本科应届生，1个月斩获50W大模型算法岗！-优快云博客

本文链接：https://blog.youkuaiyun.com/Python_cocola/article/details/149651025

访者：北北，25年应届毕业生，考研转身求职

采访&整理：运营范范

从考研失利、没有实习经验，到一个月内拿下年薪50W的大模型岗——看似轻描淡写，其实是把所有难关都撞过一遍。

他是怎么扭转局势的？又是如何精准发力找到方向的？对找工作最有帮助的知识是什么？面试官看中的是什么？下面是他的答案。

❖ 考研失败→转身求职，我只花了一个月

范范：请先介绍下自己吧

hello，大家好，大家可以叫我北北，是一名今年刚毕业的本科生，大学是人工智能专业的。

现在在一家不能说的公司做算法岗，年薪在50W左右，当下主要在做预训练相关的工作。

范范：面试到找工作只有1个月，这个速度太快了吧？

时间上看着比较短，但是以我在Boss直聘的投递数据为例，在春招末期的4月份才开始投递简历的情况下，累计沟通400次中仅成功投出175份简历，最终获得50多次面试机会。

相比于能正常参加完整秋招和春招流程的同学，这个过程会更容易。

我还有一个劣势是备考期间放弃了一次实习机会（现在想起来颇为后悔）。

范范：很多人都说算法岗必须得是硕士、还得985出身，你这一毕业就拿下，是不是也有点出乎意料？

我没有明确感受到在严格限制985/211硕士，其实只要简历中能展示出够强的项目经历或优秀的实习经验(没有实习经历问题也不大)。

即便是非92背景的同学也能获得不错的面试机会。

还有一个比较有意思的点是，虽然会有少数公司考察leetcode算法题，但我即便只给出基础解法或思路，通常也不会影响最终通过面试。

范范：1个月找到工作，有什么技巧可以分享吗？

先说教训吧，我总想着等简历"技能点拉满"再投递,等项目做到完美再投递,结果反复修改却迟迟不行动。

后来发现,我应该通过面试反馈迭代优化简历,效率远高于闭门造车。所以不断面试其实也是我选择的结果。

从我的面试经验来看，整个流程大概可以概括为三个主要环节：深度技术面、偏业务的技术面和HR面。

其中深度技术面最难通过，面试官会非常细致地考察技术细节,以及会问到一些他们工作中遇到的实际问题。

我有一个比较有效的方法：我会把将简历中的每个项目按照不同时长（1小时、30分钟、10分钟、3分钟）录制讲解视频,之后自己不断优化讲解策略，这样就能根据面试官的兴趣灵活调整讲解深度。

范范：在求职过程中，最重要的是什么呢？

我认为在面试中最需要展现的是对项目的理解和工程思维。

具体来说，不在于项目是否使用了最新,最高级的技术，而在于能否说明白技术选型的合理性即一定要能说明为什么在当前场景下，所选方案比其他方法更合适。

这要求求职者对项目中每个工具和模型的优缺点都有清晰认知，能够基于业务需求做出合理的选择。

其次，我认为他们特别看重求职者是否具备优化和改造开源工具的能力，如果能根据实际业务特点对现有方案进行针对性改进。

这种解决实际问题的能力往往比单纯的技术堆砌更有价值。

范范：现在开始工作了，岗位要求的能力模型是什么样的？

先说结论吧，优秀的Agent工程师往往都具备扎实的算法基础。我的同事们不仅精通Agent工作流的设计与实现，对模型后训练技术以及DeepSpeed等训练框架的掌握也同样深入(这部分推荐去听菜菜老师的大模型训练课程)。

我认为算法和Agent方向虽然各有侧重但也有很多交集，时间充足的情况下最好都具备。

❖ 竞赛是手段，不能无限提升技术

范范：算法学习是从什么时候开始的？

我是人工智能专业，喜欢算法最开始是因为好奇，比如大一的时候我很想知道人脸识别是怎么做到的以及alphago内部怎么实现的，所以我就会去图书馆借相关的书看。后来渐渐入了门后我发现算法和开发我都很喜欢！

大二和九天老师学会了各类机器学习模型以及融合策略后，我在2个月内连续参加了四项数学建模竞赛，虽然拿了冠军但是自我感觉没啥进步。

范范：都拿到冠军了，还没进步吗😂

比赛有些同质化了，每次赛题和技能需求高度相似，反而耽误了我深度学习与大模型的学习进度。

我认为竞赛应服务于技术成长,避免低水平重复。评估参赛价值时,优先选择能逼迫自己学习新领域的比赛。

范范：那该如何提升算法能力呢？

实践应用！学习应用的最大优势在于能够快速获得正反馈，这对保持学习动力至关重要。以机器学习为例，通过使用sklearn这样的工具库，初学者可能仅需一周就能搭建出可运行的预测模型；

而如果一开始就执着于每个算法的数学推导与证明，不仅需要投入大量时间，更关键的是，学习过程中任何一个公式看不懂都可能成为拦路虎，导致整个学习进程中断。

反而应该先实践再深挖。直接写代码能快速建立直观理解,获得正反馈后再研究原理，效率更高。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【`保证100%免费`】

在这里插入图片描述

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。