在所有事情開始之前，要把相關(guān)的環(huán)境設(shè)置好。首先你要有OpenCV（對(duì)于視覺工程師方向），至少一個(gè)深度學(xué)習(xí)框架（TensorFlow， Kaffe， Keras等，新手推薦用Keras），Ubuntu。還要掌握C++， Python， 和基本的機(jī)器學(xué)習(xí)知識(shí)。

C++在AI類工作中有怎樣的重要性？

C++對(duì)于你找AI視覺方向的工作是比較重要的。以下幾個(gè)工作Title是要求你必須會(huì)C++的：

AI Engineer / Computer Vision Engineer / Self-driving Car Engineer / Image Processing Engineer / SLAM Engineer

GPGPU Engineer

而這四類工作Title并不要求你一定會(huì)C++：

* Data Scientist（Python， R etc.）

* Deep Learning Scientist

* NLP engineer （Python）

* Machine Learning Engineer （Pyhton， Java）

如何準(zhǔn)備C++？

C++11中最重要的是Smart pointer，很容易考到。其次還有STL（vector， map etc.） 添加，刪除，排序。類也會(huì)考察，類里有很多前綴后綴，如const， static， override， virtual，pure virtual等，這些需要清楚地記得。

然后說到刷題，LeetCode上Easy和Medium的題，起碼要刷三百道。最好是能一邊上現(xiàn)成的算法課，一邊用C++刷題練習(xí)。

關(guān)于用到的資料，向大家推薦一本C++的書：Effective C++。這本書比較薄，三天內(nèi)就能看完，可以不用看得太細(xì)，它對(duì)編程風(fēng)格的講解是比較值得一看的。比如你可以了解到面對(duì)過程的編程風(fēng)格和面向?qū)ο蟮木幊田L(fēng)格。

最后給大家推薦一個(gè)YouTube播主：Cppnuts。他把C++的每個(gè)知識(shí)點(diǎn)總結(jié)成三到五分鐘的視頻，講得很不錯(cuò)，大家可以關(guān)注。

找AI視覺方向的工作，你需要哪些必要的圖像知識(shí)？

特征點(diǎn)： Harris角點(diǎn)檢測(cè)，SIFT，SURF，ORB。例如，面試官可能會(huì)問你：在SLAM系統(tǒng)中，我們?yōu)槭裁匆肙RB，而不用SIFT和SURF？答案是因?yàn)镺RB比SIFT和SURF快，并且精度也不錯(cuò)。

描述子和匹配，F(xiàn)LANN算法

相機(jī)模型：相機(jī)內(nèi)參，外參數(shù)，相機(jī)標(biāo)定。這部分其實(shí)是3D的概念，是視覺中的一大塊，但不需要了解得太深，現(xiàn)在這個(gè)領(lǐng)域絕大部分還是基于深度學(xué)習(xí)，只需這些基本的概念了解清楚。

基本的大塊概念：圖像配準(zhǔn)，運(yùn)動(dòng)檢測(cè)，光流算法等。

OpenCV：很重要，任何一個(gè)關(guān)于圖像的工程師職位都對(duì)OpenCV有要求。Mat基本操作遍歷必須會(huì)，其他的東西可以根據(jù)算法推演。

CUDA：這是找工作過程中非常容易贏得優(yōu)勢(shì)的一門技術(shù)。任何一個(gè)項(xiàng)目如果你說你用了CUDA，并解釋得清除完整，會(huì)讓面試官刮目相看。雖然CUDA有優(yōu)勢(shì)但學(xué)起來并不容易，內(nèi)容比較多。

你需要哪些深度學(xué)習(xí)的知識(shí)積累？

至少熟悉一種框架：如Caffe，Tensorflow，Pytorch，MXNet等。推薦TensorFlow和Keras。Keras適合新手，比較簡(jiǎn)單，并且和TensorFlow是一樣的。對(duì)于TensorFlow，推薦《TensoFlow實(shí)戰(zhàn)》這本書。

至少一次Kaggle項(xiàng)目的經(jīng)歷：Kaggle項(xiàng)目的名次最好在15%以內(nèi)，這樣只需寫一個(gè)。如果沒有名次，就可以多寫幾個(gè)項(xiàng)目。寫在簡(jiǎn)歷上的項(xiàng)目要突出兩點(diǎn)：第一，你把模型重新訓(xùn)練了一遍。第二，你Ensemble了Multiple models。 Dogs and Cats的獲獎(jiǎng)感言中講了一些他做Kaggle的經(jīng)歷，推薦大家去看，可以借鑒他的話用在面試中。歷屆冠軍說的一些感言有很多是十分有用的。

對(duì)于這些模型，能夠迅速說出其優(yōu)點(diǎn)：GoogleNet V12345， VGG， ResNet， MobileNet， AlexNet。

模型選擇方面：了解Fine tune，參數(shù)訓(xùn)練的技巧（如何設(shè)定初值，如何調(diào)參等）

各種面試的小問題：如你平時(shí)喜歡用什么Optimizer？為什么神經(jīng)網(wǎng)絡(luò)越深越好？為什么網(wǎng)絡(luò)要Thin呢？Gradient Vanish造成的原因？為什么會(huì)造成Overfitting？怎樣克服Overfitting？你怎么看Overfitting？Batch Normalization是什么？還有Range of each hyper parameter，SVM和分類算法的對(duì)比，數(shù)據(jù)集大小和切割等。

關(guān)于面試準(zhǔn)備過程中的Tips

不要想著準(zhǔn)備好了再面試。其實(shí)”準(zhǔn)備好“是一個(gè)難以界定的概念，也許你永遠(yuǎn)都達(dá)不到所謂的“準(zhǔn)備好”的狀態(tài)，等你準(zhǔn)備好時(shí)很多職位都沒有了，會(huì)錯(cuò)失很多機(jī)會(huì)。

多面試，才知道職位究竟需要什么技能。AI的職位不像軟件工程師職位那樣有相對(duì)固定的需要準(zhǔn)備的知識(shí)點(diǎn)，醫(yī)療方向有醫(yī)療方向需要準(zhǔn)備的東西，無人機(jī)有無人機(jī)需要準(zhǔn)備的東西。多面試才能知道這個(gè)職位到底需要什么技能。但是不要一開始就面大公司，可以從一些小公司練手，積攢經(jīng)驗(yàn)后再面大公司，并且大公司盡量找內(nèi)推。

通過面試失敗總結(jié)經(jīng)驗(yàn)，建立一個(gè)自己的Cheatsheet。當(dāng)你準(zhǔn)備去面試一個(gè)陌生的領(lǐng)域，通過把每次面試的經(jīng)驗(yàn)寫在Cheatsheet上，你就會(huì)逐漸知道面試官需要什么樣的項(xiàng)目，你要如何潤(rùn)色自己的項(xiàng)目。

如果拿不到面試可以嘗試投國(guó)內(nèi)公司練手。投國(guó)內(nèi)的公司可能拿到面試的機(jī)會(huì)更大一些，通過這些面試一樣可以積攢經(jīng)驗(yàn)。國(guó)內(nèi)公司可能對(duì)算法方面沒那么嚴(yán)苛，但其他方面可以對(duì)你有很大的指導(dǎo)性，并且問的問題很實(shí)際，很接地氣。

面試中可能會(huì)面對(duì)哪些失敗？

回復(fù)很少：有時(shí)候你可能沒有把簡(jiǎn)歷寫到Recruiter能看懂的程度。如果你簡(jiǎn)歷寫得不夠直白，Recruiter沒看懂，他可能就pass了你的簡(jiǎn)歷。我們要把項(xiàng)目中最重要的關(guān)鍵詞突出出來，并且可能需要寫一個(gè)general的cover letter，讓Recruiter了解你。我們自己也可以去LinkedIn加Recruiter，越多越好，可以直接把簡(jiǎn)歷發(fā)給他，增加Recruiter回復(fù)的概率。

公司其實(shí)并不招人：有時(shí)候公司把招聘信息發(fā)布在網(wǎng)上，但其實(shí)他并不想招人，他就是要招不到人，才能給自己公司里的人辦H1b。這個(gè)時(shí)候面試官可能會(huì)出特別難的題，這種情況大家需要理性識(shí)別，不要一次遇到太難的面試就懷疑自己，從而喪失信心。

代碼沒時(shí)間準(zhǔn)備：這其實(shí)是最不應(yīng)該出現(xiàn)的問題。代碼在AI工程師求職中是很重要的。每個(gè)公司至少有兩輪代碼的面試，Online或者白板面試。大家一定要勤刷題。

項(xiàng)目不夠吸引人：打造一些實(shí)習(xí)經(jīng)歷，實(shí)習(xí)是最重要的，有了實(shí)習(xí)對(duì)找全職是非常有幫助的。

心態(tài)已崩：找工作的難度大，但很多時(shí)候多堅(jiān)持一會(huì)就能找到工作了。你要知道，如果你是MS最終做了AI，你已經(jīng)為自己省了兩到三年轉(zhuǎn)行的時(shí)間。

現(xiàn)在AI有這些比較熱門的方向

自動(dòng)駕駛、醫(yī)療診斷、推薦nlp、聊天機(jī)器人、視覺導(dǎo)航、金融、視覺機(jī)器人、VR / AR、監(jiān)控等。