文科4个月转行「大模型」，月薪30K+的面试问了什么？

月薪30K+的面试真题

问：最近又在跳槽吗？

是的，最近有两家面试我觉得特别值得分享，入职薪资都在30K+，面试过程中对细节问的很深：

「大模型方向」

·模型微调：llamafactory如何做数据预处理、参数的设置、精度的选择、精度的选择会对损失造成什么影响、如果不用微调框架会不会写微调脚本？

·模型部署：Tensorrt 与 vLLM各自的优缺点；模型推理的参数有哪些，如何起作用？

·召回怎么加速：faiss、Milvus优缺点，为什么他们向量检索速度快，构建知识库的时候向量用不用做归一化、为什么？

「NLP方向」

·NER：数据的构造、都用过什么模型、有什么优缺点、训练的损失变化、优化如何做、推理后如何取到最后的结果？

·关系抽取：任务如何设计的，有没有做过联合任务的设计（实体识别+关系抽取）？

·Trandformer：架构细节，有没有自己用Transformer做过一些任务？

最大的感受就是，大模型处于上升期，工作机会也相对多一点，但好的岗位还需要真本事，细节一定要掌握。

   工作没人带、网课学不会、能力不强的死循环

问：文科生走到这个地步已经很厉害啦！有什么建议可以分享吗？

我自己目前也是一塌糊涂，实在不敢说是建议，说说自己的辛酸血泪史吧哈哈。

2018年本科非科班出身（文科专业），学校也不好。刚开始是接触、学习人工智能，但只是找网上的代码跑通就行。

但是由于功底实在不扎实只能靠网课，学不会没法提升能力，找不到好工作，继续没人带，只能靠网课……这就无解了

问：之前已经报过其他课程为什么还学不会？

很多课程价格很贵，但讲的很浅，照着PPT过一遍理论，调包实现一下各种任务就算实战了。总结下来是：

理论讲解千篇一律，听课跟自己在网上看帖子差不多，讲解既不深刻也不易懂。     

代码直接找现成的进行跑通，没有太多关于代码细节的讲解，学完后依然没有动手能力。

老师讲课没激情，很难坚持听下去。

问：如何做到了4个月完成转行？

我是24年初转入大模型赛道，个人觉得是运气好吧。因为知道自己的情况，所以一直抱着每次进步一点点的想法在前进，找到一份外包的工作就直接干了，26K也很满意。

问：从文科转行到大模型，差距还是挺大的，是怎么想的？

我认为大模型是处在上升阶段，而且是未来趋势。拥抱大模型应该是未来路最宽的选择之一。

至于坚持，其实挺现实的是能多赚钱哈哈~

而且做了技术就知道，只有不断学习才能跟上技术发展的速度，不被淘汰。

问：当下认为什么比较重要呢？

我个人的话，认为最有效的是在打好基础的前提下多时间，基础任务应该多敲代码追求熟练。

我也是去年认识到这点后，开始追求对基础的学习与练习，感觉在学习模型架构、以及模型的训练优化等方面都有帮助，今年也会持续在这个方向努力。

问：那对新人有什么建议吗？

实在不敢谈什么建议，非要说的话，只能说如果想要学习“深度学习/大模型”，选择赋范空间，跟着老师学，是走在正确的道路上，剩下的就要自己努力了。

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​