两年,从月入4K到40K,从来不是努力工作,而是不断跳槽

我,一个普普通通的程序员,刚毕业月薪4000

两年后,收入翻了10倍。

写这篇文章时,内心十分忐忑,知道很多人不相信,

如果你愿意看完我是怎么一步步逆袭的

我会告诉你我走的“捷径”。

这两年期间,经历了4次跳槽,学习→工作实践→跳槽,是我登上每一节楼梯的方式。当然,跳槽的前提是你新学的知识+工作经验,能让面试官觉得你值得这份工作。

想要涨薪,首先得知道企业想要什么样的人,根据企业招聘策略针对性学习,能够在最短时间内获得最大化的提升。

我把算法比作内功,代码比作外功。企业看人,往往更注重内功,因为这代表你扎实的基础功,意味着未来修炼的天花板有多高。很多人只纠结于琢磨代码,而代码能力一般进企业工作两个月,很快就能提升,但算法,却需要长时间的积累。企业不会一点点教你,也不会给你那么多时间。

这就说明,我们在台下必须勤修算法功底。

我是怎么修炼的?

1、看周志华的《机器学习》西瓜书

这本书基本是纯理论的算法推导,很干很枯燥,但是却能迅速提升我的算法功底。我基本每天都要刷一遍《西瓜书》,没事就拿出来看,算法理解扎实,对以后代码实现起来会有更深的领悟。

2、不看周志华的《机器学习》西瓜书

对,不看。周教授的书一开篇就是深奥难懂的理论,如果从第一章开始学,绝对懵逼,后面还得了?

这里我要你别看,是不看那些没用的部分。企业不会出卷子考你《西瓜书100问》。工作中,很多算法不常用,甚至几乎不用,只有个别算法需要理解透彻,所以只学重点,然后反复使用。

3、重组学习章节

书本逻辑≠学习逻辑。书本是为了考虑整体的完整性和逻辑性编排,但个人更多的考虑理解的便易性和工作的实用性。类似背单词,从第一个背起,你永远背不到最后一个。所以学习的顺序很重要。

重组、排列、综合。将相关算法和相同的使用场景对比学习,不但加深印象,还有利于理解。

4、制定学习计划

我是一边工作一边学习,每天晚上能抽出来的时间很少,所以每天必须给自己规定一个最少的学习量,学不完就不睡觉,休息日的时候就多学点。这样,学习进度就一直在向前走。

你也可以制定类似这样的计划,比如3天理解一个算法,5天看完一个大章节,7天做一个实战项目。

当完成任务后还能高兴的赏自己两盘吃鸡,缓解学习压力。

当学习条件都具备了,接下来就是坚持。

想要坚持,最重要的就是:营造学习氛围

我在看视频啃书的那段时间,周末都会去图书馆,因为在家学习经常无法集中精力。如果条件不允许?我还有招。

加入一些活跃度,学习热情较高的社群。如果这些社群天天讨论学习,你提的学习问题还能随时被解答,学习效率和积极性会得到极大的满足。特别是当看到别人晚上12点还在讨论问题,想要睡觉的你,不看书都会有满满的罪恶感。

学习这一关过了以后,想要找到好工作,还需要通过面试和简历来包装自己。

关于简历,除了工作经历,我做了两件投机取巧的事

1、累积比赛经验

参加过AI大赛的经历是简历的加分项,但企业只会看成绩好的。我一个新手,怎么能打到前10呢?

所以我的方法是,打已经结束的比赛,把前几名的开源代码自己拿过来调参,借用他们的思路,即便是干不到他们的成绩,也能拿到不错的名次,这样就可以写在简历上,自己参加过的比赛,即便是面试官问你一些细节,你也能对答如流

2、包装自己Github代码库

我在网上找到了机器学习算法用Python徒手实现的代码,直接copy过来,在自己电脑上跑一边,只要不出问题,就会放到自己的代码库里。

当然个别的重要算法,我自己会敲一遍,以防止面试官让我现场写代码,暴露不足。

除此之外,我还写了一些在学习过程中的记录的一些笔记,当然这个笔记也不完全是自己写的,看现有的笔记能帮助自己理解,在这个基础上,用自己的方式再写出来,能够加深理解和印象。

我也fork了一些开源的好项目,自己动手跑一跑。还有一些是自己听课程的时候,别人给的项目,但我把项目的代码又托管到了自己Github上,这样我的Github上面就有算法实现、学习笔记、项目,这三类内容。这样的Github可以客观的展现你的学习经历和项目经历。

所以每跳一次槽,我的简历都能让我获得不少面试机会。

而当你获得面试机会以后,怎样展现能力,让公司认为你确实牛X,就需要自己在台下练习如何能够更好的表达。

我的方法就是背书。周志华的《机器学习》,当你能把算法理解透彻,甚至能背出他的理解和观点,在面试官面前侃侃而谈,我相信,你也和我一样,离拿到offer不远了

很多人说,我是从入门到放弃,但这可能不是你的问题,也许是环境。

试想一下,高中学生都在家学习,而不是在学校,面对试卷习题的轰炸,再加上周围没有一起奋战的小伙伴,你敢说能坚持下去?

这就是为什么高中是人一生中学习效率最高的时刻。如果有高中的氛围去学习,你还觉得,我学不会吗?

周志华《机器学习》西瓜书训练营

就是这样的一个平台。模仿高中的教学设计,制定详细完整的学习计划,设计作业反馈,导师指导学习,群内的学习氛围很浓,10分钟洗了个澡,出来就被200多条消息刷屏,关键是大家提交作业的积极性还很高。

不仅如此,老师还提供了可以直接跑的打比赛代码,在训练营学习期间提供完整的答疑服务,即便学习结束,也能享受1年的1对1答疑服务,完美解决学习中任何疑难问题。

我参加了第二期,学完以后真实感受到又看懂了西瓜书很多之前一直没懂的理论,还结识了很多领域内一起学习的人,所以良心推荐

训练营提供什么?

1、《机器学习》西瓜书重难点章节重组+12大核心算法知识梳理,务实你的算法功底

2、天池AI大赛10强大咖,手把手带打NLP算法和天池大赛,练就超强实战能力

3、讲师+助教学习答疑,作业讲解+点评,深入理解每一个重难点

4、分解学习任务和教学计划,合理安排每天的学习进度

5、高质量的社群互动,老师、助教、学员共同探讨疑难话题

6、打卡监督,摆脱你的拖延症难题

你能获得什么?

1、专属价值398元知识星球学习名额,5位重量级人工智能大咖坐镇,一年服务时间,解决你的学习疑难

2、训练营内部大赛比拼,优秀学员奖励千元奖金

3、每周五热门话题讨论,400+学员的集体头脑风暴,资源、干货、观点一起碰撞

4、麻省、清华、北大学员做队友共同挑战比赛

5、英伟达、蚂蚁金服、图森未来、阿里、华为、滴滴、京东伙伴提供工作内推

教学大纲

【第一阶段】

1.了解机器学习基本概念

2.线性模型

3.入门比赛:“达观杯”NLP算法大赛

【第二阶段】

1.支持向量机

2.贝叶斯分类器

3.入门比赛:“达观杯”NLP算法大赛(其他算法进阶应用)

【第三阶段】

1.决策树

2.集成学习

3.进阶比赛:决策树和集成学习应用于天池o2o优惠券使用预测赛

【第四阶段】

1.特征选择

2.降维

3.进阶比赛:特征选择和降维应用于天池o2o优惠券使用预测赛

【第五阶段】

1.模型的评估与选择

2.神经网络与深度学习

3.进阶比赛:模型评估与选择应用于天池o2o优惠券使用预测赛

【第六阶段】

1.概率图模型

2.聚类

3.强化学习

4.进阶比赛:强化学习应用于天池o2o优惠券使用预测赛

原文发布于微信公众号 - 磐创AI(xunixs)

原文发表时间:2018-11-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

李飞飞:我们怎么教计算机理解图片

250130
来自专栏新智元

【牛津调查:AI 超越人类编年史】柯洁之后,32个AI里程碑全预测

【新智元导读】人类纪元2017年,世界第一柯洁哭了,为自己 0:3 对 AlphaGo 的落败。有人解读说,这预见到了人族衰败的开始,和未来两个族群之间在智力上...

34960
来自专栏数据科学与人工智能

AI如何从令人失望到大行其道

人工智能(AI)问世之初曾经狂妄自大、令人失望,它如何突然变成当今最热门的技术领域?这个词语首次出现在1956年的一份研究计划书中。该计划书写道:“只要精心挑选...

36690
来自专栏新智元

机器学习先驱 Michael I. Jordan 清华演讲:更好的分布式机器学习(PPT)

【新智元导读】今天,机器学习诸多理论的主要奠基人、美国三院院士 Michael I. Jordan受聘为清华大学访问教授,同时发表主题报告。Jordan认为,大...

52160
来自专栏数据科学与人工智能

【应用】信用评分卡:模型验证

我认为欣赏和享受琐事的最佳方式是旅行。当我说琐碎的时候,它包括门把手,海报,信箱,涂鸦以及我们从未在我们自己的城市中转过头来做的一切。上周我与妻子一起在佛罗伦萨...

29620
来自专栏PPV课数据科学社区

适合入门的8个趣味机器学习项目

谈到机器学习,相信很多除学者都是通过斯坦福大学吴恩达老师的公开课《Machine Learning》开始具体的接触机器学习这个领域,但是学完之后又不知道自己的掌...

44760
来自专栏AI研习社

如何优雅地躲避学术地雷 | AI阅读研究所·第1期

策划 / 晋阳 编辑 / 吴璇 数字时代的今天,从各个渠道涌来的各种碎片化信息数不胜数。对于 AI 领域,每天会涌现一大波国内外的技术博文、论文、文档等等。 习...

38060
来自专栏AI科技大本营的专栏

算法还是算力?周志华微博引爆深度学习的“鸡生蛋,蛋生鸡”问题

作者 | 波波 上周,由强化学习加持的AlphaZero,把DeepMind在围棋上的突破成功泛化到其他棋类游戏:8小时打败李世石版AlphaGo,4小时击败国...

39860
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/2/11

注意下面很多链接需要科学上网,无奈国情如此 1. sentiment analysis的survey文章,前面略显累赘,后面还行 链接:https://arxi...

374150
来自专栏新智元

【十大顶级专家】全球人工智能技术趋势(诺奖得主、KK等)

2015 年发生了机器学习的大事件?这背后折射出什么技术趋势?Edge 从全球 198 个顶尖专家中梳理了科技和技术大事件,新智元从中选择了关于人工智能的部分。...

32340

扫码关注云+社区

领取腾讯云代金券