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
- 资格:地点、工作许可、雇主是否接受当前及未来的赞助需求。
- 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。
- 学历与经验:JD 的明确最低条件,而不是行业传闻。
- 主要工作能力:能否独立做这个岗位反复出现的工作。
- 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。