人工智能专业人员的薪酬几乎是其他IT专业人员的两倍。 我们计算出可以在俄罗斯AI的不同领域中计算出哪些薪水，Yandex，ABBYY和Sberbank正在寻找谁，以及可以在该领域中使用哪些课程进行培训。
俄罗斯的AI专家赚多少钱
根据HeadHunter的说法，俄罗斯人工智能专家的薪水在2018年初约为19万卢布。 这是IT部门平均工资的两倍，当时的平均工资约为9万卢布。 到第三季度末，它
几乎没有变化 。
2018年最有希望的领域仍然是大数据：向该领域的专家提供约20万卢布的薪水。 机器学习专家-在神经网络领域大约18万-超过14万。
这些领域中每个职位的空缺数量都比简历的数量增长得更快-这对于整个IT人员来说都是很典型的情况。 根据IIDF的
研究 ，到2027年，俄罗斯将缺少大约200万名IT专家。
根据IIDF的预测，到那时最抢手的领域将是人工智能，机器学习，大数据分析，计算机视觉和增强现实。
谁在大公司中寻找
人工智能主要由Yandex，Mail.Ru Group，MegaFon，MTS，Beeline，Tele2，ABBYY和Sberbank等大型公司使用。 为什么其中一些人需要它，他们在寻找谁？
1. ABBYY
ABBYY是智能数据处理和语言学领域的全球领导者之一。 其基于AI的解决方案使您可以识别文本数据，使用打印的文档和PDF文件，进行语义搜索以及查找不熟悉的单词和短语的翻译。
该公司的主要成就之一是Compreno系统，该系统使您能够以自然语言分析和理解文本。 ABBYY的专家致力于该系统的创建大约十年，项目成本超过8000万美元。
例如，可以使用Compreno将档案文件系统化：借助它，可以按字段或明细以及文本查找信息。
ABBYY正在寻找谁：现在公司
需要数据科学家-在高级开发部门的文字处理（NLP）领域进行实验和原型设计。 候选人必须具备机器学习方法和神经网络，算法和数据结构方面的知识，具有Python编程经验并符合其他一些参数。
2. Yandex
俄罗斯最大的搜索引擎几年来一直在其搜索引擎中使用AI技术。 因此，在Yandex.Zen中，这使您可以根据用户的兴趣发布个性化的内容推荐。
“在许多方面，它看起来像一个搜索引擎。 Yandex.Zen主管Viktor Lamburt在该服务启动阶段
表示 ：“只有当搜索正在寻找特定的东西时，Zen才会响应一个更广泛的查询：对特定人而言有趣的是什么。”
Yandex正在寻找谁：现在，一家公司需要Zen的机器学习开发人员，他将收集数据，训练模型，在实验中评估它们并编写生产代码。 职位空缺
表示： “首先，我们希望候选人具备良好的机器学习和统计知识，但工业发展经验也将是一大优势。”
3.储蓄银行
自2013年以来，Sberbank一直在开发机器学习和人工智能的方向。 主要目标是为内部和外部客户创建新的智能产品和服务，以及使用机器学习技术优化银行业务流程。
因此，在2018年初，该银行在俄罗斯
启动了第一个神经网络来评估商业房地产。 人工智能使银行几乎可以立即评估抵押品。 该AI与定期更新的街头零售数据库一起工作。 该数据库可从几种类型的资源中补充，并包含类似对象的主要特征，其照片和价格。
神经网络接收对象的特征，必须将其与其他特征进行比较，并根据收集的数据选择最接近的类似物，以用于计算成本。 如果专家需要数小时甚至数天的时间，那么神经网络需要几秒钟的分析时间。
Sberbank正在寻找谁：现在，该银行需要多个数据科学家同时处理不同的项目。 因此，在莫斯科的一个职位空缺中，专家
需要解决问题的经验
商业数据科学，大数据经验，良好的编程技能（Python，Spark，SQL）和机器学习库的知识。
除了Sberbank银行外，包括VTB，UralSib和BinBank在内的许多其他银行也
需要数据科学家和机器学习专家。
从哪里开始
只有30％的AI专业人员在大学学习机器学习或大数据。 去年年底对1.6万名Kaggle用户进行的调查结果证明了这一点。 在所有受访者中，超过一半（66％）认为自己是自学的：他们使用各种课程来学习新学科。
微软的传播者和二进制区德米特里·索什尼科夫（Dmitry Soshnikov）的
AI学校负责人指出了俄罗斯教育市场上的四种主要课程类型：
- 关于AI在商业中的作用的短期课程 -适用于需要首先了解该主题的管理人员；
- 高度专业化的课程，例如“五个小时内的图像识别” -针对那些想要发展特定技能的人；
- 经典的大学课程-适用于那些希望全面了解所有算法并学会独立编程神经网络的人；
- 针对数据科学家的长期特殊课程 -适用于那些希望获得新的专业知识并在培训后彻底更换工作的人（此类课程至少持续几个月）。
每种类型的课程都有其缺点。 例如，领导力课程很好地使您简短地了解了人工智能领域的最佳实践，但是它们并没有提供完整的图景和对AI的所有功能及其局限性的共识。
高度专业化的课程也存在同样的问题：它们不允许听众对AI的基本原理有所了解。 聆听者可以掌握某些实用技能，但是技术每六个月就会过时，并且随之而来的技能也会变得过时。
对于初学者来说，经典的大学课程可能太复杂了：在这里，您将不得不记住被遗忘的数学部分。 此外，未来的数据科学家通常需要具备良好的编程技能。
对于想要弄清楚如何以及为什么可以在公司中使用AI的开发人员，最好的时间不是很长，而是一门密集的课程，使您能够学习如何解决典型的问题。 例如，在
AI学校 ，学生每月学习五个任务块：
- 通过预先训练的认知服务（识别脸部，情绪，声音等）解决的典型任务。 一项家庭作业是制作一个应用程序，以识别电影主要角色的情感。
- 创建最简单的口语AI;
- 经典的机器学习任务（需求预测，预测分析等）；
- 处理图像（分类，物体检测）和视频；
- 使用文本和自然语言（分类，生成等）。
此后，收听者已经可以决定是否需要接收其他知识，以学习如何解决更多不寻常的问题。
根据索什尼科夫的说法，通过该课程不会立即增加薪水，但会使专家对劳动力市场更具吸引力。 这样既可以要求当前雇主增加工资，又可以寻找其他机会。 这完全取决于人自己。