211硕毕业一年工资59.25万。。。

你好，我是郭震

美团校招已开启，计划招聘6000人：

今天这篇文章，总结美团岗位薪资，以及如何准备更容易进入美团。

下面是我做的一个excel表格，总结了美团开发和算法岗薪资情况：

35K的base已经划分到ssp档次，注意上面表格是开发和算法的平均汇总。这个年包下来，base 35K，50K（5万）签字费，综合起来已经近60万的年包：

通常来说，算法岗位普遍又比开发岗月薪高三五千，据此推理，这位同学可能拿到了sp的算法岗，这个难度就比ssp小很多。

想在接下来每月拿到更多薪水的读者朋友，算法岗是一个不错的赛道，哪怕刚开始做开发，若有兴趣，也要慢慢转到算法，毕竟平均薪水来看：

算法岗薪资 > 开发岗薪资

尤其是最近2年新的生成式（GenAI）技术，如果你有较好的掌握，会更容易找到薪资高一些的。

不知道如何准备的老铁，可以继续往下看。

要想胜任上面AI岗位，还需要学习最新的生成式AI，这是加分项。

学历背景+技能，两者缺一不可。

学历背景好，可以弥补技能不足；

技能强，可以一定程度弥补学历背景的短板。

两者有一种平衡关系。

学历背景不多说，接下来，重点总结AI大模型（生成式AI）：所需关键技能。

1. 机器学习和深度学习基础

• 概率论与统计学：理解基本的概率和统计学知识，这对于理解生成式模型的工作原理至关重要。

• 线性代数和微积分：掌握矩阵运算、微分和积分等数学工具，用于优化和训练神经网络。

2. 生成式模型

• 生成对抗网络（GANs）：掌握GAN及其变体（如DCGAN、CycleGAN、StyleGAN等）的工作原理和实现方法，用于图像生成和变换。

• 变分自编码器（VAEs）：理解VAE的理论和应用，主要用于生成连续数据如图像。

• 自动回归模型：如PixelRNN、PixelCNN，主要用于生成高质量的图像。

3. 自然语言处理（NLP）和生成

• 语言模型：掌握语言模型的原理，如GPT（Generative Pre-trained Transformer）、BERT等，用于生成文本。

• 序列到序列模型（Seq2Seq）：用于翻译、对话生成等任务。

• 注意力机制：理解和实现注意力机制，特别是在Transformer架构中，用于处理序列数据。

4. 音频和音乐生成

• 神经网络音频合成：如WaveNet，用于生成高质量的音频和音乐。

• 音频处理基础：理解基本的音频信号处理，如频谱分析、滤波等。

5. 计算机视觉

• 图像合成与变换：使用深度学习技术进行图像风格迁移、超分辨率生成、图像修复等。

• 三维生成：理解和实现用于生成3D模型和场景的技术，如3D GANs、神经渲染。

6. 工具和框架

• 深度学习框架：如TensorFlow、PyTorch，用于模型开发和训练。

• 图像处理工具：如OpenCV，用于预处理图像数据。

• 音频处理工具：如Librosa，用于音频数据的分析和处理。

7. 优化与训练技巧

• 优化算法：如SGD、Adam，理解其在训练生成模型中的应用。

• 正则化技术：如L1/L2正则化、Dropout等，用于防止过拟合。

1. 我的个人AI 网站：https://ai-jupyter.com

2. 普通人了解AI应该做的最重要两件事：

• 应该先从AI工具使用开始
• 应该先了解AI基础名词

普通人了解AI大忌：

• 不应该上来就学AI理论
• 不应该排斥AI，认为AI无用

基于上面，我也花费不少时间，做了一个详细的开源教程：《普通人学AI指南》.PDF

咱们先别弄那些高深的AI理论，先玩熟AI基本概念、AI工具、自己电脑搭建AI和知识库。