30岁失业的我,选择职场转型,进入AIGC工程师领域,重新开始

去年,刚满30岁的我又一次被公司辞退了,由于学历不高,简历也不出彩,尽管半个月来投了一份又一份的简历,但仍然是石沉大海,我终于不得不开始思考一个以前被我一直刻意压制的想法——职场转型。

尽管知道这条路艰难,几乎是要从零重新开始,但比耗死在之前那几乎看不到光的普通销售生涯要好,经过反复的斟酌和查找资料,我选择了AIGC工程师领域作为我的职场转型目标。

首先,我认识到AIGC(人工智能生成内容)是一个快速发展的领域,它正在改变我们创造和消费内容的方式。CCTV-13《两会你我他》访谈也提到了——人工智能正在深度融入各行各业,无论您身处哪个领域,个人或者公司,都急需一个AI Agent作为得力助手而且这个领域对专业人才的需求也在持续增长。我意识到,成为一名AIGC工程师不仅能够让我抓住行业的风口,还能让我的技能保持竞争力。

“AI不会取代你的工作,会取代你的是掌握了AI技能的人。”实际上,我之前之所以在公司如此不受重视,也跟发展的越来越快的AIGC技术脱不了干系,一个具备公司私有知识库的AI agent,代替了很多员工的工作。

然而,AIGC技术虽然很有前景,但想要成为真正的AIGC工程师,还是相当不简单的,尤其是像我这样的小白,对于编程等技术更是一窍不通的人想要入门都很复杂。一开始我找了网上很多关于AIGC技术的讲座视频,还有一些博主分享的免费资料,可自己研究了半天,还是一头雾水。

最后,我还是咬了咬牙,在朋友的推荐下,付费报名了近屿智能的AIGC工程师和产品经理训练营,近屿专业研发AI技术的老牌公司无论是品牌公信力、师资力量、还是提供的算力都是极为可靠的,不比市面上那些名不见经传的工作室,近屿智能的训练营课程是我见过最体系化的课程,将AIGC技术分为A1至A7七个阶段, 从A1-A7学员可以自主选择,根据自己的实际能力和期望达到的水平,选择合适的课程,也不会像其他培训机构一样,一次性收一大笔的费用,过程中学的不好了还不好退费。

我当初在朋友推荐之后,我还去专门查了一下这个公司,近屿智能在AI领域内名气还是不小的,他们家主打的技术AI产品,不仅每轮融资都相当成功,美团、西门子、招行的大企业也都是他们的客户,他们的专业水平自然是无可挑剔的,课程内不会出现像便知那样大量水货的内容。

其实最关键的还是他们课程的售后服务基本上是同行里最好的之一,并不需要担心寻常网课反馈差的特点,有什么问题可以直接咨询客服,在我全身心投入去学习的情况下,不到一个月就学完了基础的A1和A2的课程,再花了三个月左右的时间完成了进阶热度A3和A4的课程。老师说,达到了A4的水平,已经完全可以胜任各大公司专门的AIGC工程师的职位,这对于我来说,无疑给我原本灰暗至极的职场道路投下了一束耀眼的明光。

现如今,我已经入职半年了,如今的工资已经超过曾经打拼了六七年后最佳的水准,现在再回想往事,只觉得感慨万千,一切如在梦中。

我顺便简单介绍一下近屿训练营七大阶段的课程内容,有兴趣的小伙伴可以看一下。

  • A1阶段:
    具备的能力:构建提示词来解决具体应用问题,大模型应用阶段,使用闭源商业大模型例如:文心一言、星火大模型、ChatGPT。
    通俗解释:对AIGC大模型最初级的运用阶段,可以使用文心一言、星火大模型、ChatGPT等各种AIGC大模型工具,提升工作效率
    软件发布/分发模式:闭源
    适合对象:旨在通过运用各类AIGC工具来提高工作效率,减轻因重复性工作引起的疲劳。
    预期职业岗位:适应AI时代的办公室职员、技术人员以及部分技术工人。

    A2阶段:
    具备的能力:能够对大型模型进行细致调整(Selective Fine-Tuning),使其在特定领域的任务表现达到商业应用标准。
    通俗解释:该阶段可以利用封闭源代码的大型模型API,通过精心设计的提示词(Prompt Engineering)创建一个能够广泛对话的聊天机器人。
    软件发布/分发模式:闭源
    适合对象:掌握如何有效地利用API,以及如何设计用户友好的交互体验;希望提高工作效率,通过API构建简单工具。
    学成可胜任的岗位:Prompt 工程师


    A3阶段:
    具备的能力:针对大模型在已有提示词上的性能表现不足的问题,构建面向任务的指令训练语料,对大模型进行有监督的指令微调,提升大模型在应用上的性能。
    通俗解释:该阶段能够对大模型进行精调(SFT),让大模型在某一个领域的任务表现可以商用
    软件发布/分发模式:闭源、开源
    适合对象:理解特定领域的需求,基于商业需求,能够调整和优化模型以适应特定的应用场景。
    学成可胜任的岗位:AI开发(应用)工程师
    实践项目:聊天机器人,利用闭源大模型API,如ChatGPT、文心一言等,来实现自然语言理解和生成的功能。基于用户输入的Prompt,机器人能够生成合适的回应。

    A4阶段:
    具备的能力:能够根据应用需求,借助langchian等大模型应用框架,通过集成领域或场景专业知识、调用智能体等,扩展大模型能力,构建专业的智能问答系统、知识检索系统或多智能体集成系统。
    通俗解释:该阶段能让大模型根据我们自己专业/行业的私有知识库,有质量的回答专业问题
    软件发布/分发模式:闭源、开源
    适合对象:可以基于整理和优化的知识库,提高模型在特定领域内的表现
    学成可胜任的岗位:AI算法工程师、AI软件架构师
    实践项目一:法律文书助手,本项目的目标是通过对大模型进行微调,使其能够有效辅助处理和管理法律文书。这一法律文书助手的主要功能包括对法律文件的分类、回应咨询、提取关键信息,以及自动化生成和编辑法律文档等。其最终目标是创建一个高效、准确且可信赖的法律文书处理助手,能够处理各种法律文书相关任务,极大地提高法律文书处理的效率和质量。该助手的核心价值在于帮助法律专业人员和相关用户更有效地管理法律文书,从而提高工作效率和沟通效果,减少人力资源的投入,并提升法律文书处理的专业性和准确性。
    实践项目二:医疗记录助手,本项目致力于通过对大模型进行微调,开发一个医疗记录助手,专门辅助处理和管理医疗文档。这一医疗记录助手的主要功能包括对医疗文件的分类、回应咨询、提取关键信息,以及自动生成和编辑医疗文档等。其最终目标是创建一个高效、准确且可信赖的医疗文档处理助手,能够处理各种医疗文书相关任务,显著提升医疗文档处理的效率和质量。该助手的核心价值在于帮助医疗专业人员和相关用户更有效地管理医疗记录,提高工作效率和沟通效果,减少人力资源投入,并提升医疗文档处理的专业性和准确性。
    实践项目三:金融报告助手,该项目旨在通过对大模型的微调,开发一个金融报告助手,专注于处理和管理金融文档。主要功能包括金融文件的分类、回应咨询、关键信息提取,以及自动化生成和编辑金融报告等。其最终目标是打造一个高效、精确、可靠的金融文档处理助手,能够应对各类金融文书任务,极大地提高金融文档处理的效率和质量。该助手的核心价值在于助力金融专业人员和相关用户更高效地管理金融报告,提升工作效率和沟通效果,减少人力资源的投入,并增强金融文档处理的专业性和准确性。

    A5阶段:
    具备的能力:针对开源大模型原有基座专业能力不足等问题,在已有的预训练框架下,组织领域相关预训练语料、原有或扩展的指令训练语料等,完成对模型底座的增量预训练、指令训练等任务实现对模型底座的能力扩展。
    通俗解释:训练入门级大模型的基座, 理解但不用修改代码,根据指定的标准或规范,可以按照指引进行增量预训练或模型底座训练
    软件发布/分发模式:闭源、开源
    适合对象:已学习入门级大模型训练技巧,包括数据构造和增量预训练,遵循指导训练垂直领域大模型
    学成可胜任的岗位:高级AI算法工程师
    实践项目一:
    法律领域常识问答机器人,该项目专注于开发一个专门针对法律领域的常识问答机器人。它旨在通过整合法律法规、案例判决、法律术语和程序等内容,构建一个全面的法律知识库。然后,利用这个知识库对大模型进行精调,以提高其在法律咨询、案例分析等方面的性能。最终目标是为律师、法律专业人士和公众提供准确的法律信息和建议。
    实践项目二:医疗领域常识问答机器人,此项目致力于创建一个医疗领域的常识问答机器人。项目的核心是构建一个包含医学术语、治疗方法、疾病知识等内容的医疗知识库。通过将这一知识库与大模型结合,并进行精调,机器人将能够在诸如疾病诊断支持、医疗咨询等领域提供专业的建议和信息。该项目旨在服务于医疗从业者和寻求医疗信息的公众。
    实践项目三:金融领域常识问答机器人,这个项目的目标是开发一个专注于金融领域的常识问答机器人。项目的核心工作是建立一个涵盖金融市场、投资策略、经济指标等内容的全面金融知识库。通过结合这一知识库和大模型,并进行精调,机器人将能在金融咨询、市场分析等方面提供高质量的支持。这一项目主要面向金融从业人员和对金融市场有兴趣的公众。

    A6阶段:
    具备的能力:针对模型底座能力不足等问题,研究引入模型的分布式扩展、全量或增量预训练框架,结合模型训练的加速框架,对不同参数规模的模型底座构建训练或增量预训练策略,实现全流程的大模型能力重构。
    通俗解释:训练高级大模型基座,设置大模型的全量微调或增量微调、Lora微调等大模型预训练策略,搭配Deep Speed加速框架,选择和修改预训练模型,增加特定领域的Token做预训练或增量预训练(比如,在Llama2的基础上做增量预训练,得到Chinese-Llama2)
    软件发布/分发模式:开源
    适合对象:已学习高级大模型训练技巧,包括全量微调和策略,以满足不同业务需求,训练大模型以满足特定需求
    学成可胜任的岗位:AI应用架构、研发工程师
    实践项目一:法律助手,这个项目旨在创建一个法律助手,使用训练入门级大模型基座来处理法律文档、法规和法律咨询任务。包括数据构造、模型训练和模型应用等步骤。
    实践项目二:医疗助手(需学员自备数据集),本项目的目标是开发一个医疗助手,使用训练入门级大模型基座来处理医疗文档、临床指南和医疗咨询任务。包括数据构造、模型训练和模型应用等步骤。
    实践项目三:金融助手,该项目旨在创建一个金融助手,利用训练入门级大模型基座来处理金融文档、市场数据和金融咨询任务。包括数据构造、模型训练和模型应用等步骤。

    A7阶段
    具备的能力:能够针对不同的领域或应用问题,研究优化Transformer结构、预训练大模型架构,开发新的大语言模型或多模态大模型,能够提出或改进大模型预训练、指令训练、强化学习阶段的模型架构,提出新的模型解决方案。
    通俗解释:能改Transformer的研究型人才
    软件发布/分发模式:开源
    学成可胜任的岗位:大模型研究员、科学家

想要学习AIGC技术,最好要找专业公司的产品,切勿相信网上乱七八糟的传言,AIGC工程师的市场需求还是很大的,也是众多小伙伴们职场转型的上佳选择之一,希望我经历的分享对大家有用,获得美满的生活。

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/news/771903.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

大模型知识点汇总——分布式训练

PS:本篇只在宏观上介绍相关概念和技术,不做数学推导和过于细节介绍,旨在快速有一个宏观认知,不拘泥在细节上,导致很混乱。 涉及技术名词 分布式框架等涉及的技术名词很多,很容易让人眼花缭乱,…

echarts 柱形图如何让其中一个柱子的颜色跟其他柱子不同

如何让其中一个柱子的颜色跟其他柱子不同 series: [{data: [120,// 使用对象的形式, value代表当前值, itemStyle设置样式{value: 200,itemStyle: {color: #a90000}},150,80,70,110,130],type: bar}]设置单个柱子颜色: 柱形图单个柱子颜色: https://e…

Vue3+Element Plus+TS开发企业管理后台(二)

使用vite初始化项目 确保你的开发环境中已经安装了Node.js,而且有npm,yarn等包管理工具,然后可以按照vite官方提供的方式初始化项目: yarn create vite跟随提示选择即可: 或者可以直接克隆下面的仓库 https://gith…

flask_restful规范返回值之参数设置

设置重命名属性和默认值 使用 attribute 配置这种映射 , 比如: fields.String(attributeusername) 使用 default 指定默认值,比如: fields.String(defaultsxt) from flask import Flask,render_template from flask_restful import A…

selenium自动化测试-unittest框架

unittest框架的优点 (1)能够组织多个用例去执行 (2)提供丰富的断言方法 (3)能够生成测试报告 unittest框架的核心要素 1. TestCase测试用例 TestCase(测试用例),最小的测试单元,创建的测试类需要继承该基类 步骤: (1&#x…

风丘EV能量流测试解决方案 提高电动汽车续航能力

电动汽车(EV)近些年发展迅猛,已被汽车业内普遍认为是未来汽车发展的新方向,但现如今电动汽车仍然存在一些短板,导致其还无法替代传统燃油车。对此,首先想到的肯定就是电动车的续航问题。其实解决电动车续航…

VBA技术资料MF133:隐藏编辑栏及计算字符串

我给VBA的定义:VBA是个人小型自动化处理的有效工具。利用好了,可以大大提高自己的工作效率,而且可以提高数据的准确度。“VBA语言専攻”提供的教程一共九套,分为初级、中级、高级三大部分,教程是对VBA的系统讲解&#…

centos7 使用docker安装了mongo 怎么设置远程链接,必须使用密码才能连接

docker run -d –name mongodb_container -e MONGO_INITDB_ROOT_USERNAMEroot -e MONGO_INITDB_ROOT_PASSWORDroot -e MONGO_INITDB_DATABASEdataserver -p 27017:27017 \ 无法在mongo容器里编辑文件 如果你无法直接编辑 MongoDB 容器内的配置文件,你可以尝试…

基于java+springboot+vue实现的大学生二手物品交易商城(文末源码+Lw+ppt)23-329

摘 要 二十一世纪我们的社会进入了信息时代,信息管理系统的建立,大大提高了人们信息化水平。传统的管理方式对时间、地点的限制太多,而在线管理系统刚好能满足这些需求,在线管理系统突破了传统管理方式的局限性。于是本文针对这…

Java:包装类简单认识泛型

一、包装类 包装类指的是基本数据类型(如int、double等)对应的类类型,我们可以通过包装类直接调用里面的方法! 基本数据类型 包装类 byte Byte short …

09 网络ARP请求,响应,ICMP协议

arp协议_arp请求_arp回应 ICMP包构造ping搜狐服务器参考 #include <stdio.h> #include <sys/types.h> /* See NOTES */ #include <sys/socket.h> #include <linux/if_packet.h> #include <linux/if_ether.h> #include <string.h> #includ…

基于Springboot Vue医院管理系统+数据库脚本+文档(万字)

项目效果视频: 基于Springboot Vue医院管理系统 一、 项目介绍 角色&#xff1a;管理员、患者、医生 基于springboot vue实现的医院管理系统&#xff0c;有管理员、医生和患者三种角色。系统拥有丰富的功能&#xff0c;能够满足各类用户的需求&#xff0c;系统提供了登录和注册…

Day20 代码随想录(1刷) 二叉树

目录 654. 最大二叉树 617. 合并二叉树 700. 二叉搜索树中的搜索 98. 验证二叉搜索树 654. 最大二叉树 给定一个不重复的整数数组 nums 。 最大二叉树 可以用下面的算法从 nums 递归地构建: 创建一个根节点&#xff0c;其值为 nums 中的最大值。递归地在最大值 左边 的 子数…

最长公共子序列、LCS算法模型

LCS问题就是给定两个序列A和B&#xff0c;求他们最长的公共子序列。 在求解时&#xff0c;我们会设dp[i][j]表示为A[1 ~ i]序列和B[1 ~ j]序列中&#xff08;不规定结尾&#xff09;的最长子序列的长度。 if(a[i]b[i]) dp[i][j]dp[i-1][j-1]1; else dp[i][j]max(dp[i-1][j],dp…

白话模电:4.耦合、差分、无源滤波、反馈(考研面试常问问题)

一、介绍一下三极管多级放大电路的三种耦合方式及其特点&#xff1f;耦合的目的是什么&#xff1f; 多级放大电路中各放大级之间的连接方式称为耦合方式。常见的耦合方式有三种&#xff1a;阻容耦合&#xff08;RC耦合&#xff09;、直接耦合和变压器耦合。 耦合的目的是将信号…

华南地区日用品电商综合服务商「广州麦和」积极推进数字化,企企通助力企业SRM系统上线

近期&#xff0c;由企企通携手华南地区线上最大的居家清洁&个人护理行业的电子商务综合服务商之一麦和&#xff08;广州&#xff09;实业有限公司&#xff08;以下简称“广州麦和”&#xff09;打造的SRM采购供应链协同系统上线&#xff0c;推进数字化采购管理体系建设&…

el-select 下拉框点击某一禁选选项 按Esc关闭弹窗 下拉框无法收起问题

下面请看详细内容 会出现下图情况 弹窗能正常关闭 但是下拉框选项面板仍然存在 解决思路1&#xff1a; 本来想的是监听dialog的Esc关闭事件 关闭时修改el-select-dropdown的css样式 将display none 这个没实现 解决思路2&#xff1a; 看官网发现有个失焦事件 他手动触发失…

大词汇量高质量3D物体生成需要解决哪些问题?如何解决?

作者:Vallee | 来源:计算机视觉工坊 在公众号「计算机视觉工坊」后台,回复「原论文」可获取论文pdf和代码链接 DiffTF: 基于Transformer的大词汇量3D扩散模型 大词汇量3D物体生成 最近基于扩散模型的3D生成方法大火,但如何生成大量类别且高质量的3D模型还没得到很好地解决…

DARTS-: ROBUSTLY STEPPING OUT OF PERFORMANCE COLLAPSE WITHOUT INDICATORS

DARTS-&#xff1a;增加辅助跳跃连接&#xff0c;鲁棒走出搜索性能崩溃 论文链接&#xff1a;https://arxiv.org/abs/2009.01027 项目链接&#xff1a;GitHub - Meituan-AutoML/DARTS-: Code for “DARTS-: Robustly Stepping out of Performance Collapse Without Indicators…

数据平台“国产替代”掣肘在迁移?奇点云的工业制造实践解读

系列导读 如《“数据要素”三年行动计划&#xff08;2024—2026年&#xff09;》指出&#xff0c;工业制造是“数据要素”的关键领域之一。如何发挥海量数据资源、丰富应用场景等多重优势&#xff0c;以数据流引领技术流、资金流、人才流、物资流&#xff0c;对于制造企业而言是…