从材料硕士到算法工程师的转行之路

Posted 2021-02-03 jiangxinyang

　　作为一名从传统行业成功转行算法工程师的老人，经常会有想转行互联网，或者是算法工程师的朋友询问我转行的经验。为了能够帮助到更多希望转行的朋友，特在此记录下自己的转行历程及心得。

1 转行的动机

　　转行的动机基本上可以归纳为四点：

　　1）现在的工作工资太低，

　　2）现在的工作前景黯淡，

　　3）对现在的工作毫无热情，

　　4）对意向的行业特别感兴趣。

　　而对大多数年轻人来说，工资太低是原罪。毕竟现在的年轻人压力太大，硕士毕业都二十好几了，有女朋友的面临着结婚，买车，买房；没女朋友的还可以潇洒几年，但几年之后同样要面临这些问题，当然不排除有的同志立志做一辈子的单身狗，^_^。回到正题，大多数人转行都是因为工资低，我同样也不例外，但却也有所不同。开始因工作太低而转行，最终因兴趣而成功。

2 转行的历程

　　简单自我介绍，17年7月从某中下游985材料专业毕业，毕业后就职于上海某汽车零部件公司，从事模具开发的工作，校招签约是一年13w，然而实际工作中每个月到手6300左右，转正之后也才7300左右，每个月需要1300（嘉定郊区）的房租外加早餐和晚餐的费用（公司提供免费午餐）。享受应届生落户政策，把户口落在了上海，本想着一直在上海待下去，然而17年上海的房价又在快速增长，这让我根本看不到留下来的希望，因此大概在17年9月份的时候就开始考虑转行。

　　开始打算转行的时候考虑了两个方向：金融和互联网，这两个方向也是大多数人的转行归宿，一开始尝试的是金融，大概半个月之后发现自己不合适：一是自己根本没有任何兴趣，都是强迫式的去学习；二是自己的学历一般，本科双非，硕士也只是个普通的985。这样也就放弃了金融这条路，那就只剩下互联网了，那好吧，那就只能走这条路了。

　　对于互联网我是很陌生的，连互联网有哪些职位都不知道，技术方面更别说了，除了大学考过计算机二级，就没接触过编程，真的是连hello world都不会写的小白，不过既然打算转行了，就不管自己现在是个什么水平了，先撸起袖子干吧，但是该怎么干呢？百度呗，知乎呗。

　　万事开头难，第一步总是最难的。于是乎开始去网上各种找别人转行的经验，有成功的，有不成功的；有告诉你上培训班的，有告诉你不要上培训班的，有告诉你python好入门的，有告诉你java才是王道，甚至还有零星地喊着php是世界上最好的语言的；有告诉你前端容易些的，有告诉你后端前景好的；有告诉你算法工程师是当前最火的，而且工资高；有告诉你算法门槛太高了的，诸如此类……。在这个时代信息获取更容易了，但也需要你有更清晰的判断力，不过我就比较简单，只看工资高的，那好吧，那就算法工程师了，大家不是都说xxx几个月带你成为年薪40w的算法工程师吗？

　　既然确定了目标，那就开始规划学习路线吧，然后又去网上各种找资料，算法工程师的语言首推python，然后不少人又说python计算性能差，你还需要学java，c++；算法方面除了机器学习，深度学习，还有各种线代，概率论，高数，算法导论等等要学，那好吧，既然打算学了，那就开始吧。首先就从python开始吧，然后就去网上开始下视频，找了好几份视频，最后发现还是某马的视频通俗易懂些（此处非广告），此时已经过完国庆了，也就是说从17年国庆之后真正的开始了转行之路。

　　刚开始自学的时候真的挺痛苦的，我既没有报班，也没有选择裸辞，好在每天下班都挺早，基本上每天晚上能抽出四个小时的学习时间，周末大概每天八小时。就这样开始了自学之路，从linux的简单操作开始，然后是python的简单语法，一直到这都觉得挺简单的，看来转行是分分钟的事情，直到学到类这一章，开始有点蒙了，这里一个对象，那里一个方法，什么封装，继承，多态，感觉脑子要炸了。没办法，那就照着别人的代码抄吧，抄完之后就一行行的读，在纸上一个对象一个对象的画，就这样勉勉强强的理解一些，在这个时候我的心态也有了一些变化，转行好像也那么容易，但我是谁，二十几年前拿过冠军的人，这点困难算什么，平静下内心后开始继续，但此时我脑子里也在想一个问题，转行所需要花费的时间。

　　我是不敢裸辞的，这样一旦没成功损失太大，而且那时自己也没攒到钱，然而边工作边自学不仅效率不高，而且真的很累，所以我需要快速转行成功。算法工程师需要的时间太大，当时大概估计了一下，以这种边工作边自学的方式大概需要半年甚至更久，而我给自己的时间是大概四个月，在这时做了一个大胆的决定，先转后台开发，再转算法工程师。至于为什么选择后台开发，仅仅是因为和算法工程师联系大一点。那就这样决定了，然后就开始去看python后台开发的招聘需求，总结下来需要掌握的最基本的技能：python，django，数据库（mysql，redis），计算机网络（http，tcp/ip），面试还需要掌握数据结构和算法。那就一样一样的来吧，具体时间如下：11月底学完python，12月中旬学完数据库和计算机网络，12月底看完数据结构和算法：python描述这本书。1月底学完Django，并搭建一个个人博客。2月开始准备面试题。

　　总结一下这部分的学习心得：

　　python：主要以视频为主，不建议看书学习，多写代码，写代码的时候最好规范，多用类去封装自己的代码。重要点有python中的各种数据结构的特点，装饰器，生成器等特性，线程，进程，协程，内存机制等。

　　数据库包括mysql和redis：这两个用起来很点单，但是理论上的知识点却挺多的，尤其是mysql，在面试之前建议多刷写经典的面试题，一些不懂的点配合着别人的博客和书来看可以取得很好的效果。redis一般问的都是里面的数据结构，相对简单些。

　　计算机网络：http协议，tcp/ip协议，推荐看一些简单的书，比如图解HTTP协议，然后还是刷高频面试题中的知识点，这是针对面试最优效的方法。

　　数据结构和算法：推荐数据结构和算法：python描述这本书，主要关注链表，栈和队列，二叉树，hash表这几块内容，然后再去刷剑指offer，剑指offer的题相对leetcode少很多，难度比较大的可以放弃。

　　基本上这样你只要做一个漂亮一点的简历，然后要求不要太高，基本上工作就能找到了。

　　18年3月初，也就是过完年回到上海我就开始投简历，这时你不用去考虑公司，只要稍微符合的就投，我总共投了将近100份简历，前前后后大概收到了6,7个面试，都是很小的公司，最大的也才150人左右，我只面试了两家，都给了offer，选择了最大的那一家，也就是这150人的公司。

　　18年3月8号辞职，3月11号入职新公司，当时的薪资是税前8000，转正后10000。工作地点在市区，房租1600，但住宿条件较之前差了100条街。吃饭也很贵，日均50-60。转行之后感觉生活更加紧迫了，好在自己对未来比较看好，也就都能接收。

　　不得不说在工作中学习效率真的是很高，在这里很感谢我们的“俊哥”，在工作上给了很多帮助，不仅代码写的越来越好，也接触到了很多以前没接触过的东西，比如FQ谷歌，各职位各部门之间的协作流程，git的工作流程，docker的项目部署，数据库的使用等，这些在之后从事算法工程师时都有用到。说到这是不是有种忘记了初心的感觉，no，并没有，转行算法是必然的，尤其是在现在做后端开发工资也不高的情况下，还有一句不能漏了，在这个时候我对写代码已经是非常有兴趣了。

　　新工作有个很大的优点，就是很少加班，而且上班时间灵活，我又住在公司附近，走路十分钟，这也给我提供了很大的帮助。18年3月底开始决定重新转行算法，如出一撤，打算先从看视频开始，去网上一找，大家都推荐吴恩达的机器学习课程，可是听不懂英文真的是很大的障碍，即使有字幕也学的很难受，就这样又去找其他的视频，不少人在推荐林轩田的机器学习基石。说实话林轩田的机器学习基石真的挺难的，尤其是对初学者而言，而且机器学习基石没有涉及到太多机器学习算法，主要是讲一些机器学习的理论，但这也没办法，知道是硬骨头也得去啃，就这样配合着别人的学习笔记磕磕绊绊的花了半个月学完了，但此时感觉自己还是啥都不懂。然后就开始去买书来看，第一本就是西瓜书，一开始是泛读，了解有哪些机器学习算法，大概一两天就看一章，每天大概能腾出三四个小时，而且只读到了第十一章。此时大概4月中旬，还是基本懵逼的状态，没办法，就开始买一些简单的书来看，比如机器学习实战，python机器学习实战，然后就照着书上的代码去运行，并结合西瓜书还有别人的博客来一个算法一个算法的啃。这整个过程花了一个月左右的时间，也就是到了5月中旬，个人认为已经算是入门了，但此时并不能说对算法有多熟悉，而且对各种的算法推导并没有统一，机缘巧合下有个同事推荐我去看统计学习方法这本书，现在也是我目前最喜欢的一本书，面试之前必定翻一遍，周志华老师的西瓜书是大而全，适合入门；而李航老师的书就是小而精，适合进阶。依然是坚持每天推导一个算法，就这样大概花了半个月的时间，自认为对机器学习中的各种算法算是比较熟悉了。

　　理论掌握的差不多之后就需要实战了，去真正的领略算法的实际用途。kaggle竞赛平台是个不错的选择，里面有很多机器学习入门的项目，最经典的就是泰坦尼克和房价预测，正好对应着分类问题和回归问题。这个时候你就可以用各种算法去尝试，比较结果，还要去熟悉各种特征处理方法，比如缺失值的处理，离散化等等。总之这个过程你不仅要大概的知道各种算法的优缺点，还需要知道各种特征提取，特征选择，特征组合的方法。此外你可能还会碰到过拟合，欠拟合的问题，那恭喜你，你会获得更多的经验。

　　本以为经历了上面这些，对机器学习的算法应该是掌握的比较好了，然后就去刷面试题，发现自己很多都不熟悉，也就是之前见过，甚至是理解过，但现在就不记得了，看来自己掌握的还是不够好，怎么办？那就复习做笔记吧，可是手写笔记也太麻烦了，那就写博客吧，大家也可以看到我的第一篇机器学习的博客是6月底，此时也是我对整个机器学习算法的总结开始，说实话这个阶段起到了质的飞跃，一开始对很多概念还很模糊，但你写完一篇博客后对这个算法就清晰很多了，强烈推荐。

　　与此同时，在7月初开始接触深度学习，其实到了这一步你也需要确定方向了，你是选择推荐，计算机视觉，自然语言处理还是其他等等。说实话计算机视觉很火，因此那时也想朝视觉的方向发展，可是电脑配置太差，又没有GPU，当时在做Kaggle上的一个图像分类的项目，每次电脑都卡死，没办法，客观条件不允许我做视觉了，对推荐兴趣不是很浓，那就自然语言处理吧，虽然当时知乎上各种看淡NLP的未来，觉得这个方向短期没有突破，然决定了那就共同面对兴衰吧。

　　相对于机器学习，深度学习的内容要少很对，无外乎几种网络，CNN，RNN，LSTM，自编码，受限玻尔兹曼机，GAN等。特别是当你对机器学习很熟悉之后，学起来就非常快了，但是tensorflow可较sklearn难多了，什么计算图，什么tensor，尤其是tensor的维度，三维，四维太常见了，但是学框架总比你自己去实现CNN，RNN要简单多了吧，所以深度学习很多时候都是在学tensorflow怎么用？当然深度学习中也有不少理论需要掌握，比如梯度弥散，激活函数，反向传播，优化函数，LSTM和RNN，Attention的原理。而现在可能还会问Transformer，NLP中的预训练模型。BERT的使用等等。但总的来说深度学习学起来还是简单些，难点主要在调参。

　　回过头来，说说深度学习和自然语言处理，首先推荐大家去找一些优质博客，理解清楚什么是CNN，RNN，LSTM等，理解它们的结构，输入和输出等。了解了基本的网络结构之后，可以去看吴恩达的深度学习视频，在网易云课堂中有，包括了深度学习理论，计算机诗觉和自然语言处理。另外深度学习这本书也是必不可少的，不用全部看完，毕竟太厚了。自然语言处理一开始没必要去看那些传统的书，给你讲语法，语义之类的书，主要还是以实战为主，了解自然语言处理中有哪些应用任务，比如文本分类，词性标注，机器翻译，问答系统等。推荐从文本分类入手，因为这是自然语言中最基础也是最常见的任务，我目前也主要是在做一块，接下来会入坑知识图谱和问答。

　　整个深度学习大概花了不到一个月的时间，而且此时还在总结机器学习和刷面试题。所以深度学习上花的时间真的不多，当然此时对深度学习除了理论比较熟悉，几乎是没有任何实战经验，而且tensorflow只能说能用，当很不熟悉。本打算把这些进一步扎实一点，但因为其他原因，不得不在8月9号辞职离开上海来到深圳找工作。

　　在求职算法的时候感觉市场一片大好，相对当时3月份求职后台开发的艰难，这次真的好了很多，不但收到不少面试，而且其中还不乏一些大厂。可能当时这个行业还是缺人，再加上已经有了五个月的开发经验，相较那些无任何互联网经验转行算法的朋友来说还是有些优势的，而且求职时我的博客也给加了不少分（至少能证明你是有认真学习的，而不是几天培训班，跑几个项目就来找工作的人）。

　　在这里还有一点，我面试基本是100%拿offer，这次总共面了7家，收到了6个offer，拒绝的那一个还是因为我的期待和它提供的岗位不符，所以就没有后续了。这里有一点点小经验分享给大家：

　　1）基础：只要你的简历不作假，面试官就不会期待你有多少项目经验，他更在乎的是你的基础，所以理论基础一定要打好。

　　2）信心：很多转行的朋友可能都会怀疑自己是不是能做好这份工作，较科班人士是不是差的很多，我只能说科班也有很多普通人的，你只是较那些大神差很多而已。所以信心要足。

　　3）态度：当面试官问你为什么转行的时候，你不用避讳因为钱多，可以说绝大部分人的动机都是因为钱，但这个过程中你是不是真的感兴趣，面试官还是很在乎的，所以我一般都会说因为钱多才决定转行，但因为兴趣才坚持到现在。

3 一些建议

　　虽然现在进入了互联网寒冬期，转行越来越难了，但还是给那些想转行的朋友一些建议：

　　1）你需要能挤出大量的时间来学习，学习需要连贯性，不然效率会非常低下，低下到你怀疑自己的能力，甚至放弃。

　　2）你需要能静的下心来学习，不要受过多的干扰，包括身边的朋友，网上的言论，尤其是那些告诉你转行有多难，那些劝退的人，要退缩也是你因为自身的原因主动退缩，而不是被别人给吓退缩了。

　　3）放下你的过去，很多人都觉得转行浪费了自己所学的专业，尤其是对于硕士和博士，我并不认为这是浪费，在学校最大的收获绝对不是一点点专业知识，而且打算转行的人一般也是专业没学好又对自己的专业没兴趣的人。

　　4）认清现实，虽然现实很残酷，但你必须去面对，对转行算法有三不建议：一，绝大部分本科生不建议；二，从小到大数学差的不建议；三，普通学校的硕士不建议。虽然说的有点直白，在中国对学历的歧视是很赤裸裸的，算法工程师确实大多都要求硕士，对于非CS，数学等专业的还会要求是好大学的硕士，如果达不到你的发展可能会受限，当然这里面肯定会有个例，很多普通大学也有很多大牛。另外数学差学算法还是挺痛苦的，之前说到的线代，高数，概率论等都是需要的，在这里我没有重头学是因为我大部分都记得，哪怕这些书我好几年没翻过。

　　最后，祝各位想转行的朋友在19年都能成功！