如何“半路出家”转行算法工程师的?

01

关于择业考虑

算法岗是什么?

算法岗,从根本内容上来说,是算法,算力,数据,应用场景的交集。从工作要求的角度来讲,是你的能力能够匹配大厂需要的工作要求。从个人角度来说,是你能够快速迭代和更新所需要的机器学习/深度学习知识+特定项目经历+比赛/相关paper+数据结构,并且能接受加班和kpi绩效化。当然相对来说,工资比较高,而且是未来5年的主航道。

是否能转行到算法岗?

如果你专业也不对口学校也不好,并且还没读过研究生,对这个也没啥项目经验,甚至都找不到同伴或者学习成长机会的话;或者本身又没有很坚定的毅力去转行,或者本身就对这个完全不感兴趣的话,我觉得本帖其实是劝退帖。

因为算法岗是越来越卷,要求是越来越高,发展是越来越快,这几年火过几年可能就烂大街了,不持续更新和发展,你可能还得转行。而且很可能你投入时间和精力和结果不成正比,最重要的是可能还拿不到很好的offer。另外,你说报个班学一下前端开发,或者java开发这个我觉得大概率是可以的,不看出身。但是很多不太行的机构所谓的“算法包教包会”其实就是用来圈钱的,你大概率花了好几万其实只是学到皮毛,甚至是投大厂连简历都过不了,各位谨慎花钱!!!

能挣的钱很重要,但是你专心从事软件开发,前后端开发,云上业务,嵌入式或者android开发,测试或者运维的话,努力打拼几年收入也未必会低多少。

算法岗基本要求

大厂的算法岗,硕士现在是基本起步门槛(专业可以不限),也是主力军(等第一批人工智能本科生毕业也是3年以后的事情了)。并且如果你是校招的话,最好成绩能挤进学校前20%,or 学校最好是985/211,毕竟这个才能体现你的学习能力。

能够通过简历大关的,大概率是满足以下多条的应聘者:

1 有相关工作或者对口实习经历;

2 学校好,成绩优秀;

3 有对应paper,专利,或者软著等学术成就;

4 有知名竞赛的top排名,github关注度高,csdn某一领域专家或者知乎专栏专家等;

如果你能做到、或者下定决心做到以上四点中的二点以上,我觉得其实你选择这条路,跟万千大众一起卷还是能活下去的。

02

本人“转行”经历

本人本科毕业于西南某末流985,研究生毕业于某top QS15,控制工程专业。最开始主要研究领域是做低压电控制。研究生毕业后在菊花厂主要做开发工作,并不是专门做机器视觉的或者CS科班出身。后来也是因为机缘巧合,感觉做CV算法落地非常有前景,所以加入某创业公司成长和学习,在对目标检测的工业应用较为熟悉之后,就去面了一些匹配的工作,斩获阿里,之江,海康等大厂offer,准备开始新一段征程。

分享一下我这一年的入门经验,让更多的小白能够少走弯路、顺利转行,早日走上人生巅峰。

03

主航道选择

CV, NLP,时间序列,推荐算法,语音

推荐算法的话,应该是需要大数据(hadoop/spark)+推荐算法结合,主要可以去的是电商,自媒体平台等;

NLP的话,应该是数据分析+nlp;

时间序列,做风险评估和预测,模型分析等;

CV的话,主要涉及到目标检测/分割 or GAN or SLAM,主要应用在安防,缺陷检测,自动驾驶,AIOT方面,传统的一些目标检测类的项目主要是在做工业应用的落地这两年比较火,例如商汤工业、阿里大脑or CBU等,学术上发展其实划时代作品日趋减少;也有一些人脸和GAN的超分辨等应用在新媒体和手机等;还有更超前的NAS,transform等,落地和大范围推广也许还需要几年。

语音:以此为主的相对略少,例如科大讯飞,各厂的智能音箱等;

选择一个你感兴趣,并且有资源或者学习机会能够不断学习和进步的方向。感觉卷的程度是: CV>推荐算法>NLP>时间序列>语音,机会概率现在也是如此排序。

我个人还是结合自己经历,这两年还是看好目标检测的落地和AIOT的发展。但是再往后发展,还是多模态更有优势和钱途。下面分享内容也是按照目标检测的入门内容做分享。

04

基础知识准备

算法工程师,或者机器视觉算法工程师,前提是工程师,然后才是算法。所以要先提升工程实践能力达标,然后再去理解算法,最后只求性能和准确度,实现落地。

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上 AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享 出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/56032.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

hbuilderx+uniapp+Android健身房管理系统 微信小程序z488g

目录 项目介绍支持以下技术栈:具体实现截图HBuilderXuniappmysql数据库与主流编程语言java类核心代码部分展示登录的业务流程的顺序是:数据库设计性能分析操作可行性技术可行性系统安全性数据完整性软件测试详细视频演示源码获取方式 项目介绍 用户功能…

初级网络工程师之从入门到入狱(五)

本文是我在学习过程中记录学习的点点滴滴,目的是为了学完之后巩固一下顺便也和大家分享一下,日后忘记了也可以方便快速的复习。 网络工程师从入门到入狱 前言一、链路聚合1.1、手动进行链路聚合1.1.1、 拓扑图:1.1.2、 LSW11.1.3、 LSW2 1.2、…

RabbitMQ(学习前言)

目录 学习MQ之前有必要先去温故下微服务知识体系,以加深本章节的理解 一、微服务间的通讯方式 1. 基本介绍 2. 同步通讯 2.1. 什么是同步通讯 2.2. 同步通讯存在的问题 问题一:耦合度高 问题二:性能和吞吐能力下降 问题三&#xff1a…

SpringMVC源码-处理器适配器HandlerAdapter

因为定义controller的方式有三种,每种不同的方式调用的方法不同,尤其是注解修饰的 方法名是自定义的 因此需要通过适配器模式来调用方法执行 initStrategies进行适配器的初始化 处理器适配器一共有如下四种: org.springframework.web.servlet.Handl…

数据结构与算法——Java实现 32.堆

人的想法和感受是会随着时间的认知改变而改变, 原来你笃定不会变的事,也会在最后一刻变得释然 —— 24.10.10 堆 堆是基于二叉树实现的数据结构 大顶堆每个分支的上一个节点的权值要大于它的孩子节点 小顶堆每个分支的上一个节点的权值要小于它的孩子…

开源催生开源:Tesla 如何加速 AI 发展

特斯拉最近宣布开源其特斯拉以太网传输协议 (TTPoE),这是一种尖端网络结构,专为 AI/ML 数据中心环境中的高速、低延迟数据传输而设计,从而掀起了波澜。此举反映了特斯拉利用开源战略加速全行业进步的更广泛历史&#x…

Spring Boot课程问答:技术难题轻松解决

4系统概要设计 4.1概述 本系统采用B/S结构(Browser/Server,浏览器/服务器结构)和基于Web服务两种模式,是一个适用于Internet环境下的模型结构。只要用户能连上Internet,便可以在任何时间、任何地点使用。系统工作原理图如图4-1所示: 图4-1系统工作原理…

基于pytorch的手写数字识别-训练+使用

import pandas as pd import numpy as np import torch import matplotlib import matplotlib.pyplot as plt from torch.utils.data import TensorDataset, DataLoadermatplotlib.use(tkAgg)# 设置图形配置 config {"font.family": serif,"mathtext.fontset&q…

洗衣店订单管理:Spring Boot技术革新

3系统分析 3.1可行性分析 通过对本洗衣店订单管理系统实行的目的初步调查和分析,提出可行性方案并对其一一进行论证。我们在这里主要从技术可行性、经济可行性、操作可行性等方面进行分析。 3.1.1技术可行性 本洗衣店订单管理系统采用JAVA作为开发语言,S…

pytest(六)——allure-pytest的基础使用

前言 一、allure-pytest的基础使用 二、需要掌握的allure特性 2.1 Allure报告结构 2.2 Environment 2.3 Categories 2.4 Flaky test 三、allure的特性,allure.step()、allure.attach的详细使用 3.1 allure.step 3.2 allure.attach(挺有用的&a…

如何利用wsl-Ubuntu里conda用来给Windows的PyCharm开发

前提:咱们在wsl-Ubuntu上,有conda的虚拟环境 咱们直接打开PyCharm,打开Settings 更换Python Interpreter即可 当然一开始可能没有下面的选项,需要我们点击右边的Add Interpreter 这里选择wsl 点击next 将这两步进行修改 可以看出来&#xff0…

kubernetes中微服务部署

微服务 问:用控制器来完成集群的工作负载,那么应用如何暴漏出去? 答:需要通过微服务暴漏出去后才能被访问 Service 是一组提供相同服务的Pod对外开放的接口借助Service,应用可以实现服务发现和负载均衡Service 默认只…

智谱开放平台API调用解析

一、什么是智谱AI 智谱AI成立于2019年,由‌清华大学计算机系知识工程实验室的技术成果转化而来,是一家致力于人工智能技术研发和应用的公司。智谱致力于打造新一代认知智能大模型,专注于做大模型的中国创新。 二、智谱开放平台API调用 官方文…

【LeetCode】动态规划—673. 最长递增子序列的个数(附完整Python/C++代码)

动态规划—673. 最长递增子序列的个数 前言题目描述基本思路1. 问题定义2. 理解问题和递推关系3. 解决方法3.1 动态规划方法3.2 优化方法 4. 进一步优化5. 小总结 代码实现PythonPython3代码实现Python 代码解释 CC代码实现C 代码解释1. 初始化:2. 动态规划过程&…

FiBiNET模型实现推荐算法

1. 项目简介 A031-FiBiNET模型项目是一个基于深度学习的推荐系统算法实现,旨在提升推荐系统的性能和精度。该项目的背景源于当今互联网平台中,推荐算法在电商、社交、内容分发等领域的广泛应用。推荐系统通过分析用户的历史行为和兴趣偏好,预…

Django学习笔记十三:优秀案例学习

Django CMS 是一个基于 Django 框架的开源内容管理系统,它允许开发者轻松地创建和管理网站内容。Django CMS 提供了一个易于使用的界面来实现动态网站的快速开发,并且具有丰富的内容管理功能和多种插件扩展。以下是 Django CMS 的一些核心特性和如何开始…

opencv的相机标定与姿态解算

首先我们要知道四个重要的坐标系 世界坐标系相机坐标系图像成像坐标系图像像素坐标系 坐标系之间的转换 世界坐标系——相机坐标系 从世界坐标系到相机坐标系,涉及到旋转和平移(其实所有的运动也可以用旋转矩阵和平移向量来描述)。绕着不…

最新Prompt预设词指令教程大全ChatGPT、AI智能体(300+预设词应用)

使用指南 直接复制在AI工具助手中使用(提问前) 可以前往已经添加好Prompt预设的AI系统测试使用(可自定义添加使用) SparkAi系统现已支持自定义添加官方GPTs(对专业领域更加专业,支持多模态文档&#xff0…

同三维T80001EHK 4K超高清HDMI编码器

【系列介绍】 同三维T80001EHK 4K超高清HDMI编码器 4K超高清编码器(采集盒)是专业的高清音视频编码产品,只需要占用较小的带宽,即可获得高清晰度的视频信号。该产品采用H.265编码格式,可同时对视频音频进行编码。输出…

【万字长文】Word2Vec计算详解(二)Skip-gram模型

【万字长文】Word2Vec计算详解(二)Skip-gram模型 写在前面 本篇介绍Word2Vec中的第二个模型Skip-gram模型 【万字长文】Word2Vec计算详解(一)CBOW模型 markdown行 9000 【万字长文】Word2Vec计算详解(二)S…