三条路径的技能集合两两算 Jaccard：算法线与数据线 0.14、算法线与产品线 0.14、 数据线与产品线 0.33。重叠最多的那一对，就是转型成本最低的方向。
上一节算行业缺口，这一节算个人路径——用同一套「算一遍」的方法。
一、三条路，各自要什么
算法线：Python、统计、深度学习、论文阅读——四样都得硬，门槛最高，年限最长。 数据线：Python、标注、数据清洗、业务理解——技术门槛适中，但要懂业务。 产品线：业务理解、需求分析、沟通、Python——技术最浅，但对判断力要求最高。 三条线不是平行的三根柱子，它们有重叠：Python 三条都要，业务理解两条要。
二、用 Jaccard 量重叠
Jaccard = 交集 ÷ 并集。算法线与数据线只共享 Python，交集 1、并集 7，得 0.14； 数据线与产品线共享 Python 和业务理解，交集 2、并集 6，得 0.33。 所以「数据线转产品线」比「算法线转产品线」便宜一半——这不是感觉，是两个集合算出来的。 也解释了为什么训练师常从测试、运营、客服转过来：这些岗位的技能集本来就和数据线高度重叠， 补两门就能上岗，不用从零学算法。
三、路径要按年限排，不按喜好排
算法线最短也要三五年才能独立带项目；数据线六到十二个月能上手； 产品线看行业积累，没有技术门槛但有业务门槛。 所以现实的选择顺序通常是：先用数据线上岗（快），在业务里泡两年（攒判断）， 再决定往算法走还是往产品走（分叉）。 【⚠️ 2026 现状】岗位名称这两年变得很快： 「AI 训练师」在招聘网站上有时叫「数据标注工程师」「模型评测专员」「提示词工程师」。 名字不同，干的事有重叠。看 JD 里写的具体动作，别只看title。
四、动手 Demo：三条路径两两算重叠度
给三条路径各列四项技能，两两算 Jaccard 相似度，看哪一对重叠最多，也就是转型成本最低。
a, b = paths[names[i]], paths[names[j]]
inter = a & b # 交集
union = a | b # 并集
jac = len(inter) / float(len(union))
实跑输出：
--------------------------------------------------------------------
三条职业路径，技能重叠度多少
--------------------------------------------------------------------
路径 A 路径 B 共有技能 Jaccard
-------------------------------------------
算法线 数据线 Python 0.14
算法线 产品线 Python 0.14
数据线 产品线 Python、业务理解 0.33
算法线 4 项：Python、深度学习、统计、论文阅读
数据线 4 项：Python、业务理解、数据清洗、标注
产品线 4 项：Python、业务理解、沟通、需求分析
Jaccard = 交集 ÷ 并集。三条线两两之间都有 1～2 项重叠，
重叠最多的那一对就是转型成本最低的方向。
这也解释了训练师为什么常从「测试」「运营」「客服」转过来：
他们的技能集与数据线的交集最大，补两门就能上手。
三行相似度：0.14、0.14、0.33。最高的是数据线与产品线。 注意 0.14 是怎么来的：算法线 4 项、数据线 4 项，只有 Python 重叠，并集 7 项，1/7 ≈ 0.14。 分母是并集，不是 4——这是 Jaccard 和「交集除以其中一个集合」最容易混的地方。 这个指标只看「有没有」，不看「多深」。 两条线都写 Python，但算法线要的是能手写反向传播，数据线要的是能清洗表格，深度差很远。 所以 Jaccard 只能用来排「先学哪个」，不能用来判断「能不能胜任」。
30 秒实验
- 把你现在会的技能列成一个集合，和三条线各算一次 Jaccard。
- 想一想：如果两条线共享的技能权重不同，Jaccard 还够用吗？
- 在招聘网站搜「AI 训练师」，把 JD 里出现的动作词抄下来归类。
常见误区
- 「先学算法最稳」——门槛最高、周期最长，不一定是最快上岗的路。
- 「Jaccard 高就能胜任」——它只看有没有，不看多深。
- 「岗位名称一样活就一样」——同名岗位在不同公司干的事能差很远。
自测三问（点开对答案）
1. Jaccard 怎么算？ —— 交集元素个数除以并集元素个数。 2. 哪两条路径重叠最多，为什么？ —— 数据线与产品线 0.33，因为它们共享 Python 和业务理解两项。 3. 为什么训练师常从测试、运营转过来？ —— 这些岗位的技能集与数据线高度重叠，补两门就能上岗。路径讲完，最后一节把视线放到五年后：这个岗位会往哪走。
- ☐ （本节完，下一节 1.2.5 AI训练师的发展前景：新兴职业的无限可能）