大厂裸辞2个月转行AIGC产品经理，月薪5W

前言

2024年马上过半，AIGC最近的面试机会依然非常多，陆陆续续收到很多学生的报喜，薪资10K–>19K；13K–>20K；20K–>32K；总包从45W–>60W，57W–>110W等等，所以转行要趁早

虽然AIGC领域的招聘还可以，但是今年整体就业市场不是特别好，大家要有一个心理准备。招聘量比较大的就是AIGC和新能源了。

1）如果是北上广深杭等一线城市建议大家重点考虑AIGC赛道，特别是互联网行业的小伙伴；

2）如果是二三线城市，可以重点靠考虑一下新能源赛道

在这里分享一套2个月上岸AIGC产品经理的思路，普通人可以直接抄！

🏈一：多看行业资讯网站或者公众号

转行AIGC必看的网站/公主号：

👉新智元：AI深度文章；

👉机器之心：行业资讯、ai干货、新产品；

👉量子位：公关PR稿；行业新闻更新速度快；

👉IT桔子：AI领域的投&融–资；

👉ChatGPT Plugin导航网站：各种插件集合，强推

🐶第二、多看行业研报，形成宏观且系统认知

给大家说几个我自己常用的研报获取来源

👉慧博投研

👉艾瑞

👉萝卜投研

👉东方财富网

🏆第三、明确细分领域，搭建自己的知识库

AIGC目前核心就是四大方向：文本、图片、音频、视频。建议按照求职城市（各领域的岗位数多少）、工作背景（工作内容与AI的相关度）、个人兴趣（个人看好的方向）这三个维度选定一个方向深耕。

选定方向之后，需要搭建自己的知识库。

建议是放到飞书/石墨/有道云笔记等这种在线文档中，随时看到重要资讯或者信息都可以及时同步。我们上面讲到的行业网站、研报等渠道都是可以很好帮助我们搭建知识库的方法。

格式按照自己的习惯就好，可以参考：时间、核心观点、自己的感悟和理解、原文链接等维度进行汇总，方便后续浏览和查看。

🌿第四、系统掌握AIGC相关的基础知识

👉AIGC产品经理的能力地图

1）深度学习发展史

2）人工智能公司分类

3）AI产品经理分类

4）大模型时代产品经理需要了解的AI应用上下游关系

5）大模型时代产品从图形用户界面转向自然语言用户界面

👉AIGC产品经理的工作内容

1）AI产品经理的能力要求

2）AI 产品经理工作全流程

👉机器学习算法：核心的7大要掌握

1）人工智能、机器学习、深度学习的关系

2）什么是机器学习

3）机器学习的分类

4）机器学习的一般流程

5）监督学习：线性回归

6）监督学习：逻辑回归

7）监督学习：贝叶斯

8）监督学习：决策树

9）监督学习：K临近算法

10）监督学习：支持向量机SVM

11）非监督学习：K均值聚类K-means

12. 强化学习

13）生成对抗网络GAN

👉计算机视觉（CV）

1）常见视觉任务简介

2）常见视觉任务-图像分类

3）常见视觉任务-目标检测

4）常见视觉任务-图像分割

5）常见视觉任务-OCR文档分析系统

👉自然语言处理NLP

1）常见NLP任务-情感分析

2）常见NLP任务-电商商品评价

3）常见NLP任务-舆情分析

4）常见NLP任务-电影评价

5）常见人工智能框架

👉深度学习算法

1）深度学习基础-神经网络

2）深度学习基础-反向传播

3）卷积神经网络CNN

4）CNN多层卷积抽取复杂特征过程

5）循环神经网络RNN

6）长短时记忆网络LSTM

👉大模型算法：扩散模型、transformer等

1）什么是大模型

2. 为什么需要大模型

3）大模型大特点

4）生成式AI不同方向企业分布

5）大模型创新应用-以character.AI为例的AI机器人

6）大模型创新应用-以Jasper AI为例的文案生成

7）大模型创新应用-以Stability AI为例的图片生成

8）大模型创新应用-以Runway为例的视频生成

9）AIGC对于提升内容生产力的巨大价值

🍎第五、需要学AIGC技能模型，完成实战项目

做AIGC产品经理一定要有实战项目经验，一般来说需要包含：

👉AIGC市场调研

👉AIGC需求分析

👉AIGC产品竞品分析

👉AIGC技术可行性调研

👉产品脑图和流程图

👉AIGC 产品原型图设计

👉AIGC产品说明文档

👉AIGC算法验收及迭代

基于以上方法论和流程建议大家做两个项目：AI文本生成类（对话机器人）以及AI图片生成类，当前这两方面的招聘量极大。

因为AIGC的四大落地场景（文本、图片、音频、视频），目前音频和视频的技术效果还很不尽如人意，距离大规模落地应用还很长远，所以这方面的招聘量比较少。

项目一：AI对话机器人类实战项目

1）什么是Prompt

2）通向AGI之路，两个阶段总览

3）LLMs的发展历程

4）最近10年深度学习模型主要迭代

5）为什么大模型有如此大的表现力

6）ChatGPT是如何训练的

7）大模型的微调

8）几种常见的微调方法

9）ChatGLM3介绍

10）ChatGLM效果评估

11）通用大模型存在的问题

12）RAG（检索增强生成）

13）LangChain介绍

14）LangChain组件

15）基于LangChain RAG流程

16）向量数据库搜索

17）LangChain-Chatchat

18. 配置自己的LangChain+llm服务

项目二：图片生成类实战项目

1）什么是Stable Diffusion

2）扩散模型：Diffusion Model

3）扩散模型的向前扩散（训练过程）

4）扩散模型的向后扩散（生成图片过程）

5）Stable Diffusion如何生成图片

6）Latent Space和VAE

7. SD web UI的使用

8）提示词的书写方法

9）什么是LoRA

10. 为什么要使用LoRA

11）SD微调的4种方法

12）LoRA训练

13）初识ControlNet

14. 使用ControlNet

15）ControlNet使用场景：线稿上色

16）ControlNet使用场景：建筑设计

17）ControlNet使用场景：手绘图作画

18）ControlNet使用场景：人物姿态

19）ControlNet使用场景：局部重绘

20）写真生成完整流程

21）写真生成完整优化思路

🏆第六、将项目经验融合到简历中，完成简历的撰写

我们做的实战项目一定需要与过往的工作经验想结合，体现在简历上，这样才能向面试官证明：我是真的有相关经验的，不是转行的，而是跳槽的！

简历的写作方法参考如下：

❤️第七、简历投递，准备面试高频题目

一边投简历，一边我们要开始准备面试高频题目，比如我给大家整理了一些，看大家是否都能回答的很好：

第一类：自我介绍

第二类：AI技术背景

2.1 什么是特征清洗、数据变换？
2.2 什么是过拟合和欠拟合？
2.3 什么是跨时间测试和回溯测试？
2.4 什么是训练集、验证集和测试集？
2.5 你之前负责产品中使用的最核心的算法是什么？这种算法有哪些优缺点？
2.6 对深度学习有哪些了解？深度学习的应用场景有哪些？
2.7 机器学习的三大类应用场景都是什么？
2.8 逻辑回归相比于线性回归，有什么区别？
2.9你能介绍一下KNN/朴素贝叶斯/SVM/CNN/Diffusion/NLP的原理吗？你熟悉哪几种深度学习和机器学习算法？都有哪些区别？

第三类：工作场景类

3.1 AI算法工程师说你的需求实现不了怎么办？
3.2 如果公司研发资源不足以实现你想要的功能，怎么办？
3.3 训练模型时，数据集都有哪些来源？找不到合适的数据集怎么办？
3.4 工作中，用什么样的方法清洗和整理数据？
3.5 你怎么评估一个模型的好坏？

第四类：AI产品经验

4.1 系统的介绍一下你负责的某某AI产品
4.2 工作中做的最失败的事情/项目/遇到的最大困难是什么？
4.3 请说说你们产品的主要竞品是谁？

第五类：产品素养类

5.1 AI 产品经理和传统产品经理的区别是什么？
5.2 AI 产品经理的工作流程和工作职责是什么？
5.3 AI目前在B和C有哪些落地场景？
5.4 什么样的AI产品算是成功的产品？
5.5 平时在哪些网站/渠道学习AI产品知识？
5.6 你们的模型构建流程是怎么样的？

第六类：行业认知

6.1 你怎么看待 AI 或者人工智能行业？对于整个AI行业有哪些认知？
6.2 结合我们公司的业务场景，通过 AI 技术可以做哪些工作来提升用户体验？

第七类：其他问题

7.1 为什么想做AI产品？
7.2 你做AI产品有哪些优劣势？
7.3未来的职业规划是什么？
7.4 目前有哪些offer?怎么选择?
7.5 为什么从xxx(主要是实习、工作)离职?

7.6 你在实习/工作的过程中遇到过哪些困难?最大的困难是什么?怎么解决的?在这 过程中你学到了什么?
7.7 你觉得你实习/工作期间做的最好的项目是哪个?为什么?具体介绍一下?(项目内容)
7.8 你参与/负责的产品在市面上有哪些竞品?你们的竞争优势是什么?你更 看好哪款产品?(产品了解程度)

7.9 你平时比较喜欢哪款产品?它哪个地方吸引你?有什么可以改进的地方? (产品分析)

7.10 什么样的产品能够算作成功的产品?(产品洞察)

7.11 为什么选择xxx公司?

7.12 如果同时面对几个需求但精力有限，如何安排?(需求规划)

7.13 如果你负责的某个需求要被延期，你会怎么解决?(需求规划)

7.14 如何从0-1设计一款产品?(产品流程)

7.15 如何给一个产品进行改版发布?(产品发布)

7.16 在设计产品的过程中如何获取用户需求?(需求获取)

7.17 和老板观念发生冲突如何解决?(应变能力、沟通能力)

7.18 和开发人员发生矛盾会怎么解决?(沟通能力)

7.19 面对客户临时增加的新需求，应该如何处理?(应变能力)

7.20 新产品如何获取种子用户?(用户运营)

7.21 你平时都是通过哪些渠道搜集学习哪些互联网相关的信息？

7.22 用户调研中定性和定量调研的区别和联系

7.23 你是如何进行项目管理的？如何保障项目保质保量按时上线。

7.24 需求评审时研发说需求实现不了怎么办？

7.25 什么是用户粘性，如何提升用户的粘性？

7.26 你大概什么时候可以到岗？

7.27 你用过我们的产品么？对我们的产品有啥建议？

7.28 为什么XX个月没有工作？职场空窗期该如何解释

7.29 如何将用户需求转化为产品需求？

7.30 作为产品经理该如何进行竞品分析？方法论是什么？

7.31 作为产品经理如何进行产品迭代以及版本规划

7.32 你是怎么做用户调研的？

7.33 你是怎么做数据分析的？

7.34 你在找工作时最看重的是什么？如何进行排序？

7.35 怎样评估项目/产品的可行性？

7.36 你是如何理解“互联网思维”的？

第八类：AIGC项目类问题

8.1 目前人工智能项目一般采用什么算法或模型，近些年的使用的算法或模型有什么变化
8.2 AI产品经理在针对算法的选择上，需要承担哪些职责，举一个具体的模型选型的例子

8.3 在选择特定的AI算法或者模型时，AI产品经理应如何考虑算法的性能、精确度和计算成本与业务目标之间的关系？如何通过恰当的算法选择提升了产品性能或用户体验

8.4 大模型是怎么训练出来的，在特征工程部分大概的过程是人为寻找的特征值还是按规则机器寻找的特征值（比如CNN）

8.5 如果你作为OpenAI的核心人员，你会如何通过内部资源协调，实现参数量的提升和算法服务的性能及表现的提升

8.6 面对大量数据，AI产品经理如何处理数据的采集、清洗和标注工作？在这些过程中，承担的是什么角色，这个过程中有没有遇到哪些问题，是如何解决的；在模型训练过程中，如何确保数据的质量和模型的准确性？

8.7 面对各国（主要是国内）的数据保护和隐私法规，AI产品经理应如何确保产品的合规性？过往是否有遇到哪些因数据安全问题产生重大隐患和实际影响，这些问题如果以现在来看是否可以规避

8.8 在跨职能团队（如工程师、设计师、市场专家等）中，AI产品经理如何有效沟通和协调，以确保产品的顺利开发和推广？

8.9 为什么GAN网络被SD的扩散模型取代了？仅仅是因为GAN网络的训练过程不稳定以及机器资源要求高这两个原因吗？

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.2.1 什么是Prompt
  • L2.2.2 Prompt框架应用现状
  • L2.2.3 基于GPTAS的Prompt框架
  • L2.2.4 Prompt框架与Thought
  • L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
  • L2.3.1 流水线工程的概念
  • L2.3.2 流水线工程的优点
  • L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
  • L3.1.1 Agent模型框架的设计理念
  • L3.1.2 Agent模型框架的核心组件
  • L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
  • L3.2.1 MetaGPT的基本概念
  • L3.2.2 MetaGPT的工作原理
  • L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
  • L3.3.1 ChatGLM的特点
  • L3.3.2 ChatGLM的开发环境
  • L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
  • L3.4.1 LLAMA的特点
  • L3.4.2 LLAMA的开发环境
  • L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓