我是如何转行做人工智能并实现薪资翻倍的

大家好啊
熟悉我的小伙伴都知道，我之前在北京某211大学，本硕读了7年的机械专业，后来硕士毕业后，果断转行去做了嵌入式开发，随后瞅准了 AI 爆发的时机果断转行去做了AI。

这段经历已经过去了很多年，但依然历历在目。 我从机械硕士转行到 AI 算法的过程中，自学过很多知识，包括 C++、python 编程，当然还有 AI 算法，也有很多感悟。

今天就跟大家分享一下这段经历，希望可以帮助到手机前的你。

1、辞职去做 AI

做 AI 之前，我一直在做传统嵌入式。

但彼时 AI 行业已经火了，因为什么呢？因为在我做嵌入式的那家公司，另一个小组，已经开始在公司内部讨论 CUDA 编程了。

当时对 CUDA 完全不懂，百度查了一下，发现竟然可以做 AI 算法的加速，很是新奇。 正好我们当时在用一款国产小芯片做开发，也在愁如何在这个小芯片上做性能优化。

于是我就查了不少关于 CUDA 编程的资料，再然后自然而然就查到了 AI 算法和深度学习知识，于是产生了转行去做 AI 的想法。

在那家公司提离职的时候，我被总经理叫到了办公室，关上门畅聊了一下。 他问我以后什么打算？ “我说，我想搞人工智能算法”，彼时人工智能算法已经火起来了。

我说我想去商汤那样的公司搞 AI 算法，我觉得 AI 算法，未来的应用潜力很大。

经理说：“商汤的算法搞了很长时间了，很多算法已经固化成了包，很少会再有新的算法来研究了，你现在去搞，我不认为是一个好的选择”。

当时我不知道经理是对 AI 算法这一行不熟悉，还是用这样的说辞来劝退我，希望我留在公司。

最后的谈话以以下对话收场。 “经理，我希望我在有动力，敢想敢干的年龄，去闯一闯，试一试 AI 这一行。”

“可以，既然你决定了，我支持你，但如果在外面混不下去，可以回来。”

“好的，谢谢经理”

因为那句"如果混不下去了，可以回来"，我从办公室出来的时候有点泪目。

2、大海捞针的面试

时间来到当年 5 月，我正式结束了在那家公司的交接工作，离职开始投简历，当时只投了一类工作：AI算法。

收到了不少面试机会，大小公司都有。 一天跑好几个面试是常有的事，我给自己的目标，一定不要凑合，一定要找到自己喜欢的工作，工资无所谓。

当时面过好几家公司，有初创公司利用摄像头做成像，然后利用神经网络识别物品的，类似于现在超市货架上的商品，用摄像头+AI算法来做识别。 类似于现在自助贩卖机的功能，你付了钱，从里面拿出某件商品，可以识别出来你拿的商品以及付的钱一不一致。 但彼时的我，算法真的一塌糊涂。

印象很深刻的是，面试官问我什么是权值？我说你说的是不是达不溜（w）。

他笑着说，什么达不溜，我说我看很多文章中都说权值，用 w 表示，很显然面试失败了。

当时面试是真的难，虽然自己有编程语言的底子，也有芯片开发的经验，但是做算法，感觉就像是换了一个方向，尤其是 AI 算法。

后来我投了商汤，获得了宝贵的面试机会。

一个小时的面试，都是面试官在跟我讲他们公司做的事情，面试快结束了，面试官跟我说。 “我们收到了你的简历，但是说实话，不太符合我们的需求，但为什么还要让你来参加面试呢？ 一是想当面和你说一下我们公司在做的事，算法并不是你想象的那么简单，你需要了解 blabla 等等的知识； 另一方面，如果你还想在这方面继续投简历面试，我给你一些需要学习的建议和书籍，你可以回去学习一下。”

真的很感谢商汤的面试官，一个小时的交流，确实学到了很多，后来商汤上市了，也用过他们家的产品，祝商汤越来越好。

3、AI 芯片

既然纯 AI 算法有难度，那就结合我嵌入式开发的经历以及 AI 算法重新投简历吧。 什么样的工作需要这样的呢，兜兜转转投了很多岗位，最终确定在了 AI 芯片的算法开发。

第一，对芯片有了解是加分项，刚好我做过嵌入式开发，了解过很多计算机指令、总线、内存、寄存器相关的知识。

第二，算法正是我所要学习，并且想进入的行业。

彼时国内搞 AI 芯片的屈指可数，阴差阳错的进入了一家当时的独角兽公司，行业内的小伙伴可能会知道，一年后公司上市。

在这家公司，学到了很多，一步步的也成长了很多，可惜的是最近这一年公司裁员不断，很多一起奋斗的小伙伴也都离开了，当然我也离开了。

回想我们那几年在公司的日子，大家一起为了国产 AI 芯片努力，加班加点适配各种神经网络，加班加点完成模型性能优化的日子，真的很单纯。

那时候的我们有理想，或许真的想为国产 AI 芯片做一些事情，可惜的是，公司上市之后发展事与愿违。

这是几年前的事了，目前我仍然在做着 AI 研究相关的工作，但早已不是几年前的小白了。 工作教会了很多，自己也学了很多。 感恩那个主动离职去寻找新机会，和总经理在办公室聊了很大一会的下午。

4、转行容易吗

在我从嵌入式转行做 AI 的过程中,为了快速学到 AI 行业的知识，当时报了一个班，学了几个月，基本上把 AI 算法和神经网络的整体脉络摸透了，只不过一些基础还不扎实。

后来成功入职了上面说的公司，薪资也成功翻倍了，弥补了报班产生的费用，那一刻觉得一切都是值得的。

亲历过这段经历，我只能告诉你，转行不容易。 别听网上说的转行很容易，除非你能力出众到，面对一个全新的领域，别人一说你就懂。

隔行如隔山，但你是个天才。

否则，没有做好完全的心理准备，没有准备好退路，没有足够的勇气，不建议贸然转行。 但不容易不代表不可行。 转行没有捷径，用勤奋学习来弥补短板缺点，然后快速的将自己的水平和行业平均水平拉齐。

只有这样，你才能快速的在新行业立足，建立自信。 否则，只会陷入更加深刻的自我怀疑中，这其中的艰难，只有经历了才懂得，劝君慎重。

当时除了报了一个班之外，还有哪些渠道可以学习呢？

如果真的转行了，面对一堆听都听不懂的专业术语，不要害怕，上网查资料自学，一定要系统的学习！！！

• B站和慕课上有很多免费教程，可以学 C++和 python，也可以学吴恩达老师的机器学习入门课程。
• 计算机基础学习，除了工作之外，系统的看相关的书籍并进行大量的实践，有机会的话，多弄一些开发板来调试，如果有能力可以搞GPU来做实训。
• 计算机基础入门方面，可以找计算机的考研课程系统的来看，作为入门基础。 其次，找行业内的人多交流，深入了解这个行业。

以上几点做好了，你就能跨第一道坎，一只脚进入了新行业之后，那就是自学进门，修行在个人了。

5、我是怎么学的呢？

看课学 C++ 除了上面说的报了一个 AI 的课程之外，我当时还买了一个 399 的 C++ 课程，每天上班路上看。

坐地铁从家里到公司刚好半小时，每天上下班看一个小时，坚持了3个月，将课程看了 6 遍。 到公司有闲暇的时候就练习课程中的技术，基本上3个月下来，C++ 就很熟练了。

找深度学习的实际算法练手，亲自手写算法 吴恩达的课确实经典，很多入门的同学都会看，我当时也看了，算是一个深度学习理论的领路人吧。 在此基础上，我会把很多算法都自己实现一遍，加深对这些算法的理解，比如我手写过很多版本的[卷积算法]、[矩阵乘算法]等等。

为什么我要手写算法，因为我想加深自己对于算法的理解。 调用库我们都会调用，但是调用库的时候，你只是个使用者，能自己手写出来才是真正学到手。

我还手写过不少的神经网络。

我从头开始全部手写了所有算法和网络结构，核心实现没有调用任何三方库，最近还想给他重构一下，如果你感兴趣可以去看看。

在完成以上两点之后，我的深度学习入门基本就完成了，剩下的就是在工作中不断地打磨自己对算法的理解，不断的精进自己的水平。

然后业余时间写文章，做算法科普，同时也加深自己对算法的理解。
​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。