news 2026/4/16 21:45:17

双非本科生的AI行业逆袭之路:我的经验与心得分享!

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
双非本科生的AI行业逆袭之路:我的经验与心得分享!

最近看到很多朋友发帖在问大模型真的只是研究生才能干吗?自己眼馋,自己担心无法入局。

我先说结论!不是的,任何人都有机会。

我先介绍我自己,我是14年毕业某西北双非本科,刚毕业是做国企信息系统集成,当时是给南方电网做电力营销系统,薪资不到5k。

干了十一个月,被老婆拉去她所在公司面试,我们在同一个部门不同组。我是做研发,她是做数据。

我所在行业是游戏研发,刚进去是公司高峰后期。做登录和支付中心。所以公司每天收了多少钱,流水多少,我都是一清二楚的。

这里我们一个月流水上小目标还是很平常的。直到版号危机。由于每年都涨薪,幅度堪比跳槽,领导也很好,所以待得比较稳定。差不多接近4年,觉得自己成长比较有限了,于是跳槽了。其实15年,我就想学习人工智能,那个时候深度学习比较热,自己买了好多本深度学习,tensorfow的书,但是后来实在觉得门槛太高。第一次放弃了。后来,跳槽到一家中厂做出海直播,我面试拿到offer那天,刚好是我跟我老婆领证那天,所以感觉双喜临门,好生嗨皮。出海的区域主要是面向东南亚,南亚,中东为主。主要也是直播运营管理系统,直播打赏相关的支付和消费业务。

干了差不多将近一年,一年内不断加功能,开游戏活动,拉动消费内需,期望开支和收入打平。养活团队。可是直播大R跑路了,营收大降。后来整个团队走的走,有的转去其他组。我也转组,转去所谓养老稳定组。干了一阵时间,没有什么盼头,就又跳槽。

20年被某大厂捞走,原以为是做后端支付相关,结果是去做推荐工程架构。之前是后端帮着搞,由于QPS特别高,稳定性,效率都不高,每次发布都会有故障,晚上总是被各种告警电话吵醒。

后面花了我半年时间做业务上云,云原生改造。开始整机器学习平台,tensorflow模型部署。搭建推荐策略框架、特征工程平台,搞可观测性,性能压测。到23离开,业务和效率,稳定性基本没有太多需要重点建设的了,业务也进入稳定期,完成使命就要离开了,这两年老板都给加了薪,还挺好,虽然这段经历工作比较有挑战性,但也是我收获最大的一段经历之一。

2023年,看好AI大模型发展和其变革性,在与前领导和朋友征求意见之后,果断放弃走业务后端和基础架构路线,All In LLM。年中进入到现在公司做AIGC MaaS平台,基于自研国产AI加速卡搭建AIGC MaasS平台。

2024年一直与行业前沿同步,先后与各行各业的客户聊需求,做方案,落地跟进,基本上对AI如何落地有了充分的认知。先后研发了图像类解决方案和大模型解决方案,中小学AIGC教育平台已经覆盖上海所有区。在横店也落地了AI在影视制作中的应用。
其实每次换工作后,前后工作业务重叠不是很高。所以进入一个新的领域需要的底层迁移能力和拥抱变化的能力。15年,我没能进入AI,但是20年,我进入了边缘,23年正式进入了。
我喜欢虎二的这首歌“在一瞬间就有百万种可能!该向前走或者继续等,这冬夜里有百万个不确定,渐入深夜或期盼天明”。

山高路远,行将必至,不求一步到位,但只要方向正确,每一步都算数。

如何学习AI大模型?

如果你对AI大模型入门感兴趣,那么你需要的话可以点击这里大模型重磅福利:入门进阶全套104G学习资源包免费分享!

这份完整版的大模型 AI 学习和面试资料已经上传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】

这是一份大模型从零基础到进阶的学习路线大纲全览,小伙伴们记得点个收藏!


第一阶段:从大模型系统设计入手,讲解大模型的主要方法;

第二阶段:在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段:大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段:大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段:大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段:以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段:以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/16 13:44:36

建AI时代营销闭环,一套系统解决内容、流量与转化难题

温馨提示:文末有资源获取方式在信息过载的当下,企业营销面临内容生产难、流量获取贵、转化路径长的三重困境。一套先进的GEO源码系统,正通过技术与流程的深度融合,为企业打造从内容生产到AI流量收割的完整闭环。它不仅是一个工具&…

作者头像 李华
网站建设 2026/4/16 6:38:58

62、非正交多址接入(NOMA)系统的物理层安全

非正交多址接入(NOMA)系统的物理层安全 1. 引言 非正交多址接入(NOMA)被视为下一代无线通信系统的有力候选技术。与传统的正交多址接入(OMA)相比,NOMA 通过在相同的时频资源块上复用用户,能够增加服务用户数量并提高系统频谱效率(SE)。然而,从安全角度来看,用户共…

作者头像 李华
网站建设 2026/4/16 13:01:39

Open-AutoGLM更新如闪电,你的系统能接得住吗?10个真实适配案例警示

第一章:Open-AutoGLM 应用适配数量更新速度比拼 在当前大模型生态快速演进的背景下,Open-AutoGLM 作为开源自动化语言模型适配框架,其对各类下游应用的兼容性扩展速度成为衡量社区活跃度与工程效率的关键指标。不同分支版本在支持新应用时展现…

作者头像 李华
网站建设 2026/4/16 14:49:23

从零到一精通大模型:新手专属学习指南,实战落地不迷茫

在AI技术飞速发展的今天,大模型已成为驱动产业变革的核心引擎,广泛应用于智能办公、代码开发、智能交互等多个场景。对于渴望提升竞争力的职场人、程序员,或是对AI感兴趣的初学者而言,掌握大模型相关技能,无疑是开启职…

作者头像 李华
网站建设 2026/4/16 14:49:23

【Open-AutoGLM免费vs付费深度对比】:哪个模式更适合你的企业级AI部署?

第一章:Open-AutoGLM免费vs付费模式选择 在部署 Open-AutoGLM 时,用户面临的关键决策之一是选择免费模式还是订阅付费服务。这一选择不仅影响成本结构,还直接关系到模型性能、可扩展性以及技术支持的深度。 功能对比与适用场景 免费模式&am…

作者头像 李华
网站建设 2026/4/16 13:01:54

FaceFusion如何处理戴眼镜人物的换脸难题?

FaceFusion如何处理戴眼镜人物的换脸难题? 在当今数字内容爆炸式增长的时代,人脸替换技术早已不再是实验室里的概念玩具。从短视频平台上的趣味变脸,到影视工业中高精度的角色替代表演,深度学习驱动的换脸系统正以前所未有的真实感…

作者头像 李华