AI 面经：我是如何从机械行业本科社招成功转行NLP并薪资翻倍的

抛砖引玉，大家有什么问题，可以在留言区讨论。

一本机械专业毕业，从事传统制造业多年，处于“鄙视链”的底层。

参加了七月在线机器学习集训营 第六期。本人除了数学，其他基本零基础，毕业又多年，还是在职学习，学习还是比较吃力的。我自己的学习宝典：
➢七月在线的视频：注意老师说的每一句话，都可能在面试中被问到。
➢书：用于补充理论。
➢网络视频：很多公开课和一些大神的学习视频。
➢博客：网络视频还是搞不懂的情况下。
➢论文：最新的研究成果，google大法好！
➢老师和同学：七月在线真是卧虎藏龙的地方啊！

我是在具备了以下这些技能下才开始投递简历的，机器学习模型知道原理，部分会推导，深度学习模型能画出模型结构，以及课上老师提到的常见问题基本都掌握：
➢机器学习：SVM、LR、DT、RF、Boost、k-means、DBSCAN、NB、HMM、CRF。（其中图模型基本没被问到）
➢深度学习：DNN、CNN、RNNLSTMGRU、Word2vecDoc2vec、FastText。
➢数据结构和算法：链表、二叉树、排序、动态规划（被考到一次手写）。
面试过程也是学习的过程，面试过程中所获得的技能有：FAISS、Transformer（恶补）、Self-Attention、Bert、Linux常见命令、知识图谱（了解）。

抓住金三银四的契机投了不少简历，大撒网。很多公司的JD上写的要求硕士甚至博士学位，但这个不是硬规定，只是加分项，可能会对“身价”有轻微影响，厚着脸皮投吧。要求的相关专业同样如此。这样，年后我大概投了50+公司。

年后的第一周就面试了7家公司，基本都是小公司。面试官不太偏重理论，基本流程是：第一阶段问一下项目大概情况、以及所用模型的原理，这个阶段我没有什么问题；第二阶段，他们以工作中遇到的场景，问我有什么具体的解决方案。
第二阶段的场景把我难住了，这里列出我遇到的两个场景：
1）一篇文档，如何自动获得词与词之间的关联度。这里我用的是textrank的思路回答的，大家有什么更好的方案，请告诉我，谢谢！
2）用户注册APP，填写性别，但用户自己填写的性别会有大约10%的错误率，这里并不知道哪些是错误的标签，请问如何通过用户行为特征，对这些性别标签进行纠错呢？现场我给出了传统半监督的方法，但因为并不知道错误/正确标签的数据是哪些，所以这个方案是行不通的。
面试后，群里大佬们给出的解答：先聚类成两类，然后离中心点近的样本权重高，离中心点远的样本权重低，用带权重的样本去学习模型，借鉴的是attention机制。大家如果有更好的方案请务必告诉我，谢谢！

第二周，大厂们的HR开始行动了，大厂一般会有好几轮面试，这里也只说说技术面。一般流程：首先看你简历上写的专业技能，抽出几个典型的模型问原理，迭代过程，当然会有推导；接下来是项目中各个环节的处理方式，特征工程为什么这样处理，模型的表现，以及你认为优化点有哪些，有没有进行尝试。
大厂们的工程师技术确实过硬，提到的问题基本都是项目中的关键点。当然，也会给我场景，问有没有解决方案，但我遇到大厂的场景基本不那么复杂，抽象为分类、回归问题就能解决。

因为个人原因，学习阶段确实花了很多时间。比如xgboost的学习，从刚开始的懵逼，到最后会推导，了解生成方式，了解模型中每个参数，甚至调参策略等，前后我至少花了20个学时。学习下来，个人认为，AI领域的知识其实并不难，只要肯花时间，肯定能够理解的，不像我之前从事的行业，网上公开的资料基本没有，那才叫煎熬啊。除了理论，实践当然也很关键，参加比赛真的对我提升不少，特别是代码能力。

前后面了近10家公司，总体感觉今年的要求普遍比去年高，像NLP最新的模型TransformerBert，好像成为NLP算法工程师的标配了，40%的几率会被问到。面试中肯定有自己不会的问题，这个时候我会说：我在项目中没有遇到类似的场景，但接触后肯定能够很快上手，再厚着脸皮请教面试官。由于是初涉及这个行业的新手，也遇到过不少坑，面试是双向选择的过程，最好在面试中就能识别出哪些公司适合自己。

Anyway, 学习阶段最重要的是：自律，面试阶段最重要的是：自信。再次感谢七月在线平台，感谢校长及各位老师和各位大神同学，以及小杜。最后，无论大家成功与否，都祝大家前程似锦！
谢谢！