2024了,传统行业转行AI,可不可行?

大家好,我是刚刚毕业于一所985学校的交叉学科硕士,现在做AI交叉

本科?呵呵,当然是传统行业

当时的一腔热血,也不得不对现实低头

经历考研的沉沦,二战的破釜,终于收获985大学offer

然而还是本专业。

但研究方向彻底变成了AI交叉

那是2020,感谢2019年那个中午意外的决定

研究生之后,受眼界和环境影响,遂打算彻底转行

AI才是未来,这才是前沿科技啊。

一屋4人,天天讨论半导体、芯片、自动驾驶、转行、AI交叉。美哉,当时也是一段激荡的岁月啊。

所以在做好科研的基础上,天天弄代码,查资料

可是最后到秋招,还是太难了,还有好多没学好,比如力扣刷的太少,还有深度学习研究的不深

所以个人经验看过来,如果你想完全转AI,可以,但是需要学的东西太多太难,你要做好心理准备。

AI属于互联网里面的算法工程师,大厂往往需要名校+顶刊paper,本质其实是数学,而不是代码和编程。

如果担心自己做不到,但是还想往互联网里转,其实还有两条路:

1、转后端,转to B的产品,运营看个人能力,前端个人不建议。

2、做结合人工智能的AI+自己原来的传统行业。

我个人走的第二条路,在传统行业里属于较为稀缺的交叉人才,而且有政策红利(现在各种数字化)

因此我也强烈推荐不想折腾的童鞋,走第二条路,未来可以作为自己的强大助力。

当然,现在传统行业也可以走考公、银行、电网烟草等等都特别好的路,总之还是看个人选择。

如果是想按我这个走,走AI+的道路,那么往下看,我给大家一个我的路线。

第一步当然是Python,后面机器学习、深度学习、深度学习应用(课题)、学了其他编软件的语言比如前端三剑客、SQL

ok,就这么多

如果是研究生,可以和老师申请做智能+相关的课题。

如果想申博,也可以早做打算,现在我知道有人工智能专项进大组的路子,而且留学也加分

所以,传统行业的友友们,干就完了!借用人民日报的一句话:奔向大海的河流,跨越高山险关、历经冲波逆折,但奔腾向前的势头始终不变。

图片

PS:

最后说点和本文不相关的,工作一年后慢慢发现,找工作仅仅是个开始,之后重要的是什么?

财富积累!人脉积累!财富复利!

工作之后除了好好生活,就是搞钱、投资、人脉等等。所以我特别想对各位学生说一句。

如果有能力,最好学生时代,学一下投资,学一下搞钱技能(比如最简单的利用一下闲鱼),这对以后是强大的助力,不管怎么样,多看书,自己把财商这部分内容补上。

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

### 转行路径与技能提升 能源动力专业背景的人若希望转行进入软件开发领域,需要通过系统性学习和实践逐步构建编程能力、算法基础以及项目经验。由于该专业本身具备较强的数学建模能力和工程思维,这为掌握软件开发中的逻辑推理和问题抽象提供了良好基础。 首先,应从核心编程语言入手,C++或Python是较为常见的选择。C++适合对性能要求较高的系统级开发,而Python则在数据科学、人工智能、自动化脚本等领域应用广泛。建议通过在线课程、MOOC平台(如Coursera、LeetCode、牛客网)进行系统学习,并完成实际编码练习[^1]。 其次,算法与数据结构是软件开发的核心内容,必须熟练掌握常见排序、查找、图论等算法,并能在实际问题中合理选用数据结构。可以通过刷题平台(如LeetCode、Codeforces)进行持续训练,同时结合《算法导论》《剑指Offer》等经典教材深入理解原理。 再次,操作系统、计算机网络、数据库等基础知识也是必备项。这些内容构成了现代软件系统的底层架构,对于理解并发编程、网络通信、数据持久化等关键概念至关重要。推荐通过《操作系统导论》《TCP/IP详解》等书籍进行系统学习,并尝试使用代码实现简单案例。 ### 项目经验与作品集建设 为了增强求职竞争力,建议构建可展示的项目作品集。可以从以下方向入手: - **嵌入式系统开发**:结合能源动力专业背景,开发基于STM32或树莓派的温控系统、电机控制程序等。 - **仿真工具二次开发**:利用Python或C++对ANSYS、MATLAB等仿真工具进行脚本扩展,提高自动化程度。 - **热管理系统优化算法实现**:将热设计中的优化问题化为代码,例如使用遗传算法、粒子群优化等方法提升散热效率。 示例代码片段(Python模拟传热过程): ```python import numpy as np def simulate_heat_transfer(size, steps): grid = np.zeros((size, size)) grid[0, :] = 100 # 设定初始边界温度 for _ in range(steps): new_grid = grid.copy() for i in range(1, size - 1): for j in range(1, size - 1): new_grid[i, j] = (grid[i+1, j] + grid[i-1, j] + grid[i, j+1] + grid[i, j-1]) / 4 grid = new_grid return grid result = simulate_heat_transfer(10, 100) print(result) ``` 此外,参与开源项目或贡献GitHub也是有效方式。可以选择与自身兴趣相关的项目提交PR,或者创建个人技术博客记录学习过程,展示对技术的理解深度和表达能力。 ### 求职准备与岗位适配 针对不同类型的软件开发岗位,需调整简历和技术侧重点。例如,若应聘后端开发岗,应突出网络协议、数据库操作、多线程编程等内容;若应聘嵌入式开发岗,则需强调硬件交互、驱动编写、实时系统等能力。 面试准备方面,除了常规的算法题外,还需熟悉操作系统调度机制、内存管理、锁机制等底层知识。建议使用白板或纸笔进行手写代码练习,以适应真实面试环境。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值