我的畢業年份
人工智能
🇭🇰 香港 · 工程最先減少畢業生職位161 個主修中風險最高的 28%
主修出路倒數
1年11個月
01日 21:59:34:000
距離這個主修的畢業生職位開始因 AI 減少
2028年9月24日 · 倒數 703 日
估計範圍 現在 – 3年11個月
2030 年畢業：職位可能在畢業前已開始減少
模型訓練、實驗及部署流程正逐步交由AI代理自動化，銀行及政府的AI應用需求暫時掩蓋了收縮；轉投一般軟件開發的畢業生已遇上初級招聘緊縮，人工智能工程師職位則須與碩士或以上學歷的求職者競爭。
「主修出路倒數」是距離畢業生職位開始因 AI 減少的時間，不代表這個主修會消失，也不代表人人都會失業。
查看詳情
初級職位招聘減少
主修排名44 / 161
人工智能：AI 對畢業生求職的影響
修讀人工智能的學生面對一個矛盾：銀行和政府對AI應用的需求仍在，但訓練、測試和部署模型的工序本身，也逐步交給AI代理自動完成。需求暫時掩蓋了收縮，初級職位的門檻卻在升高。
人工智能畢業生的初級職位，會先遇到甚麼變化？
初級AI職位的日常，是清理數據、跑實驗比較不同模型、調整參數，再把模型包裝成服務上線。這些步驟正逐步由AI代理串連起來自動執行，一個團隊需要的初級人手因而減少。YOU’RE NEXT估計新人招聘的收縮來得早，只是銀行和政府的應用需求暫時把它遮蓋。至於退而做一般軟件開發，初級職位的招聘已經收緊，這條後備出路同樣不寬。
人工智能工程師與數據科學家、MLOps工程師有何分別？
四個相關職業中，人工智能工程師的影響方式是「人機協作」，估計最遲受影響，但職位要與碩士或以上學歷的求職者競爭，學士畢業生不易直接取得。數據科學家和軟件工程師屬「縮減」，估計較早受影響；MLOps工程師負責模型部署和監控，即確保模型上線後穩定運作，同屬「縮減」，時間介乎兩者之間。換言之，最穩定的出路，門檻也最高。
人工智能學生怎樣在碩士生之中突圍？
與其多做一個標準數據集上的模型，不如完成一個由定義問題到上線、再到監察成效的完整項目，並記錄自己如何發現和修正模型的錯誤。學好評估方法，懂得設計測試，找出模型在甚麼情況下會出錯，這是AI代理最難自動完成的判斷。可以選修與某個行業相關的科目，例如金融或醫療，理解該行業對私隱和可解釋性的要求，並考慮是否需要進修研究院課程。
撰寫日期
畢業後的出路
2030畢業出路 · 以 2030 年 6 月底畢業估算剩餘時間