背景
2018年研究生畢業，動力機械專業，研究方向是燃氣輪機方向，以仿真為主，吃飯的家伙是CFX、NUMECA、fluent和MATLAB等一系列與仿真相關的軟體，我學的很好，無論是學習成績還是仿真實驗，都做得很好，拿了很多獎，但是到找作業的時候發現，學的好不如專業好，計院學生的薪酬待遇遠超我們，作業時沒有選擇去研究所，去了某知名手機公司，做一名管培生，這一年對我影響很大！作業中，轉行的念頭愈發強烈，作為一名工科生，總有一種丟掉技術就會丟命的錯覺，誠惶誠恐，再加上薪酬的差距，堅定了轉行的意愿！下面直接進入正題，我是如何從一名動力機械的學生轉行到演算法工程師，完成薪資翻倍的！
編程語言
想要轉行計算機，首先得選一門合適的編程語言，鉆進去，吃透它，這是前提條件！千萬不要高開低走，從入門到放棄，最后潦草收場，這樣的案例不在少數，
推薦Python入門！對于初學者而言， Python很友好，比較簡單，網上的教程和書籍也很多，但我不推薦一開始就抱一本很厚的書啃，很容易放棄，每天面對那么厚一本書，學了后面忘了前面，書的頁數也不見少，不是意志堅定的人很難堅持下來，
推薦《Learn Python the Hard Way》入門，中文名叫《笨方法學Python》，很簡單，也沒那么厚，以上手操作為主，所謂的"笨方法"，就是不斷練習，不斷敲代碼，很簡單的代碼也會重復的讓你敲，直到你學會為止，當你把那本書里的代碼全部敲一遍，代碼行數至少上萬，還是很有成就感的！
僅依靠那本書是遠遠不夠的，還需要一本系統的Python書籍，供平時翻閱和學習，CSDN上有很多Python的內容，但我覺得一開始去CSDN上找代碼不是很好的習慣，上面的內容參差不齊，相關內容也很多，不知道用那個，大多數人都是收藏不看系列，白白浪費時間，所以推薦找一本系統的書放在手邊，偶爾翻閱，既可以鞏固知識，又可以寫出規范的代碼，
有了上述的編程語言做基礎，就可以嘗試做一些小專案，推薦選資料處理和可視化這部分，看得見摸得著，做出好看的東西很有成就感，
理論知識
掌握一門編程語言后，算是正式入門了，但是真正學習的東西才剛開始，
想要成為一名演算法工程師（注：這里指的是AI演算法），還需要有很強的理論基礎，有很多人覺得理論不重要，網上隨處可見"xxx速成班"，我相信速成班也不會教很多理論的知識，大多數以應用為主，以專案上手，但我不這樣認為，不然高校完全沒必要開那么多理論課，直接讓學生做專案，肯定比速成班的學生學的快，學的好，在我看來，學會如何用一個演算法重要，如何去"調包"、如何改引數重要，但是知道演算法的基本原理更重要，它是這個演算法的基石，只知道用它而不知道它的原理時，很不穩妥，出了問題也不知道如何修正，
以深度學習這個方向為例，基礎的數理知識這里不再贅述，是必備的素質，如果連矩陣運算這些基礎知識都搞不清楚，建議回去先補一下微積分、線代和概率論，這里比較推薦李航老師的《統計學習方法》和吳軍的《數學之美》這兩本書入門，《統計學習方法》這本書不用多說，深入淺出的講解了機器學習中常用的樸素貝葉斯、邏輯回歸、支持向量機等演算法，推薦搭配B站的《機器學習-白板推導系列》一起食用，效果更佳，建議里面的演算法自己都能推導一遍，真的很有用（后續會將我的筆記分享給大家）；《數學之美》這本書大白話講了很多數學原理，理解起來難度不大，是Google官方連載的博客，深受IT人員的喜愛，
實踐的話建議搭配《機器學習實戰：基于Scikit-Learn和TensorFlow》這本書，前半部分包括了機器學習里常用的演算法，基于Scikit-Learn框架實作的，后半部分包括深度學習常用的卷積演算法、數字識別等示例，基于TensorFlow框架實作的，GitHub上也有配套的開源代碼，很經典也很好用的一本書，
深度學習部分，英文版的建議吳恩達老師的課程，中文版的建議李宏毅老師的課程，B站上有現成的教學視頻，BP演算法、CNN、RNN、LSTM…都是從理論基礎開始講的，聽完之后識訓會很大；配套書建議花書或者瓜書，都很厚一本，放在手邊沒事翻翻，對于后續訓練模型有很大作用，
專案經驗
理論知識豐富后，專案經驗必不可少，光說不練假把式！GitHub上有很多開源的代碼，檢測、分割、識別、超分…很多優秀的論文均開源了，你可以將他們的代碼下載下來，再結合自己的標注資料，訓練模型，調參、改模型、熟悉框架，至少要熟悉一個常用的深度學習框架，Pytorch、TensorFlow、Caffe、Keras等，
除了訓練模型**，對應的論文知識也需要掌握，不能跑完fast-rcnn后，連anchor都不知道**！這是肯定不行的；對于你想進入的領域，你需要知道主流的方法有哪些，面臨的挑戰有哪些，大概努力的方向有哪些等等，既要腳踏實地，也要仰望星空！
關于面試
有了基本的編程能力，理論基礎和專案經驗，假設你真的穩穩當當的走下來，那么差不多就可以去找作業了，關于面試，也多是一些老生常談的東西，非計算機科班出身，對于資料結構、演算法及編譯原理等等也不是很了解，這些知識也不是短期就可以掌握的，那么，對于面試最快速的方法就是刷題，LeetCode、牛客上有很多面試題可供參考，常用的幾個演算法要會手寫，難度大的演算法可以不會寫，但是基本思路得知道；當然，這里有個捷徑：如果上述你真的都不會，在面試的時候，你可以直接和面試官聊，說你沒有準備這些，非科班出身，這些東西正在補齊，力氣用在刀刃上，對于機器學習和深度學習相關知識掌握牢靠，這方面的專案經驗也很足，然后將面試官引到你擅長的方面來，
關于Python技術儲備
學好 Python 不論是就業還是做副業賺錢都不錯，但要學會 Python 還是要有一個學習規劃，最后大家分享一份全套的 Python 學習資料，給那些想學習 Python 的小伙伴們一點幫助！
一、Python所有方向的學習路線
Python所有方向路線就是把Python常用的技術點做整理，形成各個領域的知識點匯總，它的用處就在于，你可以按照上面的知識點去找對應的學習資源，保證自己學得較為全面，
二、學習軟體
工欲善其事必先利其器，學習Python常用的開發軟體都在這里了，給大家節省了很多時間，
三、入門學習視頻
我們在看視頻學習的時候，不能光動眼動腦不動手，比較科學的學習方法是在理解之后運用它們，這時候練手專案就很適合了，
四、實戰案例
光學理論是沒用的，要學會跟著一起敲，要動手實操，才能將自己的所學運用到實際當中去，這時候可以搞點實戰案例來學習，
五、面試資料
我們學習Python必然是為了找到高薪的作業，下面這些面試題是來自阿里、騰訊、位元組等一線互聯網大廠最新的面試資料，并且有阿里大佬給出了權威的解答，刷完這一套面試資料相信大家都能找到滿意的作業，
這份完整版的Python全套學習資料已經上傳CSDN，朋友們如果需要可以微信掃描下方CSDN官方認證二維碼免費領取【保證100%免費】
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/427472.html
標籤：AI
上一篇：WebGL 與 WebGPU比對[4] - Uniform
下一篇：R語言匯入資料檔案（資料匯入、加載、讀取）、使用haven包的read_sav函式匯入SPSS中的sav格式檔案