外行工程师转行路:传统IT转型NLP之如何抉择方向 项目 简历


一名传统行业搬砖快3年的工程师,你懂的,生活所迫,决心改头换面。
在一位同公司的朋友推荐下,开始接触七月在线的课程,他通过七月的学习拿到了阿里的offer。去年6月,开始在七月学习机器学习第9期的理论课程。从机器学习的各种理论到神经网络的初步了解,算是打了个基础。

后来又报了10月份的集6训练营(小编注:即机器学习集训营第六期),训练营给人的感觉,从python基础到数据处理,到可视化,到模型理论,训练,优化和项目,一整套的较为全面的课程。当然理论课进度是比较快的,课后还需要花时间进行自学和复习。

集训营3个多月全程下来,就开始准备面试了:
首先要定下自己要做的方向,CV,NLP,推荐,风控等等;
其次就要动手做几个跟自己方向契合的项目,最好从头到尾做下来,面试的时候,面试官真的会从各个角度来考你,聊不上来会减分;
第三是简历准备,根据实际情况,写写自己熟练的知识和技能,写在简历上的技能一定要熟练,不然会显得虚假。
要转行的朋友(尤其像我这种来自传统行业的),要想办法写点原来工作中与机器学习或者AI有联系的项目,背景显得不会那么空白。

方向的确定,项目和简历准备,可以咨询集训营的老师,老师们真的是非常热心的,不要犹豫,一定要多和大佬聊天,问问题。

下面重点聊聊面试过程吧。
简历最初挂出来的几天,几乎无人问津。随着在boss直聘上的活跃度上升,开始有各种邀请和猎头来联系。面了不下20家吧,感觉就是简直就是刷怪升级。

经常有这种情况,在看书和看视频时感觉自己理解了和会的东西,被面试官问起来居然答不上来,或者发现原来自己理解错了。因此学习的时候,一定要扎实一点,该推导的,就一步一步推导清楚,不要像我一样浮躁哈。
也许我的路子真的很笨,不过也确实有效果,经过几轮面试的查漏补缺,发现了自己在很多方面的不足,通过一边面试一遍加强学习,知识得到不断巩固。

面试过程来看,基础的数据结构和算法是会考的,比如百度考了哈夫曼编码,二叉树非递归遍历等等。常见的机器学习理论和推导也是必考的,xgb的原理,SVM,还有优化调参都是常见的问题。
深度学习这块,卷积如何实现的,各种网络的结构和意义也是经常聊的。

然后就是聊项目了,各种技术细节,是一定要清楚的。
一直找的是nlp方面的工作。词袋,tfidf、word2vec、LSTM、注意力机制、bert,是经常被问到的,需要根据自己情况做一些准备,被问到时最好往自己熟悉的方向展开讨论。

总的来说,机器学习知识是基础,但大部分公司都很在乎你在深度学习上的知识和经验,同学们在项目上一定要体现在深度学习方面的深度和广度来,切记。

最后战果跟论坛大牛们比起来,简直是献丑,最初拿到了360的offer,但钱少离家远,拒了。后来陆续拿到3家offer,有互金、教育等,大概25K吧……,一入江湖岁月催,就着急着先转行上班了,曲线救国,来年再争取高薪。
已邀请:

要回复问题请先登录注册