初入社会，航运管理工作
大家好，我是小白，目前在深圳工作。
我是2016年毕业后去到北京做海运，上大学选专业时感觉航运的前景不错，可毕业后就后悔了。
曾经行情大好的时候，2008年入行同事都赚的盆满钵满，有的甚至在北京买了房，可是到了2017年左右，行业不景气收入也急剧下滑，很多同事纷纷转行另谋出路。
我仿佛看到了这份工作天花板，别说在北京买房，升职加薪都感觉很困难，而且很不甘心就这样度过，于是下定决心辞职未来去深圳发展。
后来接触互联网行业Python，深深的点燃了我的内心对编程的兴趣和热情，想进入互联网行业，谋求更好的发展。
2
编程初始学习经历
初次接触编程，是在YouTube、B站上看到视频，因为内心想改变，就跟着一个社区老师学数据分析，后来对算法感兴趣。
具体是2018年5月开始学习，从Python基础和数据库开始学起，因为我数学基础不错，获得过“大连市数学竞赛理工科一等奖”，学起来不太费劲。
在做算法的时候，我觉得解决一个需要就像解开一道数学题一样会有成就感，而且针对某个场景要建立自己起的逻辑思路，就这样一直自学到2019年4月份。
深圳的第一份工作月薪9000，从航运转到数据分析，记得是我来到深圳的第二个星期，2019年2月还没去深圳就开始投简历，2019年4月就成功入职，当时面试的是数据分析岗位，面试官觉得我技术不错，就安排我去做算法。当时公司处于尝试阶段，只有我一个人在做算法，就开始了我的“梦幻算法之旅”。
因为我之前统计学的理论基础，工作中我尝试过用一些机器学习的方法去解决问题，但是数据不完善，后来回归到统计方面的方法。
很多时候是会在CSDN这类的技术网站上查资料，寻找解决需求的方法，也在自学的过程中慢慢提升自己。
当时的公司做算法比较杂，偏数据分析，自然语言方面涉及比较少，有时候公司会给我一个任务我就去寻找这个领域应该需要什么知识才能完成需求。
而且工作中经常有遇到特别难解决的问题，提的需求很多算法解决不了的，但是我都会给需求方一个解决不了的说明，这其实也是一个自我提升的过程。
甚至有时候产品经理会误以为人工智能可以解决一切，以为没有数据也无所不能，所以还是要有自己的思考逻辑避免被牵着鼻子走。
2019年7份，自学了一些神经网络的基础，后来工作中有一些文本急着需要解决，一开始我采用比较传统的方法，后面发现NLP需要用的神经网络。
2019年9月，我终于意识到需要系统的深入学习，双十二活动看到小象学院就业班课程，教的都是主流项目觉得很靠谱，也觉得我应该能做好NLP，还可以写进简历，就决定报名学习。
3
深入学习编程
虽然说我现在已经成功转行人工智能，但是在学历方面处于弱势，专业不对口和学历不够高的问题很容易被HR筛选简历时直接筛掉。
所以，我未来的规划是考研和学习推荐算法的内容，而且我感觉推荐这个方向不错，全国范围推荐的天花板是最高的，对技能的要求也是最高的。
我平时工作也会经常加班，只有节假日才有时间去系统的学习，我会去深圳的一些付费自习室学习，把学习的核心要点从头到尾做梳理。
在就业班学习的过程中，老师分享给我他的实战经验，我把课程学到的知识会在实际工作中去，比如学了文本分类算法，会拿工作中的新闻数据进行情感分类从而做舆情分析。
我们在写出代码的同时，就会了解到自己还有哪些地方不够清楚，从而针对性地学习。
成为人工智能工程师，在我看来，要把机器学习、深度学习掌握好，就可以入行拼搏了！
还有，兜兜老师不厌其烦，反反复复的帮助我优化简历，最终拿到心仪的Offer。
2020年6月份我入职新的公司做自然语言处理的岗位，在深圳的第二份工作月薪达到了15000+。
同时，我也从面试过程中得出3个感悟：
1 深入学习
现在面试官很严格竞争压力大，所以要对自己高要求，把项目中原理性的知识弄明白，比如：预训练模型，要能够把它的原理讲出来，甚至看源码是怎么实现的。
2 做过的项目要逻辑清晰
我之前经历过一个电话面试，当时做的一个项目间隔时间比较就印象有点模糊，而且手边没有笔和纸记录，回答得很混乱，然后就错失了一个工作机会。
所以一定对自己做过的项目细节了解清楚，最好能提前准备好面试官可能会的问题。
3 保持好心态
多投简历，量力而行，不要眼高手低，否则容易错过很多机会，至少先稳住一份工作。
另外，我总结了面试自然语言处理的岗位，面试官常问的一些问题，给大家做参考。
1 涉及算法原理
卷积、循环神经网络，语言模型，一些很基本的原理一定要熟记，这是面试必考题。
2 关于项目经验
另外，理论必须要结合项目实战：因为作为程序员，读十遍书不如跑一遍程序，与其花费大量的时间去啃书本，不如亲手完成自己的程序并运行它，面试官很看重项目实战。
3 关于职场空白期
我在面试的时候面试官都会问的2018年、2019年没有工作的那段时间去做什么，当我说都在学习，并且能够有实际项目经验，而且数学竞赛获奖的经历，面试官都比较认可，说明比较重视数学能力和学习能力。
