国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

作者: 赵钰莹 2019-12-13 10:45:39

 近日,BOSS 直聘职业科学实验室 &BOSS 直聘研究院发布年度重磅《突变时代:2020 人才资本趋势报告》,分享 2020 年人才领域的前瞻趋势,这是一份针对国内人才结构的报告。AI 前线抽取了其中与人工智能相关的部分进行了整理,期望对该领域开发者有所帮助。(注:本文所引用图片均来自 BOSS 直聘发布的原报告,特此声明。)

人工智能岗位薪资占据高地

根据报告显示,2019 年招聘薪资的众数是 5000 元,中位数是 6043 元,平均招聘薪资为 8082 元。简单来说,最常出现的薪资就是 5000 元,半数岗位薪资低于 6043 元,虽然 8082 元为平均数,但实际上近七成岗位的招聘薪资都低于这个平均数。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

在这个基础上再看人工智能相关岗位的薪资水平,就有一个初步的衡量标准了。如下图,自然语言处理的平均薪资为 25553 元机器学习岗位的平均薪资为 27652 元语音识别岗位的平均薪资为 24037 元深度学习岗位的平均薪资为 27516 元,语音/视频/图形开发岗位的平均薪资为 22979 元。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

过去十年,人工智能领域的人才存量逐渐增多,电竞与网络直播领域的人才存量增多趋势最为明显,云计算与 5G 呈现逐渐下降的趋势,大数据在 2016 年左右达到人才存量高峰,随后也进入下降趋势。总体来看,目前只有电竞、网络直播和人工智能三个领域的人才存量有明显增长趋势。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

在具体的技术人才类型上,机器学习、语音识别、图像识别、图像处理以及数据挖掘工程师都处于高速增长阶段,人群呈现年轻化的状态。自然语言处理、深度学习、推荐算法、搜索算法、图像算法、算法工程师等同样处于高速增长阶段,但年龄要稍微年长些。大部分与数据相关的岗位增速放缓,比如数据开发、数据分析师、数据采集、数据仓库等。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

这些技术岗位的就业者中也不乏非技术背景出身的人群。如下图,语音识别、机器学习、人工智能和图像识别岗位均有不到半数的非技术专业就业者。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

城市人才流动情况

根据报告,杭州、东莞、武汉、长沙、苏州成为求职者离开一线城市后首选的五大城市。其中,西安和东莞并列成为 2019 年相对一线城市人才流动率最高的新一线城市。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

从学历上看,最低学历要求“高中及以下”和“硕士及以上”的岗位比例分别增加 2.9 和 0.3 个百分点,硕士和博士学历人才的平均薪酬分别同比上升 2.0% 和 4.8%,而大专和本科学历人才平均薪酬则仅增长 0.8% 和 0.3%。

国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万

在这些新一线城市中,杭州市人才服务中心联合市统计局、市经信局最近发布的《杭州市 2019 年度数字经济紧缺专业人才需求目录》(以下简称《目录》)也对人才部分提出明确需求。

在本次调查的数字经济企业中,经汇总整理,数字经济重点领域人才十分紧缺企业占比 28%;数字经济重点领域人才紧缺企业占比 50%。从具体岗位来看,在此次征集到的 99 个企业紧缺专业人才岗位中,人工智能领域的机器学习 leader 岗位年薪最高,为 98 万到140 万;其次为物联网领域的 IoT 安全研发专家,年薪 91万到137万;再次为网络数据安全领域的网络安全官 / 安全风控总监,年薪 89万到102万。

在学历和技能方面,《目录》显示,大部分岗位要求本科及以上学历,也有 9% 的企业岗位招聘专科人才。除了学历背景,数字经济六大重点领域对于人才的通用能力也存在多元需求,有 44% 的企业要求熟练掌握外语语种,22% 的企业要求应聘者精通计算机。

在从业经验方面,近四成的企业倾向于招收 3-5 年工作经验的求职者。同时,也有 9% 的岗位表示接受应届毕业生,企业愿意利用自身较为完善的人才培养体系帮助紧缺专业人才完成从高校到岗位的转化。

在即将到来的 2020 年,雇主最希望员工和候选人提升的素质型能力榜单前几名为自主学习、人际沟通与协商、抗压与情绪管理、团队合作、解决复杂问题以及创造创新等。在经历了众多国外薪资报告的刺激后,看到这份调查数据,各位开发者有什么想法呢?

机器学习 人工智能 计算机
上一篇:有这5款开源软件,语音转文字很简单! 下一篇:年度十大新兴工作,人工智能排第一
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载