打开章节导航攻略章节00|先把目标缩到一个能验证的岗位01|按实际工作区分 AI 岗位02|从自己的基础,走到一条可申请路线03|把已有经历变成可信证据04|做一个可验证的技术项目05|把项目变成 GitHub、简历与面试证据06|技术面试:按岗位练,不背一份万能题库07|地区、毕业时间与雇主资格分别核查08|定向申请:用同一套证据回答这条 JD09|用投递和面试记录,定位下一步技术案例:从“跑得动”到“证据可信”技术项目01|把一个小模型做成可信的实验02|把模型交给一个真实 HTTP 接口03|有引用,不代表回答正确三个能运行、能解释、能查错的技术样例教学输入的数据许可与来源模板01|岗位研究与申请前核验02|能力差距表03|学习行动与每周交付04|技术项目 README 模板05|实验与评测记录06|失败样本与根因验证07|中文与英文简历:三条路线的教学样例08|技术面试自查与模拟题09|行为面试:STAR与结果边界10|投递台账与招聘窗口11|面试复盘与问题定位12|个人贡献、上游来源与AI辅助声明13|资格、时间与地点确认:英文询问信14|数据卡与模型/系统卡可编辑模板包原始研究与来源覆盖缺口与更新队列真实雇主 JD 研究表JD 来源核验记录地区资格与招聘时间:分开核查新旧仓库内容边界与只读审查技术方法来源
完整攻略 · 资料核验 2026-11-13
本页目录 · 7 节

02|从自己的基础,走到一条可申请路线

下面的分流是行动建议,不是雇主统一标准。不要用学校排名、专业名称或性格给自己下结论。用可观察任务测试能力,再对照真实 JD。

先检查五个不可互相抵消的门槛

  1. 资格:地点、工作许可、雇主是否接受当前及未来的赞助需求。
  2. 时间:毕业日期、在读状态、可实习时长、入职日期、岗位截止日期。
  3. 学历与经验:JD 的明确最低条件,而不是行业传闻。
  4. 主要工作能力:能否独立做这个岗位反复出现的工作。
  5. 证据可见性:别人是否能读到、跑通并核实你的贡献。

这五项不适合加权成一个“匹配分”掩盖问题。技能很强不能自动抵消不符合毕业窗口;学历满足也不能抵消无法独立编码。可协商条件与不可协商条件应由雇主确认。

四级证据,不给自己凭感觉打分

级别含义例子下一步
0还不会不能解释测试集作用学一个概念并写自己的解释
1会解释能解释,但不能完成任务在小数据上独立实现
2能独立做不看教程可写代码并调试补输入、验收和失败记录
3可供他人核验别人按文档复现并能追问迁移到新数据或更真实约束

三条路线都需要编码证据。等级用于安排练习,不是雇主评分,也不是录用预测。

按基础选择第一步

当前基础先研究的方向本周证据暂缓的目标
CS 本科,编码熟练,数学基础一般AI 工程、应用工程;补 ML 基础后研究 MLE做一个有校验、错误处理和测试的推理接口未有研究证据时直接主攻研究 Scientist
数学/统计/物理专业,理论强,软件弱应用 ML、研究辅助;同步补工程从原始数据跑完基线、分割和评测只交 notebook 截图就投系统岗位
研究型硕博,有相关论文/实验研究、Applied Scientist、匹配方向的 MLE一页研究贡献和可复现实验包把作者顺序当作全部贡献证明
授课型硕士,有课程项目,缺实习初级 ML/工程/应用,按真实 JD 缩小把一个作业重构为独立可运行项目把课程团队项目写成企业上线项目
商科/设计/人文,几乎不编程先做基础编码验证;比较产品/分析/方案路线用 Python 读文件、调用本地函数、验证输出“两周零基础成为算法工程师”
有传统软件实习,准备转 AI工程与应用;保留软件工作证据给旧技术能力加模型质量与失败回退把自己所有工程经历删成 Prompt 技能
已毕业且工作权/现金时间有限先筛资格明确、能及时入职的岗位有效岗位清单、现成项目证据、并行回国选项无限期学习所有热门框架

90 分钟基础诊断

编码 30 分钟:读取十行 JSONL;验证每行字段;统计标签分布;遇到错误给出行号;写两个测试。可以查标准库文档,但记录查了什么。通过标准是代码可运行、异常可定位,不能只写伪代码。

数学与 ML 20 分钟:用自己的话解释训练集、验证集、测试集;手算一个二分类混淆矩阵的 precision/recall;说明准确率高为何可能没用。不要求先背所有推导。

工程 20 分钟:解释一次 HTTP 请求如何进入服务;设计输入过长、字段缺失和模型加载失败时的响应;说明哪些错误可重试。没有写过服务的人可以先画过程,再运行样例对照。

表达 20 分钟:选一次真实课程或实习,录三分钟讲解。必须说出本人完成了哪一部分、哪个结果不是自己贡献、哪里失败了。

验收后,把“不会”“能讲但不能做”“能做但无证据”分开填入能力差距模板。这三种问题分别用学习、练习、整理解决,不需要全部重新上课。

六周训练安排

每周约 8–12 小时只是一个可调整的教学预算。基础不足时延长;已有证据时跳过;岗位临近截止时优先投已经满足的岗位。六周不是入行或拿 Offer 的承诺。

周主任务输出验收
1选路线与核门槛6 条同类 JD、约束卡、差距表区分 required 与 preferred,未知资格有确认动作
2跑基线与理解数据第一版代码、数据卡、指标口径从干净目录复现;能手算一项指标
3做一次有理由的改动消融或系统实验、失败样本只改变一个主要变量,说明代价
4让别人复现README、测试、贡献声明同伴按文档运行;修复阻塞
5定向材料和技术面试两份匹配岗位的简历、项目讲解录像每个关键主张可指向证据
6小批申请与复盘申请台账、逐轮复盘、下轮改进区分拒绝、待处理、资格不符、主动撤回

学什么,怎么证明学会

不要写“学习机器学习 20 小时”。改成“能不用教程解释并实现一个分类基线;能证明测试集未参与参数选择”。不要写“掌握 RAG”。改成“能区分检索失败和生成失败,并对不可回答问题正确拒答”。

一条学习行动只包含:目标 JD 中的要求 → 当前缺口 → 最小练习 → 完成证据 → 截止 → 验收人或脚本。先问是否为目标岗位必需,再删除与本轮申请无关的内容,然后缩小练习,最后才考虑自动化。

三个教学模拟

模拟 A:CS 本科生。 能写服务,只有一门 ML 课。选择 AI 工程主线,先完成模型接口和质量报告;算法研究暂缓。改变判断的条件是目标岗位实际要求的训练深度与现有证据相符。

模拟 B:统计硕士。 会推导模型,项目仅有 notebook。选择应用 ML,先补数据分割与可运行脚本,再练编码面试。不能把高分课程作业解释成线上实验。

模拟 C:商科转型者。 尚不能独立处理文件。先完成基础诊断,若编码持续不符合岗位主职责,比较商业分析、AI 产品或解决方案岗位;这属于路线调整,不是把非技术背景永久排除在 AI 之外。

以上不对应任何客户、学校或 Offer,也不包含真实录用结果。

原始文档:docs/02-gap-and-learning.md