微信公众号
关键字全网搜索最新排名
【机器学习算法】：排名第一
【机器学习】：排名第二
【Python】：排名第三
【算法】：排名第四
本文作者和他雇主公司的产品合影
过去一年对我来说，是收获颇丰的一年。一年前，我放弃了计算机芯片设计的全职工作，“重新回到校园”，希望转行到机器学习领域。但是，我没有回到传统意义上的校园，而是决定在优达学城（Udacity）平台上接受在线教育。
经过一年的在线学习，和两个月的求职时间后，我进入了 BMW 在硅谷的技术部，负责无人驾驶项目的机器学习工作。
如果你想转行，并打算辞掉全职工作，那么我的经历也许可以给你带来激励，并提供一些实用的建议。如果你只是对我的经历好奇，那么至少也可以当做一个有趣的故事读一读~
——我的背景——
转行之前，我的专业背景是计算机芯片设计。我在密歇根大学完成了我的“传统”教育，获得了计算机工程本科学位，并在 2009 年获得了电子工程硕士学位。毕业之后，我在 AMD* 的波士顿办公室找到了一份工作，负责计算机芯片的设计和验证工作。前几年，这份工作的收获很大，我学到了行业最佳做法，参与到有数百万人使用的产品的研发中。我觉得我取得了很不错的职业发展。
（*注：AMD为美国超微半导体公司 Advanced Micro Devices 的简写）
——谋求改变——
但是，在 2014 年底，我开始觉得半导体行业停滞不前，总是听到一些企业兼并的消息。我希望进入具有快速发展潜力的行业，所以我觉得我不能驻足不前。幸运的是，在这段时间，大规模开放式在线课程 (MOOC) 变得越来越流行，所以我通过 MOOC 学习了 Web 开发、Android 开发、机器学习和人工智能知识。我觉得机器学习是最有意思的领域，很有发展潜力，所以我决定专攻这一领域。
我在 2015 年的目标，是掌握机器学习专业技能。下班之后以及周末，我就会学Coursera 上的 Andrew Ng 的机器学习课程，并阅读机器学习在线教程（例如 Andrej Karpathy 的博文）。2015 年 11 月，优达学城（Udacity）宣布推出机器学习纳米学位课程（MLND），我立即报名参加了。遗憾的是，我发现全职工作时，我的学习进度很慢，主要原因是我的自律性太差。晚上下班之后，我总觉得大脑太疲乏，根本没法完成任何需要用脑的任务，例如学习。大部分时候，我都是在周末才能赶学习进度。
知道技术发展速度太快，我真的很希望立即加入到人工智能的变革中。保持现状的机会成本太高。我已经有了一笔积蓄，足够我生活 2 到 3 年，所以完全可以辞掉工作，全心全意地学习新知识。我也考虑过进入传统大学并获得计算机科学硕士学位。但是我毕业于大萧条时期，亲眼见证了知名学府的学位证书并不能保证找到工作，所以成本与预期价值主张对我来说吸引力并不大。在大学时期，我逃了很多节课，很少参加教授辅导活动，所以我觉得在线教育很适合我。
在 2015 年，我听说乔治亚理工大学推出了一个新的线上项目，叫做 OMSCS。从资金成本的角度考虑，这门课程似乎是个不错的选择（当然如果我被录取的话）。但是，优达学城推出了 MLND，这是一门侧重于行业知识的课程，课程周期比 OMSCS 短了很多。因为 MLND 的费用相对更低，学习周期更短，并且课程侧重的是行业知识，我认为这很适合我。我计划在 5 到 6 个月的时间内学完 MLND，完成一些个人补充项目，并在 2016 年第四季度进入机器学习，从而进入人工智能行业。
在 2015 年底计划好总体计划，获得了亲朋好友的支持后，我就开始准备行动了。在 2016 年 1 月，我向我的经理提交了辞呈，结束了在 AMD 的 6 年时光。
——重返校园——
当然，事情并不总是按计划发展。下面是我在 2016 年的经历：
1 月：辞掉工作，休息了几个星期
2 月：学习 MLND，以及优达学城（Udacity）的前端开发工程师纳米学位（FEND），因为我对网络开发很感兴趣
3 月：在泰国与父母一起度过一个月的假期
4 月：在日本待了一个星期（因为要在日本转机到波士顿），学完了 FEND
5 月：继续学习 MLND，只剩下最后一个项目，因为我想要在开放式的毕业项目中，做一个真正酷炫的作品。开始在 Youtube 上观看 CS231n 讲座
6 月到 7 月：悠闲地观看 CS231n 讲座，有很多时间都在玩电子游戏
8 月：观看完 youtube 上的 CS231n 讲座，因为受到年初 AlphaGo 的激励，决定在 MLND 的毕业项目中，选择深度强化学习方向
在 2016 年 9 月，发生了一件有趣的事：优达学城宣布推出为期 9 个月的无人驾驶汽车纳米学位项目（SDCND）。对我来说，人工智能最有意思的应用领域就是机器人。无人驾驶车无疑是很及时且实用的应用领域。我的总体计划已经落下进度，但是我认为无人驾驶汽车纳米学位值得我投入额外的时间和精力。因为该纳米学位课程的前三个月会侧重于深度学习和计算机视觉，所以我觉得我很快就能开始在相关领域寻找工作。因此，2016 年下半年的经历继续如下：
9 月：完成我的 MLND 毕业项目。看到 SDCND 开放申请，马上报名了
10 月：被 SDCND 的10 月班次录取了！开始学习 SDCND
11 月到 12 月：学习 SDCND
——准备寻找工作——
到了 2016 年 12 月中旬，我已经完成前 3 个 SDCND 项目*：基本道路检测、路标分类以及行为克隆。优达学城让我的简历作品集有了很高的起点，但是在应聘工作之前，我想为我的简历增加一些吸引人的经历。我总是觉得物体检测演示看起来很酷，所以我决定完成一个基于深度学习的物体检测项目（SDCND 的第 5 个项目实际上是车辆检测，但是没有用到深度学习）。最终，我花了 4 周的时间创建了一个路标检测项目，在 TensorFlow 中从头实现了热门的“SSD” 算法。
与此同时，我还在完成优达学城的职业发展项目，主要是完善我的简历、LinkedIn 资料和 GitHub 资料。在整个过程中，优达学城的审核人员提供了宝贵的建议和鼓励的话语。对于我的简历和 LinkedIn 资料来说，我的主要任务是写一段简洁明了，但是又充满吸引力的总结话语，因为我肯定不是一名常规的应聘者。在反复琢磨，并得到优达学城职业服务的宝贵反馈之后，我写出了下面这段总结：
“我之前在 AMD 负责微处理器设计和验证工作，目前正转行到人工智能领域，尤其是机器学习。拥有成功地执行影响到全球数百万用户的大规模计算机工程项目的经验和能力。”
（注：本文作者现在已经申请成为 Udacity无人车纳米学位课程的导师，帮助其他学员解决学习问题。）
之后，我得到了另一个重要的机会。我在 SDCND 认识的同学 Patrick Poon 创建了波士顿无人驾驶汽车小组。该小组一开始侧重于优达学城的 SDCND，因为我是第一批 SDCND 学员，所以我在 12 月中旬主动通过非正式演讲分享了我的学习经验。Patrick 建议我们将演讲录制下来并上传到 YouTube 上，这个建议很不错，因为提升了我和小组在网上的形象。在接下来的几个月内，我通过这个小组得到了几个工作机会。
——寻找工作——
应聘
在 2017 年 1 月底之前，我已经准备好应聘工作了。我关注的是深度学习和计算机视觉方面的职位，并首选无人驾驶汽车方面的岗位。我还申请了人工智能芯片设计方面的职位（没有获得任何面试机会），以及机器学习职位。我使用的应聘渠道是 LinkedIn Jobs、AngelList、直接在企业网站上投递简历、波士顿当地的猎头公司，以及优达学城的职业服务。我主动应聘了大概 90 个工作岗位。
面试问题
概括来说，我面试了以下两种类型的工作：
(1) 机器学习和计算机视觉工程师
(2) 实现机器学习算法的软件工程师
对于第 (1) 种类型，面试问题围绕的是 机器学习 概念，机器学习如何应用到计算机视觉上，以及“传统的”计算机视觉概念（透视变换、边缘检测、线条检测等）。此外，还有很多关于如何寻找车道线，如何改善车道线检测算法的问题。面试的大部分时间还用来讨论我在机器学习和计算机视觉方面完成的项目——我的动机、我经历的流程，我可以如何改善项目。经常会遇到的一个问题是“你是如何超出课程要求的？”，或者类似的问题“你的哪个项目不是课程要求的项目？”。面试官很关心的一个问题是对某个领域是否感兴趣，是否超出项目要求，并自己创建有趣的项目。
对于第 (2) 类问题，面试官会评估我对机器学习的一般兴趣，然后提出一些编程问题，例如 Cracking the Coding Interview 或 LeetCode 中列出的问题。在这些面试中，我表现的并不优秀，因为我仅在几周前才开始研究 CTCI/LeetCode 中的问题。
面试和 offer 的具体数据
最终（3 月中旬），在投递了大约 90 份简历后，我获得了 9 次面试机会，也就是大概 10% 的申请获得了面试机会。对我来说，这个比例已经很不错了。在这 9 此面试机会中，有 4 个进入了最后一轮面试：2 个最后一轮面试是全职工作，2 个是实习机会。这 4 个面试表现都很不错，因为都拿到了 Offer。在找了 2 个月的工作之后，我拿到了 2 个全职 offer，1 个无人驾驶汽车感知职位实习 offer，以及 1 个自然语言理解岗位实习机会（运用 NLU/AI 理解病例）。最终，我决定接受 BMW 的全职 offer。
——如何打入BMW内部——
应聘
我回忆下我的 BMW 应聘和面试流程。在 2 月初，优达学城通知我们 BMW 的多个岗位正在招聘。我看了看他们的招聘岗位，对他们的机器学习软件工程师一职很感兴趣。这一职位侧重于将机器学习应用到 BMW 的无人驾驶汽车项目上，涉及技术搜索和评估、原型设计以及将技术转换为产品。听起来是研究与工程的完美结合。此外，作为铁杆宝马粉，能够加入他们的无人驾驶汽车团队简直太酷了。我马上应聘了该职位。
面试
一到两周之后，BMW 通知我他们希望面试我。总体来说，我的面试流程是一开始的电话面试，然后是现场面试。两次面试都涉及了关于机器学习和计算机视觉的技术问题，以及在无人驾驶汽车方面的应用。对于现场面试，他们要求我做个关于数据和机器学习的演讲及问答环节，他们提前告诉了我具体的主题。我觉得主题很有趣，准备的过程很有趣，顺利完成演讲和问答环节。当然，两次面试使我有机会提出问题，并更好地了解这一岗位和团队状况。
拿下 offer
我在 BMW 的现场面试体验很棒。我要加入的团队似乎很不错，我的职位很有趣，并且有巨大的发展潜力。这时候，我已经拿下了其他几个 SDC offer，但是我很希望得到 BWM 的回复，因为是我的首选职位。之后的一周，我每隔几分钟就查看邮件，最后终于收到了 BMW 人力部门的电子邮件，他们要给我发正式 Offer 了！我们安排了一次电话会议，并对细节问题达成一致意见。准备搬到美国的另一端，开始新的职业了 。
——结语 + 寄语——
一年前，我一头扎进了未知领域，辞掉计算机芯片设计的全职工作，开始通过优达学城平台学习机器学习知识。有些人可能会觉得我的决定很奇怪，但是我相信（或许还有点天真）我做出了正确的选择，未来一切都会顺利发展。快速回到现在，我已经成功地转行到机器学习领域，将机器学习知识应用到 BMW 的无人驾驶汽车项目。对于那些和我处在相同境遇的人，希望我的故事能够为你带来有用的信息和一些激励作用。对于所有人，希望我的故事都能带来启发，感谢阅读！
原文作者：优达学城“机器学习”纳米学位毕业学员 George Sung
想要和 George Sung 一样，改变命运，成为宝马的工程师？把握未来，不被时代淘汰，掌握机器学习技能至关重要！
优达学城（Udacity）与 Google、Kaggle、滴滴出行联合推出的 “机器学习工程师” 纳米学位项目，将带你从零开始，由浅入深，全面掌握机器学习领域的核心知识，并将预测模型应用于金融、医疗、教育等领域内的大数据处理，成为高薪、抢手又能改变世界的机器学习工程师！
class="video_iframe" frameborder="0" allowfullscreen="" scrolling="no" data-vidtype="-1" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=m0307q526q8&width=670&height=376.875&auto=0" style="display: block; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=m0307q526q8&width=670&height=376.875&auto=0"/>
第七期“机器学习工程师”纳米学位项目将于 9月28日 正式开放报名，本期仅限 300 席位，扫描下方二维码，加入开课通知群，还可以：
＊ 免费领取来自硅谷的《机器学习终身职业指南》；
＊ 获得课程大纲，提前预览硅谷式课堂；
＊ 了解课程最新价格，抢先预定本期席位！
点击【阅读原文】，了解“机器学习”纳米学位项目详情
扫一扫
5373
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
