我也來雲一下，因為自己年資尚淺，有些錯誤地方可能請大家提一下
自己算是AI相關工作
首先，如果"興趣"是做個手寫辨識或者讀個書/看個報導就想去做這行的話
我自己是覺得...工作閒暇之餘當作課外作業讀一讀/做一做還不錯啦XD
畢竟多學一些東西總是好的
如果是認真想走，那我是覺得，這行真的算是易學難精
AI一學就能輕鬆做幾個Project(手寫、分類)，能獲得不少成就感
但往後要自己設計Model時就...
再來就，相關缺真的僧多粥少到蠻不推薦的
跟學C++/Web相比，入門有入門的工作，學一年有一年的工作，專精的有專精的工作
但搞AI的，如果AI只會入門，那大概就是需要大量其他專業知識
前面isaacting那篇我覺得就講得很好
學了一年，還是需要大量其他專業知識
直到AI專精為止，應該是都沒甚麼"純AI"的工作
而AI學習的ROADMAP 網路上不少，就隨便貼一篇可以參考看看
https://github.com/AMAI-GmbH/AI-Expert-Roadmap
台灣的話個人體感大概CV : NLP : 其他 是 6 : 3 : 1
而AI缺，不少都是公司比較核心的缺，所以相對的缺也不像其他那麼多
AI相關，一個人給他一個月Train不出來，不會因為多找10個人就能一個月Train出來
用數值比喻的話，假如其他缺你能力值10、30、50、100都有對應的職位
那可能AI相關缺最低也是要60起跳(當然還是有少數掛AI給新手練功的啦)
至於專業知識和AI比例的話，我自己是覺得，以CV舉例
可能能力值100分過門檻，那這100分你要AI10分+CV90分或者CV10分+AI90分都可以
前面isaacting提過主CV的情況
那主AI的情況就是，可能對於CV方法只是大概了解，但可以跟懂CV的人合作
或者雖然不懂CV的詳細演算與證明，但大概知道這方法有哪些優缺點
而主AI的人能夠和人合作來透過AI改善傳統的CV方法
簡單例子就，可能某個非AI演算法，其中某幾項參數是用經驗法則來估計
或者用籠統的統計來計算
這時候可以用AI對這個演算法量身訂做一個Model來改善這幾項參數
純AI的大概就是要精通數學，但這個遠超我能力範圍就不雲了
當然這個"能力值"越高越難成長啦，可能AI能力就算投過頂會/AI相關碩博畢業
也只敢說70分而已
但，回到開頭提的，這行嚴重的僧多粥少
因為現在頂大，以112為例
10個LAB大概4個喊AI，另外4個不喊但是畢業論文都AI，只有兩個跟AI無關
這八個LAB的畢業生出去大概九成都充滿雄心壯志的想去找AI缺
而就我所知，連頂大都不是能保證找到相關缺了，那半路出家就更為困難了
自己簡單排序AI相關能力好找工作程度的話
0. 頂大 + 頂會
1. 有頂會
2. 頂大 + Kaggle高排名紀錄
3. 頂大
4. 有Kaggle高排名紀錄
5. 其他
非一線會議的AI相關論文應該比Kaggle排名略有用一點
其中大概3之後都不是非常好找了(樣本不足可能有偏差)
至於自己做SideProject的，受限於資料問題，這種真的就鳳毛麟角了
結論，認真想轉AI的還是三思而後行吧
如果想轉軟體，認真推薦學好C++/JAVA/JS等等常用語言實際多了
走影像/訊號處理 比起AI，傳統的算法更為重要
最後，英文超重要，熟不熟大幅度影響選擇的多寡