一、这里有一份《90后不同学历求职者的受欢迎程度》调查图。
真正起决定因素的是项目差距:谁的项目好,就要谁;和学历、专业的关系是非常小的,特别是本科和硕士的差距那就更小了。图片来自:100offer(侵删)
1、很明显的可以看出专、本、硕在“薪资”方面差距不大,真正拉开差距的是“面邀数”。
面邀数是指:接受到的面试邀请数。
但是显而易见的是从题主的描述中来看,应该是已经进入终试二选一等offer的阶段了。
这意味着什么?
意味着虽然本科生学历处于劣势,但是本科生一定在某方面优于硕士生,所以HR会陷入纠结中。
那就要看是不是项目原因了。项目的差距对HR的起着决定性的作用。
二、下面是一份《90后不同工作经验求职者的受欢迎程度》图片来自:100offer(侵删)
在行业内经常有一句话流传,“表面上看薪资是根据你工作年限来定的,其实是根据你的项目经验来定的。”简单的说就是项目问题、能力问题。
三、在这里说一下转行的人工智能领域的事情。
1、转行学习新的方向,要做好心理准备。
简单说就两句话:不要高估短期学习的效果,也不要低估长期学习需要花费的时间。
关于这点我有在下面这篇回答里详细分析过,感兴趣的可以看下。学习Python总是学了新内容又忘了旧的咋办?www.zhihu.com
2、有基础最好,没有基础也不要盲目去补数学基础。
在学机器学习的过程中,根据实际情况去补数学。因为数学太多了,自学补齐这些基础,可不是一件简单的工程……
线性代数:
矩阵表示、矩阵运算、特征根、特征向量是基础中的基础,主成分分析(PCA)、奇异值分解(SVD)、矩阵的特征分解、LU 分解、QR 分解、对称矩阵、正交化和正交归一化、矩阵运算、投影、特征值和特征向量、向量空间和范数(Norms)……
概率论+统计:
很多数据分析建模基于统计模型、统计推断、随机过程、独立性与贝叶斯,最大似然(MLE)和最大后验估计(MAP)
矩阵求导:
机器学习中好多优化问题最终都归结到矩阵求导上。
3、网上的免费资料很多,机器学习攻略也有很多,所以你要明确自己的学习计划,最好能找到同学和老师一起探讨学习。助你能够在机器学习的领域有所收获!
关注公号:七月算法
更多干货福利等你来领