AI初学者没有企业项目怎么敲开面试大门?

AI初学者不要过于迷信企业项目，忽略基本功的学习，不要mnist都没研究透彻就嫌简单，直奔难度更大的resnet，好高骛远，得不偿失，学东西请务必戒骄戒躁，一步一个脚印，才能越走越远。

企业项目的事实跟你想象的大不一样。真相是：

• ①企业项目侧重工程实践，尤其重视数据闭环，从采集到入库（Hive+Storm+HBase），到模型训练（单机+分布式），到线上预估（qps，压测），到效果评估（ab test），再到业务报表和数据回流，整个过程里算法比重不到20%
• ②算法上越简单越好，如果能用LR就不会用神经网络，能用规则就不用模型，尤其注重风险可控性，学院派看来模型太low，然后一旦让学院派来做，却又无从下手，做出来的系统无法上线运行。工业界的算法往往滞后于学术界几年，一方面因为推广速度，另一方面，学术界的模型算法往往过于理想，停留在Demo阶段，对实际应用场景缺乏了解，很多paper上的方法其实行不通，一个paper导向，固定的实验集上取得好的效果就行，一个却是实打实的应用场景，必须可实施，二者截然不同。所以，千万不要眼高手低，把学院派的作风带到工作中，还埋怨企业算法low，多思考为什么
• ③结果导向，不管什么模型算法，最终谁带来的业务收益大谁就是赢家。这点很好理解，学校的项目大多没有实际应用，toy example，玩玩而已，出发点一开始就不是为了应用，而是所谓的“高大上”的算法，一到实际场景，发现各种漏洞，堵了一个又来一个，真烦。企业面向的是实际场景，有营收压力，解决问题是首要的
• ④系统思维，企业项目涉及的点非常多，一个部分没考虑到位就可能带来灾难性的后果，这些思维是学院派不具备的，一个完整的项目如果带到培训班里，学院估计会嫌蛮，讲那么多，大部分都是工程，只有一部分是算法，觉得没学到“干货”，大部分人认为的干货就是各种牛叉的算法模型，其它都不是。

总之，企业更加侧重工程能力，系统思维，结果导向，这些是培训不具备的。

那么初学者如何具备企业项目能力？

• ①实习，参与到企业项目中，慢慢体会，实际应用总是跟想象的不一样
• ②精耕细作，找一个小项目，哪怕是mnist，想各种办法，不停的优化，尽可能提升泛化能力，黑白mnist玩腻了，换服装领域试试？换cfair-10试试？换web demo，实施手写识别试试？很多人容易犯的错就是，浅尝辄止，好高骛远，以为跑一边github的demo，就会深度学习了，too simple，sometimes naive！这种学习态度是不可能学会深度学习的
• ③多看多动手多做笔记，构建自己的知识体系。初学者要恶补的是基础知识，一口吃不了胖子，踏实点儿，知识体系完善了，才能在不同项目中游刃有余