在製造業當影子it

人工智慧技術在各行各業的應用越來越多，但是其目的都很明確，就是消除不確定性，通過歷史數據和演算法結合得到模型，把新的數據輸入模型得到預測結果，支持人進行決策，把基於經驗的模糊判斷變成純粹的計算，比如我現在正做的通過機器學習進行軸承故障診斷，而推動這類應用落地，要麼是企業內部設置項目經理並引進第三方技術（比如阿里雲之類的），要麼是企業自行開發並應用到生產現場，如果目標明確且已有成功案例，那直接引進會更為高效，從整體看成本甚至會更低，反之如果行業專業技術還要持續研究才能讓應用真正落地，那自主開發也是一個不錯的選擇，這時候就會需要跨領域跨部門的崗位，作為項目經理和應用工程師推動人工智慧技術落地，因為正牌it更關注網路軟硬體，品管部門會要求得到拿來就能用的方案，研發的產品經理則專註於行業產品而不是問題解決，都無法承擔自行開發並推動應用落地的責任。

這個崗位和影子it有點像但又不完全一樣，都是在研發部門根據需求進行軟硬體方案開發，對產品思維和結果導向思維都有較高要求，需要負責人具備行業專業知識的同時掌握一定的軟體工程管理能力（需求與資源評估，方案架構，編程，項目管理）。我在這裡分享一下工作中用到的軟體，也歡迎從事類似工作的同行與我交流。

Labview：作為經典的測試與分析軟體，labview的一大優點是圖形化編程好上手，有利於工程師把精力集中於面對的問題而不是編程，且ni配套的硬體也非常強大，可以完成各種物理量的檢測，唯一的缺點就是價格比較高，但是可以一站式的完成數據採集與處理存儲，最新的版本也有機器學習工具包，連分析都一起打包了。

Python：通過編程實現工作效率的提升，對各行各業都是有意義的，而學習成本較低的開源軟體python是一個很好的選擇，其作為膠水語言在工作中帶來很大的便利，

Django：個別數據需要操作人員使用其他設備進行檢查然後輸入系統，這時候用基於web的方式比labview會更有利，所以我們需要django，只要學點python然後就可以用djang做出功能豐富的頁面，從而避開java，節省開發成本，

Mysql：為了存儲和中轉數據我們需要用到資料庫，安裝使用方便的mysql是很好的方案，學習與使用成本都低，功能也完全可以滿足一般需求，

Superset：需要進行數據的集中分析與展示時，可以使用superset，在學習python之後可選擇的各種開源方案中，superset的學習與使用成本都低，

Rapidminer：如果只是想做數據分析，包括使用經典方法進行機器學習應用開發，rapidminer是一個很好的選擇，作為開源的圖形化編程界面的數據挖掘與機器學習軟體，非常適合0基礎上手，其server模塊也可以配置到生產現場，

Pytorch：如果要進行深度學習，pytorch是個很好的選擇，我也是最近剛開始學習這個，就不多說了，

Git：隨著文本編程工作量的增加，使用版本管理工具的需求會越來越明顯，這時候git就是一個很好的選擇，