如何成为一名AI工程师？-电子发烧友网

在所有事情开始之前，要把相关的环境设置好。首先你要有OpenCV（对于视觉工程师方向），至少一个深度学习框架（TensorFlow， Kaffe， Keras等，新手推荐用Keras），Ubuntu。还要掌握C++， Python，和基本的机器学习知识。

C++在AI类工作中有怎样的重要性？

C++对于你找AI视觉方向的工作是比较重要的。以下几个工作Title是要求你必须会C++的：

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

GPGPU Engineer

而这四类工作Title并不要求你一定会C++：

* Data Scientist（Python， R etc.）

* Deep Learning Scientist

* NLP engineer （Python）

* Machine Learning Engineer （Pyhton， Java）

如何准备C++？

C++11中最重要的是Smart pointer，很容易考到。其次还有STL（vector， map etc.）添加，删除，排序。类也会考察，类里有很多前缀后缀，如const， static， override， virtual，pure virtual等，这些需要清楚地记得。

然后说到刷题，LeetCode上Easy和Medium的题，起码要刷三百道。最好是能一边上现成的算法课，一边用C++刷题练习。

关于用到的资料，向大家推荐一本C++的书：Effective C++。这本书比较薄，三天内就能看完，可以不用看得太细，它对编程风格的讲解是比较值得一看的。比如你可以了解到面对过程的编程风格和面向对象的编程风格。

最后给大家推荐一个YouTube播主：Cppnuts。他把C++的每个知识点总结成三到五分钟的视频，讲得很不错，大家可以关注。

找AI视觉方向的工作，你需要哪些必要的图像知识？

特征点： Harris角点检测，SIFT，SURF，ORB。例如，面试官可能会问你：在SLAM系统中，我们为什么要用ORB，而不用SIFT和SURF？答案是因为ORB比SIFT和SURF快，并且精度也不错。

描述子和匹配，FLANN算法

相机模型：相机内参，外参数，相机标定。这部分其实是3D的概念，是视觉中的一大块，但不需要了解得太深，现在这个领域绝大部分还是基于深度学习，只需这些基本的概念了解清楚。

基本的大块概念：图像配准，运动检测，光流算法等。

OpenCV：很重要，任何一个关于图像的工程师职位都对OpenCV有要求。Mat基本操作遍历必须会，其他的东西可以根据算法推演。

CUDA：这是找工作过程中非常容易赢得优势的一门技术。任何一个项目如果你说你用了CUDA，并解释得清除完整，会让面试官刮目相看。虽然CUDA有优势但学起来并不容易，内容比较多。

你需要哪些深度学习的知识积累？

至少熟悉一种框架：如Caffe，Tensorflow，Pytorch，MXNet等。推荐TensorFlow和Keras。Keras适合新手，比较简单，并且和TensorFlow是一样的。对于TensorFlow，推荐《TensoFlow实战》这本书。

至少一次Kaggle项目的经历：Kaggle项目的名次最好在15%以内，这样只需写一个。如果没有名次，就可以多写几个项目。写在简历上的项目要突出两点：第一，你把模型重新训练了一遍。第二，你Ensemble了Multiple models。 Dogs and Cats的获奖感言中讲了一些他做Kaggle的经历，推荐大家去看，可以借鉴他的话用在面试中。历届冠军说的一些感言有很多是十分有用的。

对于这些模型，能够迅速说出其优点：GoogleNet V12345， VGG， ResNet， MobileNet， AlexNet。

模型选择方面：了解Fine tune，参数训练的技巧（如何设定初值，如何调参等）

各种面试的小问题：如你平时喜欢用什么Optimizer？为什么神经网络越深越好？为什么网络要Thin呢？Gradient Vanish造成的原因？为什么会造成Overfitting？怎样克服Overfitting？你怎么看Overfitting？Batch Normalization是什么？还有Range of each hyper parameter，SVM和分类算法的对比，数据集大小和切割等。

关于面试准备过程中的Tips

不要想着准备好了再面试。其实”准备好“是一个难以界定的概念，也许你永远都达不到所谓的“准备好”的状态，等你准备好时很多职位都没有了，会错失很多机会。

多面试，才知道职位究竟需要什么技能。AI的职位不像软件工程师职位那样有相对固定的需要准备的知识点，医疗方向有医疗方向需要准备的东西，无人机有无人机需要准备的东西。多面试才能知道这个职位到底需要什么技能。但是不要一开始就面大公司，可以从一些小公司练手，积攒经验后再面大公司，并且大公司尽量找内推。

通过面试失败总结经验，建立一个自己的Cheatsheet。当你准备去面试一个陌生的领域，通过把每次面试的经验写在Cheatsheet上，你就会逐渐知道面试官需要什么样的项目，你要如何润色自己的项目。

如果拿不到面试可以尝试投国内公司练手。投国内的公司可能拿到面试的机会更大一些，通过这些面试一样可以积攒经验。国内公司可能对算法方面没那么严苛，但其他方面可以对你有很大的指导性，并且问的问题很实际，很接地气。

面试中可能会面对哪些失败？

回复很少：有时候你可能没有把简历写到Recruiter能看懂的程度。如果你简历写得不够直白，Recruiter没看懂，他可能就pass了你的简历。我们要把项目中最重要的关键词突出出来，并且可能需要写一个general的cover letter，让Recruiter了解你。我们自己也可以去LinkedIn加Recruiter，越多越好，可以直接把简历发给他，增加Recruiter回复的概率。

公司其实并不招人：有时候公司把招聘信息发布在网上，但其实他并不想招人，他就是要招不到人，才能给自己公司里的人办H1b。这个时候面试官可能会出特别难的题，这种情况大家需要理性识别，不要一次遇到太难的面试就怀疑自己，从而丧失信心。

代码没时间准备：这其实是最不应该出现的问题。代码在AI工程师求职中是很重要的。每个公司至少有两轮代码的面试，Online或者白板面试。大家一定要勤刷题。

项目不够吸引人：打造一些实习经历，实习是最重要的，有了实习对找全职是非常有帮助的。

心态已崩：找工作的难度大，但很多时候多坚持一会就能找到工作了。你要知道，如果你是MS最终做了AI，你已经为自己省了两到三年转行的时间。