上周，深度學習基本上相當於過年了！
3月27日，2018年圖靈獎正式揭曉：深度學習三巨頭Yoshua Bengio、Geoffrey Hinton，Yann LeCun一起榮膺了這個計算機領域的「諾貝爾獎」。
不僅人工智慧領域與有榮焉，也讓深度學習算法工程師這個職業備受關注。
在工業界，深度學習已經成為近年來最有「錢景」的方向。谷歌微軟百度騰訊等科技大廠都在花重金招兵買馬，深度學習工程師的身價更是以243000美元的基本年薪（來自Glassdoor2018年數據）領銜整個行業。
無論學術界還是產業界，都紛紛向深度學習遞出了橄欖枝。But，究竟怎樣才能快速踏進深度學習工程師的門檻？想必大家也和我們一樣有著相同的困惑。
作為一個專業的科技自媒體，我們怎麼能不身先士卒呢！
恰逢首個深度學習工程師職業認證考試正式開放，於是我們迅速派出了我司數學最好的我本人，前去一探究竟（自取其辱），在鑼鼓喧天、鞭炮齊鳴的歡樂氣氛中，為大家帶來深度學習工程師職業資格考試的第一手戰報。
首先說一下總體感受吧：
從一個文科生+產業觀察者的角度，深度學習工程師初級的難度並不高，更多強調的是基礎知識面和技能全面性的考察，只要平時抽出少量時間備考，拿到證書還是不成問題的；
全中文教材和考題、理論+實踐結合的考察方式，對於中國開發者和考生來說也挺友好；
但是，想要真正能在算法開發、模型應用上獨當一面、完成企業界所需的AI項目，還需要向中級、高級挑戰。換句話說，初級只是一道給入門者的「開胃菜」，在職業市場的認可度還不夠清晰，想靠它走上工程師人生巔峰不現實。
深度學習到底需不需要證書保駕護航？工程師認證值不值得考？又該怎麼考？這篇沉浸式體驗報告就來告訴你答案。Let’s Go！
做一個體面的科技媒體從業者，從鼓起勇氣上考場開始
故事是這樣的。我可能是被AI下降頭了，突然頭一昏，啥都不知道，等回過神來電腦裡就多了一張準考證……
好的，上面是胡說的。雖然身為一個文科生，但咱好歹也跟AI打了這麼久的交道，看懂個論文、分析個模型還是不成問題的。幫助想在深度學習領域大展身手的同學們預先體驗一下考試又有何難。
於是我滿懷信心地帶著（心虛的）笑容，帶著祝願，在3月的最後一個周末走進考場，光榮地成為了一隻人類歷史上首個深度學習工程師認證考試的「小白鼠」。
先交代一下考試前需要的準備工作。
深度學習工程師認證是由百度技術學院推出，與Pearson VUE考試中心合作。購買考試券後登陸Pearson VUE官網，報名成功後自行預約考場和考試時間就OK。So easy~
為了給自己營造一種高精尖的學術氣氛和儀式感，我選擇了宇宙中心五道口的考點。
正式考試：
作為文科生，我基本已經放棄治療了。考試當天，我身無長物，揣上我的靈寵「手機」，帶上心愛的身份證，就這麼藝低人也膽大地來了！
P.S.當天的考試項目真不少，程式設計師的世界真是令人頭禿啊。
在我「神機妙算」、有勇有謀的安排下，果然在考場外蹲到了同門考試的考生前輩。前臺報名的小姐姐還告訴我對方考了70的高分。想來學霸的心情應該不錯，於是我暗搓搓上去想取取經。
萬萬沒想到，學霸是北航人工智慧方向的研究生，和他一起來考試的還有一整個班的人！果不其然，在我請教哪些題目感覺比較難的時候，他淡定地回答我：我覺得都還好！就是有些知識有點模糊了！話語中帶著洞悉一切的自信……行吧。
雖然和專業選手不是一個水平，但知道不用現場寫代碼的時候，我內心還是鬆了一口氣的。當咱這麼多年「三長一短選一短、三短一長選一長、實在不會就選C」的考試技能都荒廢了嗎？我會讓蒼天知道我不認輸！
終於到了預約的考試時間，我帶著身份證和迷之自信走進了考場！
進去之前，我想像中的考場應該是這樣的：
最不濟也是這樣的：
而真實的考場，是這樣子的：
Emmmm，看起來並不怎麼智能的樣子。當然，獨特的體驗在後面。
工作人員幫我打開系統就離開了，經過信息確認，閱讀完考試提醒後，就可以開始答題啦。不要幻想可以求助現場同學和場外觀眾，「老大哥」在看著你！
場外視角了解一下：
一共50道選擇題，每題2分，右上角會有一個90分鐘的倒計時。
有些題目還是比較得心應手的，比如協同過濾應用在哪些領域，哪些算法的方差更小等等，咱還是比較有自信的。
不過遇到一些涉及調參編程微積分的題目，恕我直言，它們在我眼中幾乎就是這樣的：
請選出您認為漞漟漡灠漥漦漧的一種澪澫澬澭：
A、熆熇熈熉
B、獛獜獝獞獟獠獡獢
C、犥犦犧犨犩
D、煾煿熀熁熂熃熄
面對這種地獄級別的題目，我只能釋放「都選C」的大招了。
經過50分鐘的垂死掙扎，我終於完成了作答和瞎矇，坦然地選擇「提交考試」。意外的是考完系統當場出分，完全不給學渣留下任何緩衝的心理準備。於是我得知自己，順理成章地撲街了，拿到了44分的「死亡成績單」。
走出考場，我身後落了一地的，不是慘白如燈的草稿紙，還有我破碎的AI工程師之夢o(╥﹏╥)o。
到前臺籤完名，拿到我的「掛科」成績單，離開了鬧中取靜的科技園。我在北方初春的大風中，看著五道口繁華熱鬧的車水馬龍，不由地陷入了哲學的迷思——
我是誰？我在哪兒？我幹嘛這麼想不開？
所以，深度學習工程師到底考些啥？
雖然我成功撲街，不過現場其他學生們的情緒還是挺高漲的。和我同場次考試的就有北航人工智慧專業整個班30多人……看來，深度學習和百度這兩個人工智慧金字招牌放在一起，還是比較有號召力的。
體驗完畢，藉此了解一下深度學習的培養情況和職業需求，才是我們的終極目的。
那麼，深度學習工程師認證到底都考察哪些能力呢？（計劃）從業者們又是如何看待職業認證的？
結合考試體會，簡單拆分一下深度學習工程師的技能樹：
個人感覺，初級對應的基礎理論和知識面比較廣泛，更適合在校學生與畢業一兩年的工程師和開發者報考。因為此時還處在數學、編程、概念等基礎知識最為巔峰的時期。
工程層面，考試涉及的主要語言是Python，這也符合主流深度學習框架的實際需求。其中，對paddlepaddle平臺開發能力也提出了實操要求。
目前看來，面向行業的深度學習初級工程師，畫像大概是這樣的：有一定的高等數學基礎知識，了解基礎的機器學習理論，能夠結合中文開發框架進行簡單的模型開發和實戰。
那麼，目前的在校生和初入門開發者能夠達到這個要求嗎？
通過一輪打入考生內部的交流，比較直觀的感受就是，即使是具有軟體工程背景的專業學生，也面臨著比較尷尬的技能培養環境：
首先，高校的人才培養體系重理論、重英文、低實戰，與實際的產業需求出現斷層。
有考生反饋，專業學習中雖然接觸過深度學習開發等項目，但受限於GPU資源、數據規模等等，幾乎很少真正參與實踐，自然也就很難熟練地掌握編程能力。
另外，由於英文世界的AI生態布局具有先發優勢，造成一個明顯的現象就是，大部分深度學習的教學、開發和編程都是在Tensorflow、PyTorch等英文框架上實現的。這就造成了兩個問題：一是針對中國企業和開發需求的支持不夠，二是技術的安全性和人才池都面臨一定的風險。中文平臺和認證標準還需要持續發力，百度深度學習工程師認證體系的打造，對此確實能起到一定的助推作用。
更重要的是，目前針對人工智慧、深度學習的培訓和技能證書，學習曲線都非常陡峭。
谷歌、蘋果、阿里巴巴、騰訊、百度、華為在內的不少科技公司，內部都會定期舉辦技術培訓和沙龍分享，比如華為大學、阿里內訓和湖畔學院等。但只是針對極少數的頂尖程式設計師。提供的工具也是「從1到100」的助力。
有人曾經調侃Tensorflow的學習過程：開始學，堅持，然後你就成功了！
對於大部分處在艱難入門和上升期的普通人，目前還沒有一個完整的社會公認的職業技能發展路徑。但可預見的是，隨著人工學習神經網絡成為社會的基礎設施，我們必然需要越來越多的深度學習工程師來保駕護航。
縱觀整個行業，百度深度學習工程師標準和認證的金字塔結構是比較完整的，提供的學習資源從基礎科普到AI studio開發實戰平臺，再到paddlepaddle的專業開發平臺，作為深度學習職業教育的先行者，看得出是比較有誠意的。
從這個角度來看，職業認證倒逼高校AI教育查漏補缺，還是能起到積極的作用。當然，這也與百度自身在人工智慧產業的全面布局，AI技術的開放心態和學術上的引領能力緊密有關。
具體到工程師考試上，從面向整個行業的角度來看，單一證書的含金量還有待考察。
現場有已經通過考試的學生，拋出相關問題：「不知道這個證書能夠有什麼作用」「在面試時會有加分嗎？」。
目前的確切消息是，百度內部已經將深度學習認證加入了人才招聘體系，拿到證書的面試者會得到優先錄用。
接下來百度需要做的，或許不僅僅是讓深度學習「更適合中國人體質」與「百度認可」，還需要進行一系列的規劃，讓職業標準進一步下沉到產業界，將人才需求真實與認證體系對接起來。
總體來說，以一場500元作為入口，邁進深度學習產業的大門，學有餘力的同學可以一試，若是指望靠一紙證書賺取高薪，可能還要尋求更多的磨礪。