我的狀況確實特殊，所以也寫的比較長，比較雜。整文沒有提供任何可參考的技術知識問題，都是記錄了。
適合人群：還沒有或者剛開始入門機器學習的新同學；正在轉行路上準備求職的NLPer。
我是211本科，本科專業是會計，和IT基本不搭邊的專業，雖然看起來是文科專業，但還好我是理科生。
由於自己內心對於技術的熱愛，所以從畢業以來（7年了）一直嘗試尋找機會去逐步轉行，最終要轉到哪裡不知道，總之不斷學習自己感興趣的前沿技術。
我是從2017年底開始準備學習機器學習的，當時我的崗位是ERP運維工程師，你會好奇我怎麼從會計到ERP運維工程師的，這已經是一次轉行了，再之前的工作是會計、審計相關，這裡就不展開講了。
在準備學習機器學習前，我數學應該是忘差不多了，沒有任何coding經驗，就看過幾個python視頻，寫了幾行。
為何直接就上機器學習？因為興趣大，雖然也看不懂。於是買了一整套機器學習的課程，一開始大多都聽不懂，但是機器學習的demo不複雜，基本都是幾行代碼就出結果。
於是就直接上手，先練習再說，從練習中去理解機器學習的邏輯、思路，然後再回過頭來重複看公式推導（雖然很多也看不懂）。
大概是這樣，幾個月後我有了一點基礎，然後一定要找實際的數據去實踐，才能更深入理解，找公司內的可能可以使用的數據，也許這個場景沒有任何業務價值。
再然後就進入深度學習階段了，同樣繼續買課程，demo練習，公司內數據練習。逐漸發現NLP很有意思，於是就在公司內嘗試，NLP比較容易產生價值，如情感分類、關鍵詞提取，哪怕就只用TFIDF + LR做，都能對業務有一定幫助。
深度學習的算法本身存在一定的複雜性，LSTM怎麼搭，seq2seq怎麼弄，我把能找到的各種文本數據都拿來分析、嘗試，搭建簡單的LSTM，複雜點的seq2seq，說實話一開始抄了很多別人的seq2seq都沒有很明白是怎麼回事。
另外我上面的這些看起來沒啥用的瞎實踐也不是完全沒用的，我公司的領導就看到了，我在探索這方面，當公司有這方面可能需求的時候首先會想到我可能可以做，於是就逮住各種機會真實實踐。
我的再前一次會計轉ERP工程師也是一樣的邏輯，在當前的公司表現出你有這方面的探索，那麼就有潛在的機會可能去做一些基礎的。
繼續深入學習，發現很多公式無法深入理解了，也是前面埋下的坑沒有填，數學。於是先找了幾個不錯的大學教學視頻線代、概率論、微積分，為什麼是大學教學視頻，我還找的中文，因為簡單，可以快速過一遍。
我找了個長假期，集中的看，兩倍速，把忘記的東西快速補一些，選擇慢慢的深入看也可以，但是時間有限，需要平衡，對我來說實踐更重要。
到這個階段對於激活函數、損失函數定義等很多基礎的公式及含義有了更深入的理解，之前確實看不懂。
整個機器學習、深度學習知識結構很龐大，一定要有記錄整理，我是用了一個超大的思維導圖來記錄所有的分支。
要看多家的視頻，僅看一家有時會陷入誤區或者有些點久久不得解，推薦比如李弘毅老師的課，白板推導等都很不錯。發博客也是個好方式，但感覺結構化不明顯，思維導圖結構話更清晰。
在這之前，我都是由於興趣而去學習，平時工作加班不多，我絕大多數的夜晚都是給了以上的學習。興趣很重要，如果你不感興趣，只是看著好像這個行業工資高，我覺得你需要再想想你想做什麼。
至此我開始有了一個想法，我有一定了解基礎了，且興趣非常大，我想從事這個行業，而現在的公司環境可能無法讓我更深入了。
於是有了要準備找工作的念頭，於是第一件事就是買了GPU（2080S），從後面來看，這是轉行NLP非常重要的基礎工具，沒有GPU，就沒有大規模練習，更不用談深入理解，課程給的GPU也是不夠用的，暫時的經驗GPU提速20-30倍，也就是平時CPU訓練一天，GPU一小時，時間就是金錢，效率就是生命。我開始了大量的NLP實驗，分本分類、序列標註、機器翻譯等等。
可仍然覺得還達不到找工作的要求，再看看我的現狀，非計算機專業，coding基礎不多，數學不夠紮實，本科，這些都是我的劣勢，那我要用什麼優勢作為敲門磚呢？想來想去，只有實踐能力和學習能力。
於是再後來我報了七月在線的NLP就業班，在之前我就知道這個班，但一直在推遲，沒有馬上報，因為我知道課程時間是不長了，還有很多基礎是無法在課程期間完成的，我需要把很多基礎補充了再報就業課程。
課程的收穫是更深入的理解了到底什麼是語言模型（聽過很多了，但沒有理解到位），這是NLP的大基礎，更深入理解了BERT，transformer，更深入理解了NLP的更多場景，聊天機器人、摘要生成等等。
理解了還是不夠的，我的實踐能力用什麼表示？那就是項目。
課程的要求是畢業時每個同學至少做一個項目。我push自己獨立做了三個，兩個是比賽，一個是練習，兩個比賽都排名相對靠前，好像還有一個，是把公司內做的給優化了一下，也是學習之後才有的思路。
做四個項目痛苦嗎？ 不痛苦嗎？熬夜，經常凌晨3-4點？估計是差不多的。還有就是不知道怎麼做，絞盡腦汁，尤其是KBQA，沒做過，流程還挺複雜，總不可能跑通就行吧，需要有較高的分數，查閱大量文檔、歷史比賽分享，老師上課也講過框架，但和自己比賽要做出來還是不一樣的，有些可能看別人寫的挺簡單的，做起來也不容易。
做什麼項目呢？可能會是一個需要考慮的問題，這需要反過來問自己，你想做什麼，你就要會什麼。我想的就是把課程講到的場景最好都實際做一遍，不是跑一遍別人的代碼，自己用一份新的數據新的場景重新做一遍。
以上做的幾個項目，並不只是為了擺在簡歷上看起來挺多，更重要的是深入做過了，理解也更透徹了，以後工作要用到才知道怎麼做。
以上就是主要的轉行學習經歷了，還有些細節就抹去了。當然還有刷題，leetcode算法、數據結構題。
刷題重要嗎？刷題本身是重要的，我刷了100多題，大公司大多數都是要筆試的，但我想說刷題本身也是對Coding基礎的一種加強。非常恰巧，我拿到offer的這家沒有筆試環節。
再講講找工作的過程：
最重要的是耐心，尤其今年大環境不好，崗位相對較少，我把所在城市的對應崗位感覺基本都投了一遍。兩個月來面試機會不多。然後說下渠道，我用了Boss，獵聘，拉鉤。
Boss，獵聘收到的反饋較多，發布出去簡歷後也馬上有不少獵頭聯繫。在這期間，一些時間用來刷題了，其他時間繼續投入項目。
再到面試，主要還是講一講我拿到offer的這個，崗位主要是做聊天機器人研發。
首先我覺得最重要的前面講的耐心，讓我有運氣遇到一個與我較匹配的崗位。面試過程主要都是聊項目、聊學習，前面的實踐經驗都可以拿出來分享了，給面試官的印象是，我確實做過，確實會做，並且前面提到的在公司內一些實踐經驗那都是更實際的東西。產生一定的信任基礎是非常重要的，尤其是轉行。
再然後就是學習能力了，面試官可能會想：就算會做那也是半路出家，你真的能做好嗎？學習意願以及學習能力是自己的強項，需要重點的表達。
學習意願、學習能力再配合已經有的不少項目經驗（即使是比賽，自己深入理解過），終於打動了對方，這家公司不大，從主管、CTO、一直面到了總經理，當我真誠的表達我自己，對方也是能看到。
雖然每家公司都希望自己的員工什麼都會，但他們往往也很難，要麼是剛畢業的對口研究生，要麼是經驗豐富的專家，尤其是中小企業，他們也不一定能承擔得起這個成本。
我對於自己也是需要有一個定位。所以一定要認真思考自己的優勢是什麼（轉行的同學尤其），突出優勢，稍微補一下短板，畢竟時間有限。
如果你第一步就硬要進大廠，除了運氣，那就像其他同學分享的，把機器學習、深度學習的每一個細節知識點都掌握清楚了。
整個轉行下來，我感覺是重新修了一個專業，離熟練還有一定距離，基本可以及格了。轉行之路很漫長，耐心些，兩年是起碼的。
最後一句，追求源於熱愛！
原文連結：
https://ask.julyedu.com/question/93280