AI行业技能点含金量统计分析
在人工智能领域，有很多热议的技能选择，如CV还是NLP，TensorFlow还是PyTorch，python还是C++……
话题有争议，但是数据非常客观，让我们拭目以待吧~
1.数据说明
数据来源：为BOSS直聘北京地区算法工程师相关岗位,数据时间是2022年五月,有效样本总量为2200个.
数据内容：
招聘标题,薪资,福利待遇,关键词,岗位描述,公司,地址,招聘网址
统计方法：对样本数据通过相关的岗位关键词进行筛选,并统计筛选结果的薪资均值,岗位数量等信息,汇总为下表。
2.AI技能点含金量排名
多模态大模型以均值439k的平均年薪拔得头筹，推荐算法以436k紧随其后，NLP自然语言处理与地图路径算法工程师以415K的薪资并列第三。说起薪资较低的，分别是AI软件开发岗、数据挖掘分析岗，将近360K，也是难能可贵了。
3.AI技能点的需求量与含金量分布
计算机视觉CV与自然语言NLP： 视觉（CV）与图像、视频打交道，年薪约378k，岗位多；而自然语言处理（NLP）年薪诱人达415k，但岗位少。想多赚钱选NLP，想稳就业选CV。
多模态与大模型： 新兴的多模态与大模型领域，年薪高达439k，岗位也不少。想站风口就选它！
机器学习与深度学习： 机器学习年薪约397k，岗位稳定；深度学习略低但需求多。两者薪资相近，看需求选。
软件开发与控制算法： 软件开发年薪359k但岗位少；控制算法稍好，年薪380k。两者传统但重要。
推荐算法与数据挖掘： 推荐算法年薪高达436k但岗位少；数据挖掘年薪359k。喜欢数据处理就选它们。
地图与路径算法： 小众但高薪的地图与路径算法，年薪416k但竞争大。适合专长者挑战。
编程语言：Python与C++ Python年薪384k岗位多，C++年薪略高且岗位更多。两者都是AI开发利器。
框架选择：TensorFlow与PyTorch TensorFlow年薪385k，PyTorch年薪390k。两者差距小，选谁看心情和项目需求。
4.技能点与教育程度，工作经验及薪资的关系
4.1技能点和教育程度对薪资的影响（单位：K）
| 专科 | 本科 | 985/211 | 硕士 | 博士 | |
|---|---|---|---|---|---|
| 地图/路径 | - | 481 | 330 | 470 | 1260 |
| 数据挖掘/数据分析 | - | 394 | 383 | 358 | 277 |
| 推荐算法 | - | 378 | 456 | 397 | 397 |
| PyTorch | 360 | 370 | 427 | 383 | 365 |
| 控制算法 | - | 364 | 390 | 400 | - |
| c++/C++ | 315 | 359 | 395 | 418 | 420 |
| 多模态/大模型 | - | 352 | 367 | 465 | 459 |
| TensorFlow | 360 | 343 | 367 | 383 | 365 |
| 机器学习 | 360 | 343 | 395 | 434 | 433 |
| 深度学习 | 315 | 339 | 408 | 423 | 429 |
| python | 315 | 330 | 361 | 411 | 394 |
| NLP/自然语言/LLM | - | 328 | 373 | 480 | 556 |
| 软件/开发 | 360 | 327 | 252 | 394 | 393 |
| 视觉/cv/视频/图像 | 360 | 320 | 434 | 411 | 514 |
4.2技能点和教育程度对工作岗位数量的影响（单位：个）
| 专科 | 本科 | 985/211 | 硕士 | 博士 | |
|---|---|---|---|---|---|
| c++/C++ | 2 | 248 | 23 | 255 | 42 |
| python | 2 | 223 | 22 | 212 | 39 |
| 深度学习 | 2 | 157 | 25 | 166 | 25 |
| 机器学习 | 1 | 144 | 23 | 117 | 29 |
| 视觉/cv/视频/图像 | 1 | 126 | 16 | 159 | 29 |
| 多模态/大模型 | - | 115 | 21 | 111 | 26 |
| NLP/自然语言/LLM | - | 91 | 21 | 82 | 11 |
| 推荐算法 | - | 50 | 11 | 31 | 5 |
| TensorFlow | 1 | 41 | 7 | 40 | 9 |
| PyTorch | 1 | 39 | 7 | 38 | 9 |
| 软件/开发 | 1 | 38 | 3 | 20 | 3 |
| 数据挖掘/数据分析 | - | 21 | 5 | 17 | 4 |
| 地图/路径 | - | 17 | 1 | 11 | 1 |
| 控制算法 | - | 13 | 3 | 19 | - |
4.3技能点和工作经验对平均年薪的影响（单位：K）
| 应届 | 一年 | 两年 | 三年 | 四年 | 五年及以上 | |
|---|---|---|---|---|---|---|
| 推荐算法 | 351 | 261 | 433 | 433 | - | 462 |
| TensorFlow | 272 | 343 | 324 | 415 | 360 | 427 |
| PyTorch | 285 | 350 | 318 | 409 | 360 | 517 |
| c++/C++ | 373 | 356 | 389 | 407 | 383 | 438 |
| 多模态/大模型 | 409 | 355 | 427 | 397 | 423 | 428 |
| 控制算法 | 360 | - | 402 | 397 | - | 338 |
| NLP/自然语言/LLM | 544 | 359 | 392 | 392 | 442 | 416 |
| 软件/开发 | - | 339 | 325 | 386 | 216 | 344 |
| 机器学习 | 330 | 392 | 383 | 383 | 454 | 472 |
| python | 304 | 356 | 396 | 382 | 425 | 366 |
| 深度学习 | 357 | 368 | 399 | 381 | 442 | 420 |
| 视觉/cv/视频/图像 | 406 | 360 | 454 | 379 | 397 | 505 |
| 地图/路径 | - | 406 | 375 | 350 | 927 | - |
| 数据挖掘/数据分析 | 242 | 415 | 294 | 308 | - | 530 |
4.4技能点和工作经验对工作岗位数量的影响（单位：个）
| 应届 | 一年 | 两年 | 三年 | 四年 | 五年及以上 | |
|---|---|---|---|---|---|---|
| c++/C++ | 38 | 70 | 142 | 211 | 17 | 92 |
| python | 35 | 49 | 143 | 187 | 14 | 70 |
| 深度学习 | 19 | 44 | 99 | 146 | 9 | 58 |
| 视觉/cv/视频/图像 | 18 | 32 | 89 | 125 | 8 | 59 |
| 机器学习 | 26 | 32 | 85 | 120 | 10 | 41 |
| 多模态/大模型 | 13 | 25 | 71 | 116 | 9 | 39 |
| NLP/自然语言/LLM | 7 | 16 | 58 | 78 | 4 | 42 |
| 推荐算法 | 6 | 4 | 40 | 33 | - | 14 |
| PyTorch | 5 | 16 | 19 | 32 | 1 | 21 |
| TensorFlow | 7 | 18 | 21 | 32 | 1 | 19 |
| 软件/开发 | - | 6 | 22 | 25 | 1 | 11 |
| 数据挖掘/数据分析 | 3 | 4 | 18 | 16 | - | 6 |
| 控制算法 | 1 | - | 13 | 13 | - | 8 |
| 地图/路径 | - | 9 | 5 | 9 | 7 | - |
5高性价比工作岗位排名
加权工作经验,工作岗位数量与薪资,计算技能点的得分及排名情况
- 基本原则：学历要求越低，工作经验要求越低，平均年薪越高的技能点越好，其评分会越高
- 学历，工作经验数据划分五个等级，然后将三个特征数据归一化处理，彼此相乘，再乘上百分系数，得到最终评分