一个半桶子的自述:19应届且双非院校的转型之路


我是七月在线机器学习训练营第6期的学员,也是2019届应届毕业,一个双非院校普普通通的研究生,我大学学的是通信专业,那个时候我还从没听说过机器学习这个东西。研究生进的是软件学院,学的是物联网技术这个专业,这个好像和机器学习也没有很大的关联。

我第一次接触机器学习是在研二,因为当时有一些工作涉及到了一些算法模型且毕业论文也需要用到这方面的东西,所以开始了机器学习的学习之旅。随着学习的深入渐渐感觉到很吃力,自学机器学习果然还是很难得,那些理论公式推导看的人头晕。当时一个人在那里慢慢啃,也没人教,这样过了一段时间,跑去向老板诉苦,然后老板大手一挥,753G的学习视频丢给我了,当时就懵了,这要我怎么学。

最后把视频大致看了一下,发现基本上是七月在线的近几年的机器学习课视频(也不知道他在哪弄的),这就是我第一次和七月的邂逅,看了一些视频讲解,果然有人指导就是不一样,一些以前看的迷迷糊糊的东西老师一讲解就豁然开朗了。经过了一段时间,我发现我对这个还蛮感兴趣的,于是就打定主意,以后就做人工智能了,物联网就被我果断放弃了。既然打定主意了就要行动起来,由于周围没人做这方面的,而且能系统的学习总好过一个人在那里毫无方向的看视频,最后我就报了机器学习集训营。

当时那段时间确实很忙,一方面要完成老板布置的任务,几篇小论文要写,而且大论文也要做各种实验,还要采集数据等相应的准备工作,还要看论文,所以一般只能到晚上跟着直播学习,课下也不能花很多时间巩固,最主要的由于当时不在北上广等大城市,无法参加七月的线下课程(这个是最亏的),所以好多实训项目都没能到现场去实现,每次只能在群里下载代码自己慢慢看,由于我的专业原因,以前没怎么接触过编程,所以代码方面不太行,所以课程的案例代码我都会对着敲一遍,当然也总会遇到很多问题,对一段代码我会反反复复的看,每一条理解清楚,就像背书一样将它们背下来,现在想想其实也挺好,既然没有很多时间来慢慢来,那就先“填鸭”吧。当初为什么会选择学习机器学习呢,一方面是论文需要,另一方面是我一直对数学很感兴趣,虽然有时候那些数学公式让我头疼,但是乐此不疲,可能这也是我坚持学习的一个动力吧。

学校的生活总是平淡无奇的,就这样在写论文、看视频、写代码的生活中度过了几个月,迎来了春招,很多公司来学校招人,投了很多家,基本都会有回应(对于校招,大多数公司都会给你机会的),首先去做个笔试,笔试过了,然后再面试。我就挑两个我印象比较深刻的面试经历和大家分享吧

当然,面试的时候一般会让你先介绍你简历上的项目实践,然后根据你简历上的东西会问一些东西,下面是我还记得的:
某互联网公司(计算机视觉岗位)
对目标检测的算法了解多少,请简要说明
简要说说霍夫圆和霍夫线
说说什么是梯度弥散和梯度爆炸,为什么会发生梯度弥散和梯度爆炸,怎么防止
说说kmeans
简历中有小目标检测,那你这个小目标是怎么定义的
小目标检测用的什么网络结构,在网络结构上有什么创新?(用的ResNet101)
为什么用ResNet,
ResNet有什么特点

另一家(计算机视觉岗位)
谈谈CNN的各层
说说RCNN、fase-RCNN和faster-RCNN的区别
faster-RCNN的roi pooling是怎么工作的
CNN中为什么用relu,还可以用别的吗
什么是感受野
深度学习中有哪些常用的损失函数
你的数据集做过数据增强的处理吗?(做过)
那都做过那些数据增强技术?

目前,我也找到了我喜欢的工作,刚开始已经在另一家入职了,但那个工作环境确实不太喜欢,然后果断离职了,在七月中旬入职这一家,算算快两个月了,还是很开兴的。找工作其实就是个体力活,就像“六项精进”中说的:不要有感性的烦恼。加油!,被抛弃不放弃。

说了这么多,我其实已知觉得自己就是个半桶子,没有花很多时间来学习,虽然学过几个月,但真正学习机器学习的时间有限,所以我这个半桶子都能找到喜欢的工作,你们又有什么好担心的呢?希望大家都能找到自己心仪的工作。
再次感谢七月在线,希望你能越办越好。

相关链接 :
http://www.julyedu.com/weekend/train10?v=m1
已邀请:

要回复问题请先登录注册