AI生万物，转专业学员斩获Amazon人工智能岗位Offer！

| 学员经历

人工智能主要分为大数据处理，计算机视觉，自然语言处理三个方向，那么，对于想要直接进入人工智能领域的同学，如何准备才能进大厂？

根据直通硅谷统计数据显示，美国的top 100大学中，针对华人留学生群体，泛计算机相关方向(包含转专业)的同学，有大约76%左右选择通用软件工程师的求职方向，而针对软件工程师，有非常明确的具体细分方向求职规划的同学占绝对少数。这样一来，对于选择通用软件工程师方向的同学，经过大公司的系统化面试通过之后，拿到offer需要进行team match，具体岗位的最终落定不确定性很大，原因则是大公司对于通用软件工程师的匹配流程已经非常模式化，选组与被选则是决定求职者未来做什么的关键一步。而在这个过程中，求职者的话语权相对较小，还是要看公司的具体岗位需求来进行某种程度上的“服从”。那么问题来了，如果进入一个比较有发展潜力的部门，做符合技术发展趋势的工作还比较幸运，一旦公司里所剩坑位部门在公司是弱势部门，同时部门整体技术栈相对陈旧，没有发展潜力，则会耽误同学们的前程。

那么，如何让这个部分的自主选择权利更大一些？就是提早规划求职方向。规划，不仅是对大方向的划分，还是对大方向下的细分。例如，软件工程师是大方向，人工智能是中方向，而计算机视觉才是细分方向。若想在这个方向的求职成功可能性更大，首先要在简历中体现出相关经历。而人工智能是一个需要同时具备开发与研发能力的岗位，如果不是PHD学位，那么具备产品级代码的开发能力则更为重要。所以，很多求职者误以为只要自己在简历中提及自己的研发经历，或者用诸如Matlab，Python做过项目，则万事大吉，实则不然。从发展阶段来看，现在正是人工智能产品大量落地的时间节点，很多算法已经较为成熟，而如何落地产品是很多公司更为关心的问题。因此，相应产品系统的架构，应用平台，算法效率，内存占用，系统稳定性等更为关键。而往往我们的求职者容易忽略实际的工业或工程经验，不关心过程，只关心研发带来的输出结果。

走细分方向面试面什么？不说个例，整体来看，以计算机视觉为例，虽然属于人工智能应用范畴，但是大方向仍然被划分为软件工程方向。那么，软件工程师的通用面试模块不会减少，比如数据结构与算法的考核，面向对象设计，操作系统基本概念，系统设计等。但是不同的是，比起通用软件工程师，数据结构与算法的难度可能会适当降低，系统设计和面向对象设计也有可能针对于计算机视觉相关系统进行提问，比如：如何在android系统下设计一套人脸识别的应用系统？如何实现智能监控系统的设计等等。除此之外，还有面试考核中对你曾经项目经历的了解，面试最后的follow up环节还可能加入对该方向相关算法的考核，比如如何寻找像素连接区域，如何提高图片对比度等等。

因此，想要让自己加入到更加前沿和具备发展潜力的领域，自然所需要付出的就要更多，也要更为专注。

Zhuo 同学本科时期毕业于多媒体科技专业，曾做过射击游戏开发，图像压缩与解压缩算法应用，VR的图像分割等多个图像领域相关项目。留学后，正式转为CS专业，找实习时，发现除了基本的行业知识外还要补充大量的其他面试模块的知识，由于是转专业同学，Zhuo同学在数据结构与算法，面向对象与系统设计方面都比较薄弱，因此决定加入到直通硅谷软件工程师求职旗舰课程的学习。学习过程中，从基础的复杂度计算，到高级进阶的图论，动态规划等问题，都一一进行了学习与加强练习，并且不断巩固原有人工智能技能，根据导师的指导，进行工业属性的添加与项目升级。Zhuo同学学习认真，能很好的完成大部分导师布置的作业。

经过内推后拿到Amazon面试，并且成功斩下人工智能相关岗位的offer。

| 导师寄语

求职准备分为四个阶段，1. 方向定位；2. 技能提升；3. 职位申请；4. 入职谈判；而这其中，方向定位是对于后面所有求职准备的大前提，因为每个方向的求职准备重点都不一样。比如，如果你未来要做数据科学家，数据分析师，数据工程师，或者商业分析师等与数据相关的岗位，那么，就不需要花费太大力气在数据结构与算法，且完全不需要准备操作系统，面向对象设计等知识。而需要专注的准备关于数据方向的六大面试模块。

细分领域中，在准备所有大方向都要准备的面试知识模块外，还需要同时加强细分方向的项目开发以及该方向的知识体系学习。所以，在付诸任何真正的行动开始进行求职准备前，一定要根据自己的喜好，特长，知识范围，甚至性格等来确定好未来的职业发展方向。