DS轉MLE，誰都不看好，偏我最爭氣！

導語：DS工作經驗三年左右，在職跳槽轉MLE崗位，歷時3個月順利上岸大廠，為保護同學隱私，原就職公司及OFFER公司不便透露，一起來看看他的上岸路。

職業發展的迷茫期！

PART.01

畢業後一直都是DS崗位，幹了兩三年覺得是時候換個環境了，但是在查詢崗位的時候卻發現DS方向的崗位越來越少了，MLE的崗位與日俱增。然後又看到很多人說AI會替代很多人的工作，包括DS！

轉行？迎著AI的風口上？但是當我發帖諮詢大家的意見時候，得到的回覆是轉行成本大，沒啥必要！

但是也有人說，DS可以往MLE轉，但是個很大的挑戰，應該需要花費不少時間和精力，而且沒有相關的專案和經歷，轉成功的機率不大。

看到網友的留言之後，當時就覺得難道真的沒有機會了？

想從事AI相關工作卻不知道自己是否適合，不知道如何學習規劃？

掃碼諮詢1V1求職計劃，大廠在職面試官導師幫你進行綜合評估，規劃上岸路徑！

拋開質疑，尋找專業的答覆

PART.02

質疑的聲音讓我越來越迷茫，當時想著與其進退兩難，倒不如找專業的求職機構問下轉MLE的可能性。我諮詢了好幾個機構，有些機構直接就告訴我說，沒問題只要報名他們的課程什麼的。但是直通矽谷的老師並沒有直接說報名什麼的，而是瞭解了我的過往經歷，然後幫我分析了一下我轉MLE方向存在的一些gap。

直通矽谷的老師說，在DS的細分領域中，modeling ds與MLE最為接近，但是這兩者最大的差異在於MLE強調Engineering能力，包含演算法最佳化及系統設計方面的知識，而DS更側重於資料分析和提供業務見解。比如，MLE需要具備GPU演算法加速/並行運算以及分散式系統設計的理解能力，而這些不是DS角色所必需的技能。

想要從DS轉MLE，最主要的還是提升工程技能，提升ML system design能力，需要一些Ai相關的專案經驗，支撐我們的求職背景。

除此之外，數學基礎、機器學習理論與演算法，以及特定行業的相關知識（比如金融領域的風險管理模型）都是需要掌握和提升的點。

和老師溝通的過程讓我感覺十分的愉快，雖然老師並沒有很強烈的推薦我一定要報直通矽谷的課，但我還是選擇了直通矽谷，一是因為老師解答問題專業，還有就是看到了一些直通矽谷學員真實上岸MLE崗位的經歷，他們的上岸故事給了我信心和勇氣。

轉MLE的第一步，補短板！

PART.03

報名直通矽谷的1V1求職計劃後，首先是匹配了MLE方向的導師，我的1V1導師是FAANG大廠的MLE方向在職面試官，老師根據我的背景和求職方向制定了專屬課件，特別是MLE中的E這部分，因為我的過往經歷不足，老師在這一塊設計的課程更為細緻。

然後就是簡歷這一塊，因為是轉MLE，為了提高簡歷和求職方向的匹配度，我的1V1導師以及顧問導師也是下了很大的功夫，如何讓我的過往經歷向MLE方向靠攏，雙視角的稽核修改讓我的簡歷質量也有了很大的提升。除此之外，我的1V1導師還帶著我做了一些MLE相關的背景，我缺少的技術語言背景的短板，一個個逐步補齊。