大家好今天我想和大家分享一下
关于我对北美的同学
在北美公司吧
也是还有中国大陆
或者其他一些像新加坡呀
或者欧洲一些科技公司
想在AI方面找岗位的同学
一些建议吧
一些面试上面的建议吧
我在国内
或者说在美国
都有过实习以及工作的经历
所以这方面的话
我可以结合我的一些真实的经历
来述说一下我自己的理解吧
AI方向分很多种
有器学习
传统技学习也有
像commitment vision也有
像LP也有做技学习平台的
也有做做推荐算法的
其实他有很多面板
然后我建议是
你的简历都是在其中的一点
不要什么点都去cover
这样子的话会让你的简历没有重点
其实很多公司他在上演奖励的时候
尤其是一些初创型公司
或者些中型公司
其实他会把经济学习分成比较
按照你的特长或者说按照公司的需求
会把它分成几大类
基本上会分成NLP方向和视觉方向
经济学习系统方向
还有到经济学习平台服务啊
或者说一些积极学习的应用型方向
对于想要跳槽同学来说
你那你就需要针对特别的岗位
或者说你特别想去的一些职业方向吧
去对你的简历进行着重的润色
你所细分的领域
去着重的描述一下你的项目
以及你的之前的工作经历
对对啊
刘爱海还是case by case吧
基本上现在机器学习方向的话
大热门的会有几个方向吧
但我个人认为比较
大概这件事情比较好的是一个是NLP
一个是这个机器学习系统
LP的话因为大家都知道
全LNM这个大模型出来之后
很多公司都需要这方面药品人才
当然多谋太也是一个比较好的方向
所以有多谋太经历的同学
其实也是可以去申请一些
比如说像江外学校
或者说一些嗯
其他的一些创业公司
非常有竞争力岗位的这种职位的
懂动态的人
目前我觉得经过
会成为一个比较大的热门方向
虽然目前的话
大家都往这个LLM赛道上跑
但是LM赛道
可能NLP只是是一个起点吧
然后LM会跟动模态相结合
这样子的话
市场爆发起来的潜力也是无穷的
对这是我个人理解
所以动模对动模态懂的同学的话
可以好好的在这几年准备一下吧
应对今后几年的这种招聘
我觉得还是很有意义的
当然现在市场上
另外一些比较急缺的人才吧
就是进学系统
进学系统分数量和推理和意思这样
主要是训练和推理
当然后面的服务呢
其实也是精确平台的一部分
对训练
基本上就是说我们是需要帮助公司
或者说帮助业务方
把我们训练大模型的
无论是大模型还是一些其他模型
它的训练成本给压低
另外就是推理
推理的话
基本上跟上下服务有很大的联系
也是公司对大的利润来源吧
你提高1%的速度
对某些模型
如果你的应用场景比较大
接受的就是这个DSO的用户比较多
的话你能够提升1%的速度
对公司的利润都是一个非常大的提升
所以分理方向的话
其实也是现在市场上
比较急缺的一些的岗位
他对编译
硬件底层以及体系架构背景知识
对我们都需要很深的了解
他不单单需要对算法比较了解
他对整个计算机系统以及体系架构
都需要一个很好的了解
而且要对硬件有很深的认知吧
这样子的话
才能够写出比较好的底层代码
从而能够让你的认识
这公司运行的模型
还是一些其他各种人的模型
能够跟硬件相匹配
然后跑出比较好的类特色
或者说能够达到
能够帮助这套这套模型
在上线服务的时候
达到比较高的吞吐
对不对这样的话
对公司的利润也是一个比较大的提升
这也是给大家大家一点建议吧
对之后的话
如果有机会
可以分享些其他的一些思考OK
