选建筑学初衷
在大一设计专业分流前,我的意向专业是产品与环艺,然后那个时候去学院各自试了一下课,感觉自己还是蛮喜欢“建房子”的,因为从零到一慢慢设计出自己喜欢的空间是一件很美好的事情,造物感与成就感非常强烈,加之也没过多考虑就业的事情,对以后的发展规划还很模糊,所以选择了环艺专业。
如何看待环艺?
EMMM,专业是好专业,但可能不是一个好的饭碗。环艺作为一个交叉学科,不得不承认我在此学习到了很多知识如力学、材料、艺术史、设计构成、色彩构成等等,这些知识都开拓了我的视野,让我以多种角度看待这个世界。但当涉及到就业时,这个专业的境遇就比较尴尬了。
如果来一次,还会不会选择环艺吗?
应该不会了,可能会尝试数媒/产品。1是在漫长的学习生涯中,已经逐渐厌恶了无休止的改图。2是环艺专业薪资方面的问题。3是因为数媒/产品在当下的市场环境之下,待遇是比较好的,选择也是比较多的。4是产品专业相对于环艺专业来说,评价标准比较透明,能够很实际的用指标衡量产品效果。而环境艺术作品的评价往往因其评审过程的主观性而充满争议。
想转行的原因
大概研究生录取后开始,那个时候还在广泛寻找实习,而后一边询问已经工作了的同学的上班感受一边进行简历投递,因为那个时候收到的同学反馈基本都是带点负面的(薪资低、工作强度大、日工作时间长等),且本身已经对本专业有些厌倦了,也想尝试一下新的方向,所以选择了海投策略。
大约6月尾收到了两个Offer,一份是文旅公司的文旅产品实习,一份是深圳设计事务所实习。那个时候我也咨询了本校的建筑学研究生师兄(他是有多段地产实习经历的,但是最后也没有进建筑行业而是选择入高校,而且他也拿到了某厂的offer),他经过比对身边同级同学的经历然后建议我可以尝试一下别的赛道,而且加上本段开头讲述的内容,最终选择了文旅产品方向的实习,大概从这个时候开始就作出了转行决定。
我在文旅产品方向的实习中参与了项目的产品需求分析、梳理定位以及运营等工作,通过实操培养了我另一种不同于建筑学科的工作思维,也算是为之后的发展打下基础。
行动时间线
23年6-9月:通过初步的实习,跳出建筑圈子和视野,寻找新的方向
23年7-8月:开始学习产品相关知识与报名参加了AI建筑相关的课程,初步开始跨领域发展
23年9-11月:实践了一个设计与AI算法(pix2pix与3dgan)相关的研究项目,了解了ai项目开发最基本的工作流与技术框架
24年1月:梳理简历,在简历梳理的过程中补充产品相关知识
24年2-3月开始投实习:训练自己的面试技巧与答题思路,在这个过程中我也不断加深了对产品和自身项目的理解
24年4月不断面试与笔试:最后4月中旬拿到联通的AI产品实习Offer
转行中遇到最大的困难和卡点是什么
比较重要的还是产品思维的养成,包括了解产品的工作流、运营的方法、用户需求调查的方法等产品知识,这些都需要长期时间积累并且要体现在简历上。然后在学习的过程中也得去了解不同产品像金融产品、营销产品、AI产品它们的主要产品功能框架是怎么样的,它们都解决了什么需求,同门类的不同产品它们的功能侧重点又有什么不同等。在我面试的时候常会遇到hr询问竞品分析相关的内容,如果事先无准备的话会吃亏。
最先掌握AI的人,将会比较晚掌握AI的人有竞争优势
发现这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
因为这个行业不同于其他行业,知识体系实在是过于庞大,知识更新也非常快。作为一个普通人,无法全部学完,所以我们在提升技术的时候,首先需要明确一个目标,然后制定好完整的计划,同时找到好的学习方法,这样才能更快的提升自己
我收藏了很多技术干货,可以共享给喜欢我文章的朋友们,如果你肯花时间沉下心去学习,它们一定能帮到你。内容涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频。这些学习资料不仅深入浅出,而且非常实用,让大家系统而高效地掌握AI大模型的各个知识点。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
一、大模型的学习路线
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
二、产品经理学习资料
三、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
四、大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
五、AI大模型商业化落地方案
六、面试资料
我们学习AI大模型必然是想找到高薪的工作,下面这些面试题都是总结当前最新、最热、最高频的面试题,并且每道题都有详细的答案,面试前刷完这套面试题资料,小小offer,不在话下。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】