核心观点
AI如同新的电力，将变革人类生活。在AI领域建立职业需历经学习基础技能、参与项目和求职等关键步骤，且各阶段相互关联、持续学习贯穿始终，同时要注重建立支持性社区，克服冒名顶替综合症，充分利用每一天提升自我。
一、职业发展的三个步骤
（一）学习基础技能
重要性：是职业发展的首要阶段，为后续发展奠定基础，且AI领域技术不断演进，持续学习基础技能尤为重要。 关键学习内容
基础机器学习技能：理解线性回归、逻辑回归、神经网络、决策树、聚类、异常检测等模型，掌握机器学习工作原理相关核心概念，如偏差/方差、成本函数、正则化、优化算法和误差分析等。 深度学习：了解神经网络基础知识、使其有效工作的实践技能（如超参数调整）、卷积网络、序列模型和变压器等，深度学习在机器学习中占比重大，掌握相关知识对该领域发展至关重要。 与机器学习相关的数学知识：涵盖线性代数（向量、矩阵及其操作）、概率与统计（离散和连续概率、标准概率分布、独立性和贝叶斯规则等基本规则、假设检验）、探索性数据分析（EDA）以及对微积分的基本直观理解。数学需求随技术发展而变，例如自动微分软件的进步降低了部分任务对微积分的依赖。 软件开发技能：掌握编程基础知识、数据结构（尤其是与机器学习相关的，如数据框）、算法（包括数据库和数据操作相关算法）、软件设计，熟悉Python以及TensorFlow、PyTorch、scikit-learn等关键库。具备软件开发技能可增加工作机会，有助于构建复杂AI系统。
（二）参与项目
项目工作的意义：深化技能、构建项目组合、创造影响力，是职业成长的关键环节，通常涉及与缺乏AI专业知识的利益相关者合作，具有一定挑战性。 成功规划项目的步骤
确定业务问题（而非仅关注AI问题）：与领域专家交流，了解其期望改进的关键问题及原因，例如在气候 change领域，发现电网运营商难以准确预测风能和太阳能等间歇性能源的发电量问题。 头脑风暴AI解决方案：全面了解问题后，高效构思潜在解决方案，如针对上述能源预测问题，可考虑利用卫星图像精确绘制风力涡轮机位置、估算其高度和发电能力，或运用天气数据更好地预测云量和太阳辐照度等。 评估潜在解决方案的可行性和价值：通过研究已发表成果、分析竞争对手做法或构建快速概念验证来判断技术可行性；咨询领域专家（如电网运营商）确定解决方案的实用价值。 确定里程碑：明确项目的目标指标，包括机器学习指标（如准确性）和业务指标（如收入），团队需突破舒适区，设定与用户参与度、收入等相关的业务指标，若无法确定合理里程碑，可能需进一步了解问题，概念验证可提供新视角。 资源预算规划：全面考虑完成项目所需资源，如数据、人员、时间以及其他团队的集成或支持，确保项目资金（如购买卫星图像的费用）纳入预算。项目工作是迭代过程，若发现当前方向不可行，应返回上一步重新规划。
（三）求职
求职过程要点：包括选择目标公司、准备面试、挑选合适角色并协商薪资福利等步骤，与其他行业求职有相似之处，但AI领域公司对技能需求尚不明确，求职者可能需向潜在雇主解释工作内容。 角色与行业转换的考虑因素
角色转换：例如从软件工程师转为机器学习工程师，或从产品经理转为数据科学家等，需思考新角色的要求和自身适应能力。 行业转换：如从医疗保健公司到金融服务公司或科技公司工作，要考虑行业差异对工作的影响。 同时转换角色和行业：难度较大，建议先在熟悉的领域积累经验，再逐步过渡，例如金融服务行业的分析师可先在该行业内寻找与AI相关工作，利用领域知识积累AI经验后，再考虑进入科技公司。
（四）建立支持性社区的重要性
在职业发展的每个阶段，拥有能提供帮助的朋友和盟友都至关重要，他们可以在学习、项目工作和求职过程中给予支持，同时自己也应积极帮助他人，共同促进职业发展。
二、学习与发展相关要点
（一）数学学习
学习的必要性：理解算法背后的数学原理有助于调试，但随着机器学习技术成熟，对数学深度的要求有所变化。例如早期需深入理解线性代数库以解决线性回归问题，如今相关库已成熟，对其理解的深度要求降低；而深度学习仍在发展，训练神经网络时，理解梯度下降、动量和Adam优化算法等数学知识有助于做出更好决策。 基于好奇心的学习：鼓励因兴趣而探索数学知识，即使其实际用途不明确，也可能激发创新和技术突破。
（二）习惯养成
学习习惯培养：参考BJ Fogg的《微小习惯：小改变带来大不同》，培养学习习惯应从小处着手，例如每天坚持观看10秒教育视频，逐渐养成每日学习的习惯，即使短期内学习效果不明显，但习惯养成后，学习时间可能自然增加。 终身学习意识：机器学习领域变化迅速，仅靠短期突击无法掌握所需知识，优秀的机器学习从业者都是终身学习者，需持续提升技术知识。
三、项目相关要点
（一）项目选择与执行
项目选择原则
助力技术成长：选择具有挑战性但又在能力范围内的项目，避免过于困难导致失败，通过项目逐步提升技术复杂性掌控能力。 良好的团队协作：优先选择有优秀队友或能与他人交流讨论的项目，从周围人身上学习，良好的合作关系对个人成长影响重大。 成为职业发展的垫脚石：成功的项目应在技术复杂性和业务影响方面为后续更大项目奠定基础，例如项目规模超过以往经历，就可能成为职业发展的重要契机。 项目执行风格 “准备、瞄准、射击”（Ready, Aim, Fire）：适用于执行成本高且研究可明确项目价值的情况，如能通过评估多个用例确定最有前景的方向，值得在投入前花费更多时间规划和验证。 “准备、射击、瞄准”（Ready, Fire, Aim）：适用于执行成本低且能通过实践确定方向可行性并进行调整的情况，例如快速构建原型以测试用户需求，在成本允许的情况下，可多次尝试不同方向，快速迭代优化。在构建机器学习模型时，由于训练和误差分析成本通常不高，且难以预先确定最佳模型、数据和超参数，更倾向于这种迭代式开发方法；但在进行重大投资或决策不可逆时，应提前充分研究确保方向正确。 项目组合的发展阶段 课程项目：早期项目多为范围较窄、有预定答案的作业，是很好的学习机会，例如训练神经网络模拟sin(x)函数的项目，虽实用性有限，但有助于积累经验。 个人项目：独自或与朋友合作开展小规模项目，如重新实现已知算法、将机器学习应用于爱好（预测喜欢的运动队胜负）或在工作之余构建小型实用系统（如帮助同事自动化工作的机器学习脚本），参与Kaggle等竞赛也是获取经验的途径。 创造价值阶段：技能提升后，可开展能为他人带来实际价值的项目，这可能使机器学习工作从个人兴趣转变为职业工作的一部分，从而获得更多资源，如设备、计算时间、标注预算或人力支持。 范围和复杂性提升阶段：成功的项目相互促进，带来更多技术成长、资源和重要项目机会，形成良性循环。 沟通与领导力的重要性：在项目过程中，良好的沟通能力至关重要，无论是启动项目时向他人阐述项目价值以获取支持，还是完成项目后向他人展示成果以争取更大项目机会，都需要清晰表达自己的想法。此外，在大型AI项目中，即使没有正式领导职位，具备领导能力（如运用深度技术见解指导项目方向，决定何时投资新技术架构或收集特定类型数据）也有助于个人成长并显著提升项目效果。 利用信息面试（Informational Interview） 目的：在准备转换角色或行业时，通过与目标公司或岗位的人员进行非正式访谈，了解工作实际内容、所需技能等关键信息，有助于做出明智的职业决策。 方法：提前研究受访者和公司，准备有针对性的问题，如询问日常工作内容、重要任务、成功所需技能、团队协作方式、招聘流程以及以往优秀候选人的突出表现等；通过拓展人脉（如联系已转型的朋友、校友，参加Pie & AI等聚会）寻找访谈对象；保持礼貌、专业，访谈后表达感谢，并在有机会时将这种帮助传递下去。 求职过程注意事项 注重基础：精心准备有吸引力的简历、展示技术项目的作品集以及出色的面试表现，根据目标岗位定制简历和沟通内容，面试前向招聘人员了解期望，复习常见问题、关键技能和技术材料，面试后做好记录。 尊重负责地行事：以双赢心态对待面试和薪资谈判，避免受个别不良雇主故事影响而采取对抗态度；离职时应优雅得体，提前充分通知雇主，工作到最后一刻，尽力交接未完成事务，履行职责。 选择合适的工作伙伴：同事对个人职业发展影响重大，优先选择与积极、勤奋、致力于用AI造福人类的同事共事，若公司在接受offer前不透露队友信息，应尽力争取了解潜在队友情况，降低因团队不匹配带来的风险。 借助社区力量：求职经验有限时，积极向社区（如朋友、同事、导师等）寻求建议、内部消息和推荐，社区的集体经验能提供有力支持。 团队合作：大型项目中团队协作至关重要，良好的人际交往和沟通能力有助于与他人有效合作、相互影响，实现项目成功，作者本人也曾经历从沟通能力不佳到认识到其重要性的转变过程。 人脉网络（Networking）与社区建设：尽管作者不喜欢传统社交活动，但认识到在AI领域拥有强大人脉网络的重要性，建议将重点放在建立社区上，通过社区结识更多人、结交朋友，在需要帮助或建议时获得支持，推动职业发展。 个人自律：养成良好的生活和工作习惯，包括饮食、锻炼、睡眠、人际关系、工作、学习和自我护理等方面，有助于保持健康，持续进步，虽然他人可能难以察觉个人周末的活动，但长期积累会产生显著差异。 利他主义：在职业发展过程中帮助他人，往往能为自己带来更好的结果，例如鼓励和提升后来者，不仅对他人有益，也有助于他人认可自己的专业知识，促进自身持续发展，同时增强在AI社区的归属感。 现象普遍：约70%的人在某个阶段会经历冒名顶替综合症，包括许多杰出人士，如Sheryl Sandberg、Michelle Obama、Tom Hanks和Mike Cannon - Brookes等，在AI社区中也不例外。 应对方法 寻求支持性社区：若导师或经理不支持个人成长，积极寻找支持性的社区，如参加Pie & AI等活动，通过讨论板等方式获取支持，共同成长。 认识自身优势并帮助他人：每个人都有自己擅长的领域，即使在AI学习过程中遇到挑战，也应认可自己的进步，如从理解少量专业文章到逐渐增加理解比例，同时积极鼓励和帮助他人，这有助于增强自信，消除自我怀疑，确认自己属于AI社区。 寿命与时间意识：人们往往高估人类寿命，实际上生命天数有限，例如作者计算自己预期寿命约27,649天，意识到每天的珍贵性，应思考每天活动是否值得花费生命中的时间。 积极行动的激励：明确生命有限，应将时间用于与亲人相处、学习、为未来建设和帮助他人等有意义的事情上，充分利用每一天提升自己，积极面对职业生涯和生活
