知识特别感兴趣。她还希望探索不同的人工智能如何/可以造福人类寿命的方式。作为一位积极学习者，她追求扩大自己的技术知识和写作能力，同时帮助指导他人。
