干货分享 | AI行业职位生态链、面试考点及真题示例......

“AI生万物”！无论是工业界，学术界，还是与我们息息相关的求职生活，AI的火爆程度不言而喻。然而，这个领域实际历史悠久，并历经数次寒冬。

在我们的印象里，人工智能相关岗位，对学历的要求很高，不是PhD就别考虑了......然而，如今的人工智能项目，很大一部分由工业界引领。只要你了解相关的知识，有相关的经验，那么AI的大门随时为你敞开。

那么，如何让面试官信服，使他们相信我们能胜任这项工作呢？

人工智能行业职位生态链

语音助手

计算机视觉

机器人技术

智能制造

面试考点及真题示例

是否需要刷题

算法和理论基础

业务理解和深度思考

所有的落脚点——项目

求职时间轴

找AI相关工作需要哪些准备

大学课程

书本阅读

项目

完整视频回顾

讲座导师

“想进入人工智能领域！”没问题，但是在此之前，我们需要先了解一下人工智能领域的行业生态链，品一品我们可以搜寻什么方向的职位。具体为语音助手，计算机视觉，机器人技术，智能制造四个大方向。

语音助手

1. 语音交互：端上信号增强、语音唤醒、语音识别（Speech Recognition)等。

2. 自然语言理解（NLP）：意图识别、对话管理和智能聊天等。

3. 数据挖掘（Data Mining）和知识图谱（Knowledge Graph）：知识抽取、知识图谱融合、知识众包、知识问答等。

4. 个性化推荐。

计算机视觉

视频理解，图片检索，物体识别，图像分割，物体跟踪，人脸识别，双目视觉等。

机器人技术

实时定位（SLAM）、环境建模、传感器融合、目标检测、场景分割、路径规划、运动控制、故障检测、多机器人系统等。

智能制造

基于人工智能技术的新一代硬件研发与制造，如硬件芯片和模组研究，并提供边缘计算和云端结合的解决方案。

人工智能和其他方向，例如SDE、DS的求职有些不太一样。后者和应用联系的并不十分紧密，毕竟仅仅只是Engineer工作，完成代码就可以。然而，人工智能方向需要对相应的领域有一定了解，有一些上手经验。比如，想找一份与语音助手相关的工作，面试官会衡量求职者有没有处理过相关的数据，有没有做过NLP相关的项目等。

另外，人工智能在面试过程中，也与其他方向有些许差别。例如，在SDE的求职过程中，面试官可能会问编程上比较底层的一些问题，但是对于人工智能，很多会问算法公式，例如“能否推一下PCA“等。

诚然，以上所有的部分都是基于项目经验。而项目经验主要涵盖三大模块：

1. 工程能力：因为实际实践过，编过相应的程序，如果项目做得够好，那么工程能力亦会很好。

2. 理论基础：由于推演过，所以对算法自然也非常熟悉。

3. 业务理解：同样，项目经验也包括求职者对数据有一定的理解。

那么，准备人工智能方向的求职需要刷题么？又要求什么级别的工程实现能力与编码水平？

人工智能要求一些编程的能力，但不需要很高，这个方向更注重算法。所以LeetCode上，刷刷中等难度的题就基本够用了。

所以，面试时都用什么语言？

面试不同的职位，要求的语言也有所不同，基本可分为C++，Python，Hadoop三种。其中，C++和Python更为常见。C++在机器人方向上，是非常重要的编程要求。它的实时性比Python要好很多。另外，根据近年趋势，Python上升非常迅猛，该语言同样也在渐渐提高自己的实时性。

以下是一些面试真题，有兴趣的小伙伴可以看一看。

我们曾提到，在人工智能求职上，算法和理论基础非常重要。以下是部分面试真题，小伙伴们可以感受下。

提到业务理解与深度思考，我们列出了以下关键词，希望会对你的求职有所帮助。

NLP：搜索、广告、垃圾过滤、安全、推荐系统

Computer Vision：视频理解、图片检索、物体识别、图像分割、物体跟踪

Robotics ：实时定位（SLAM）、环境建模、传感器融合

理论基础：使用了哪些算法，算法原理的推导

工程能力：算法如何优化的，参数调优方法，如何加快计算速度的

业务理解：这个项目对于在工业背景下有哪些应用

扩展思考：这个算法是否是最优的，是否有更好的算法替代

除了以上需要思考的四个方面，面试还包含必不可少的BQ环节。我们可能会被问到：

你做项目过程中遇到的问题/难点？

你是如何解决这些问题的？

样本不平衡问题，负样本如何挑选，模型的选择等考察技术和个人能力的问题。

最后，我们来看一眼求职时间线。因为人工智能这个方向和其他领域略有不同，职位基本全年都有，在求职时间轴上，就不标注具体是一年中的哪一月哪一天了。

对于人工智能求职，首先要有一定的基础准备，适当的职业规划，准备实习，之后冲击全职。

了解了人工智能求职的时间轴之后，我们又该怎么准备求职呢？

首先，在大学课程选择，也就是基础的准备上，我们需要大概了解一下什么是人工智能，有哪些算法。以下这些基础课程，机器学习课程，专业方向课程都是在大学里面需要补充的知识。

其次，在保证课业的基础上，还可以翻一翻人工智能相关的书籍，衡量下人工智能是不是自己喜欢的方向。

先推荐两本中文书，《统计学习方法》和周志华老师的《Machine Learning》，后者俗称西瓜书，想必不少小伙伴都曾听说过。机器学习实际是人工智能的内核，西瓜书里介绍了人工智能的历史，也对相关算法有比较透彻的讲解。

还有一些值得阅读的英文书籍，没事时可以翻阅。

最后，专业领域的书籍也必不可少。《Probabilistic Robotics》是机器人里面的圣经。机器视觉也有他们的圣经，《Computer Vision:Algorithms and Applications》。这本书出的比较，但是可以帮助你了解机器视觉领域里常用的一些方法。《Multiple View Geometry in Computer Vision》的作者是牛津大学VGG组的一名教授，无论是作者还是书籍都相当犀利。《Natural Language Processing with Python》则是该领域非常实用的一本书，对NLP感兴趣的同学可以看看。

项目的重要性自然不言而喻，我们可以通过以下三种方式寻求帮助、提升自我：

以下是讲座视频，Shan老师的讲解可比文字详尽多啦！想了解详情的同学可以点击观看！