想转行AI行业？这篇文章告诉你我是如何“半路出家”转行算法工程师的！

AI程序猿人

于 2025-06-12 19:52:31 发布

阅读量471

点赞数 15

文章标签：人工智能算法深度学习大模型应用 AI LLM NLP

本文链接：https://blog.csdn.net/python1222_/article/details/148617398

版权

#01

关于择业考虑

算法岗是什么？

算法岗，从根本内容上来说，是算法，算力，数据，应用场景的交集。从工作要求的角度来讲，是你的能力能够匹配大厂需要的工作要求。从个人角度来说，是你能够快速迭代和更新所需要的机器学习/深度学习知识+特定项目经历+比赛/相关paper+数据结构，并且能接受加班和kpi绩效化。当然相对来说，工资比较高，而且是未来5年的主航道。

是否能转行到算法岗？

如果你专业也不对口学校也不好，并且还没读过研究生，对这个也没啥项目经验，甚至都找不到同伴或者学习成长机会的话；或者本身又没有很坚定的毅力去转行，或者本身就对这个完全不感兴趣的话，我觉得本帖其实是劝退帖。

因为算法岗是越来越卷，要求是越来越高，发展是越来越快，这几年火过几年可能就烂大街了，不持续更新和发展，你可能还得转行。而且很可能你投入时间和精力和结果不成正比，最重要的是可能还拿不到很好的offer。另外，你说报个班学一下前端开发，或者java开发有一些编程基础会好很多，这个我觉得大概率是可以的，不看出身。

能挣的钱很重要，但是你专心从事软件开发，前后端开发，云上业务，嵌入式或者android开发，测试或者运维的话，努力打拼几年收入也未必会低多少。

算法岗基本要求

大厂的算法岗，硕士现在是基本起步门槛（专业可以不限），也是主力军（等第一批人工智能本科生毕业也是3年以后的事情了）。并且如果你是校招的话，最好成绩能挤进学校前20%，or 学校最好是985/211，毕竟这个才能体现你的学习能力。

能够通过简历大关的，大概率是满足以下多条的应聘者：

1 有相关工作或者对口实习经历；

2 学校好，成绩优秀；

3 有对应paper，专利，或者软著等学术成就；

4 有知名竞赛的top排名，github关注度高，csdn某一领域专家或者知乎专栏专家等；

如果你能做到、或者下定决心做到以上四点中的二点以上，我觉得其实你选择这条路，跟万千大众一起卷还是能活下去的。

#02

本人“转行”经历

本人本科毕业于西南某末流985，研究生毕业于某top QS15，控制工程专业。最开始主要研究领域是做低压电控制。研究生毕业后在菊花厂主要做开发工作，并不是专门做机器视觉的或者CS科班出身。后来也是因为机缘巧合，感觉做CV算法落地非常有前景，所以加入某创业公司成长和学习，在对目标检测的工业应用较为熟悉之后，就去面了一些匹配的工作，斩获阿里，之江，海康等大厂offer，准备开始新一段征程。

分享一下我这一年的入门经验，让更多的小白能够少走弯路、顺利转行，早日走上人生巅峰。

#03

主航道选择

CV, NLP，时间序列，推荐算法，语音

做推荐算法的话，应该是需要大数据（hadoop/spark）+推荐算法结合，主要可以去的是电商，自媒体平台等；

做NLP的话，应该是数据分析+nlp；

时间序列，做风险评估和预测，模型分析等；

做CV的话，主要涉及到目标检测/分割 or GAN or SLAM，主要应用在安防，缺陷检测，自动驾驶，AIOT方面，传统的一些目标检测类的项目主要是在做工业应用的落地这两年比较火，例如商汤工业、阿里大脑or CBU等，学术上发展其实划时代作品日趋减少；也有一些人脸和GAN的超分辨等应用在新媒体和手机等；还有更超前的NAS，transform等，落地和大范围推广也许还需要几年。

语音：以此为主的相对略少，例如科大讯飞，各厂的智能音箱等；

选择一个你感兴趣，并且有资源或者学习机会能够不断学习和进步的方向。感觉卷的程度是: CV>推荐算法>NLP>时间序列>语音，机会概率现在也是如此排序。

我个人还是结合自己经历，这两年还是看好目标检测的落地和AIOT的发展。但是再往后发展，还是多模态更有优势和钱途。下面分享内容也是按照目标检测的入门内容做分享。

#04

基础知识准备

算法工程师，或者机器视觉算法工程师，前提是工程师，然后才是算法。所以要先提升工程实践能力达标，然后再去理解算法，最后只求性能和准确度，实现落地。

数学：

尤其是线性代数，概率论，高数，凸优化等

建议大家找原来的教材或者内容捡起来，或者找一些基础视频看看，要是实在没时间就先跳过，用到再去详细学。

推荐3Blue1Brown ：

https://space.bilibili.com/88461692?from=search&seid=9191144388979767424

编程语言

python: 这个是一门需要必会的语言，会用非常简单，但是写得好还是需要一定难度、并且安装包非常多，建议刷题时候选用。主要是用来实现模型的搭建，算法的测试，效果的评估等。

c++: 这个是一门需要会使用的预言，精通还是挺难的。但是在落地项目，模型速度优化和部署，cuda的时候可能会使用到。是商业落地的必备，在做SLAM或者ROS的时候是基本功。

这个只能说会用，离精通确实还差不少。

数据结构

如果是找工作为前提的话，根据自己情况选择：

如果从来没有学过数据结构，建议郝斌版本的入门教程；

如果没时间的话建议快速过一遍《剑指offer》，大概2周左右；

如果时间充裕情况下，建议留2个月时间每天好好刷题（剑指offer+leetcode）；

如果是大神追求能力提高，请上猛书《算法导论》！

传统数字图像处理基础

很多时候，其实会用到很多传统图像处理知识，例如说帧差法，hsv或者rgb转换等。所以需要OpenCV库函数使用非常6，最好一些基础知识能过一遍。

Linux

如何零基础入门 / 学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么我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，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了。我已将重要的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。

这份完整版的大模型 AI 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】

👉 福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

全套AGI大模型学习大纲+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！

read-normal-img

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。

在这里插入图片描述

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉 福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

这份完整版的大模型 AI 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】

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。