校招职业选择的几个建议，都在这里了

我是一个特别纠结的人。

买不买？吃不吃？去不去？这种问题通常会占用我大部分时间。

不知道怎么选，所以采用排除法，踩一个是一个。

算上实习，我在央企打过杂、在药厂当过基层工人、在游戏公司当过策划、在国外研究所做过研究、在外企写过JAVA、在金融IT公司写过量化、在创业公司做过算法。

因为在人生小事和大事上都思mo考ji过，所以我今天要和算法er们聊聊选择的问题：

• 是去传统行业还是互联网？

• 做算法还是做工程？选哪个细分方向？

• Offer都不错，去哪个公司？

先明确目标

任何时候目标都很重要，有的选择会指向不同的目标，有的选择达到目标的快慢不同，一旦明确了目标很多答案就出来了。

当然明确目标本身就是一件难事，这里有两个方法：

1. 比较现实地想象自己一年、三年、五年、十年后的样子，有多少存款，生活什么节奏，然后去问问选择这条路的前辈的状态
2. 把一个自己羡慕的、和自己背景差不多的前辈当作目标，多多交流，顺着他的轨迹走

前辈去哪里找？校友群、知乎、同行交流群

小贴士：礼貌对待前辈，该请吃饭请吃饭，逢年过节要问候

选路更宽的

行业、专业之间都是有门槛的，但门槛的高低却不同。比如做开发转测试较简单，测试转开发较难。

路越走越宽，后期的选择就更多。

传统行业 or 互联网

如果铁定了不接受996，对金钱追求佛系的同学可以果断选择传统行业。像金融、教育、医疗、硬件的一些企业现在都有AI部门，我身边在医疗和硬件的同学都是按时六七点下班（当然有的好坑钱也不少）。

但凡有些纠结的，还是建议互联网，主要是数据更多、算力充足、前景更广。虽然现在都有35岁危机，但我建议先过好当下这几年，把自己的能力培养好了，掌握一门硬核技术，总有吃饭的地方。

北京有些例外，一般我会建议优先拿户口，否则后期排高管落户更不容易。

方向选择

最近卷的越来越厉害，不少同学犹豫要不要转开发、或者选择CV/NLP/搜索/推荐哪个方向。

其实不管哪个方向，只要做深了都累、薪资都不差。

市场是变的，不变的是自己的能力。

什么能力对于算法工程师来说最重要呢？通过和一些大佬的聊天，总结下来其实就是：

1. 发现并解决问题的能力。 现在大多数业界场景都是直接调包，但数据和业务的不同会带来不同的问题。比如对速度和模型鲁棒性有要求、需要人工干预、要解决特定badcase，这些问题是一直层出不穷的。真正重要的是独立发现问题并解决的能力，算法只是工具。
2. Coding能力。 有了解决问题的能力，也需要一定的工程能力才能快速解决问题。算法工程师的本质还是工程师，大厂还好，有各种工具和工程团队，但小点的公司后端和算法是要一起写的。

与其纠结市场给出的价格，不如打磨好自己，提升议价权。

想要做深，就一定选自己喜欢/不讨厌的、更擅长的。如果不清楚自己喜欢什么，就去快速试错，做小项目、打比赛、找实习，慢慢就找到了。

Offer选择

前面把大目标都定好了，差不多的offer怎么选呢？

这里我给出的优先级是 lead>部门>公司。好的lead就像人生导师，教你做人做事；好的部门在公司有较高的地位，会得到资源倾斜，年终奖、晋升都会好些；而公司只要不是一线和十八线的区别，之后都是可以换的。

相信很多同学也拿到了创业公司的offer，纠结是多赚十万还是去大厂。这里我建议去大厂，把路走宽，当时我工作一年的大厂同学去面创业公司都是直接double =。=

来总个结

最开始说了两个原则，一是先明确目标，二是把路走宽。

明确目标是最难的，这里我用的是排除法，如果你还在纠结，欢迎在「NLPCAB」留言让我来帮你排雷。

把路走宽就比较简单，别用贪心算法做选择，每一步都让自己后续有更多可能性。

最后强调下，上述的选择经验都是针对校招同学，如果是社招转行转专业一定要谨慎考虑哇，毕竟试错成本高了不少。

祝同学们快乐选择！不！后！悔！

----------------------------------------

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

（1）点击页面最上方"AINLP"，进入公众号主页。

（2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

感谢支持，比心。

欢迎加入AINLP技术交流群

进群请添加AINLP小助手微信 AINLPer（id: ainlper)，备注NLP技术交流

推荐阅读

这个NLP工具，玩得根本停不下来

征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）

完结撒花！李宏毅老师深度学习与人类语言处理课程视频及课件（附下载）

从数据到模型，你可能需要1篇详实的pytorch踩坑指南

如何让Bert在finetune小数据集时更“稳”一点

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧🙏