眼看AI發展趨勢如火如荼，很多SDE、DS同學都在摩拳擦掌、躍躍欲試。最近很多同學都來諮詢怎麼轉。
想要轉行首先明確一點，AI領域寬泛，不同領域關係到未來的求職方向、崗位技能，求職前一定要選好、選對方向！
AI崗位主要分三種👇
-
AS (Applied Scientist)
-
RS (Research Scientist)
-
MLE（Machine Learning Engineer）
AS、AR算是學術大佬的天下，要求PHD，對於專業要求也很嚴格，所以很多同學都選擇了門檻相對沒那麼高的MLE。
比如最近過來諮詢的同學，問的最多的問題就是：
想明確自己適合的方向，首先需要了解當下科技大廠流行哪些方向，再根據市場需求選擇方向。
MLE比較火熱的領域有NLP/NLU、CV、Recommendation Systems/Ranking、Real-time Risk Detection Systems、ML Ops等方向，當下大廠比較流行的方向如下👇
1、NLP/NLU（自然語言處理與理解）：常見大廠：Google、Meta、Microsoft、OpenAI等。
2、Recommendation Systems（推薦系統）：常見公司例如TikTok演算法、Netflix影視推薦，Amazon、Spotify、YouTube等，需要候選人具備大規模資料處理能力。
3、ML Ops：常見大廠Google、Amazon Web Services、IBM、Microsoft、Databricks、Uber等。要求全棧能力，從CI/CD到雲平臺（AWS/GCP）均需熟練。
方向選對，事半功倍！
自己適合哪個方向？不同方向下更看重什麼技能？掃碼諮詢，大廠導師為你答疑解惑！
等真正確認好自己的方向，就步入到準備拿面試階段了。眾所周知MLE是出了名的門檻高，不僅要求PhD學歷，某些崗位還看科研背景，最好有Kaggle金牌或頂會論文。
那麼對於非AI相關專業、科研背景薄弱、非PHD的CS同學來說，想直接申請MLE，有兩個方向可走：
✅直接申請PHD，堅持五六年的時間，自然就可以申請AI方向。
✅選擇一些中小型公司積累工作經驗再進入大廠。
那沒有PhD，不想進小公司就沒希望做AI了嗎？當然不是！可以選擇SDE、DS方向先過渡！以下是我們2位學員的求職路徑，大家可進行參考👇
學員A：CS專業NG想求職MLE，經過meeting推薦求職路徑SDE→AI開發→MLE
首先從Backend開發崗切入，逐漸接觸AI功能模組（如推薦系統介面開發），爭取參與模型部署與最佳化，積累一定經驗後內部轉崗至AI組，逐步接觸核心演算法，轉到AI賽道。
學員B：DA經驗豐富，想轉到MLE，推薦路徑：求職DA→建模DS→MLE
DA轉到MLE，整體Gap較大，入職DA後需爭取從SQL轉換到Python語言應用，主導AB測試與特徵工程，爭取獨立完成輕量級模型開發（如使用者流失預測），積累一定的業務場景經驗後，爭取到Modeling DS的工作，接下來再從DS轉到MLE。
當然這只是通用路徑，如果未來想求職AI領域，我們可以根據你的背景，定製專屬MLE上岸求職路徑！雖不能幫你實現一步到達MLE，卻可以為您定製省時省心的路徑，最大程度減少和AI的Gap！
對於AI相關專業的同學，即使是PHD，簡歷中也要有2-3段MLE工業化落地專案經驗，否則就會像我們的學員C，ML Master+PhD+有北美ML實習的強大背景，最後也卡在了拿面試關，點選連結檢視學員C的上岸故事↓↓↓
因此簡歷中對於AI工業專案構造非常重要！
我們擁有來自Google、Apple、Amazon等一線科技大廠在職工程師＋面試官團隊，專門針對性解決簡歷中專案不匹配、缺少工業級專案等難題，手把手帶做支援背調的工業級專案，學員全程參與構建，未來面試中也能輕鬆應對deep dive!
拿到面試後，我們會根據目標公司、面試輪次，匹配同方向的大廠在職面試官，幫助同學進行【1V1 Mock】，現場反饋，當場點評，為實戰做足準備，助同學們在面試中佔據主動權！
學
員
展
示
Go
valley
直通矽谷1V1定製計劃覆蓋求職全鏈路：技術方向定位→無限次簡歷精修→工業級專案構建→行業標準的模擬面試（押中原題），全程保姆式護航！現在掃碼，即可免費獲得一次meeting機會，立即規劃求職路線！
直通矽谷.近期OFFER展示
GO Valley
Google
Meta
Amazon
華為
* 本文原創於直通矽谷【https://www.zhitongguigu.com】，歡迎尊重版權的轉載。一般轉載請在文章開頭或結尾正確註明以下資訊：
作者：直通矽谷 公眾號：直通矽谷訂閱號
直通矽谷，讓科技求職更簡單。
封面：維基百科
文中素材、截圖來源於新聞媒體或論壇，版權歸釋出人所有，如有侵權請聯絡我們。