2020年最新网赚做之前需要注意---转行需谨慎

摘要： 就业有风险，转行需谨慎。陆陆续续有人过来，问我关于转行的问题。我是从事机器学习的工作，有些人不是学习计算机专业的，想跨行业过来。有些人本来就在计算机领域内了，但是做的事情，在自.....

就业有风险，转行需谨慎。

陆陆续续有人过来，问我关于转行的问题。我是从事机器学习的工作，有些人不是学习计算机专业的，想跨行业过来。有些人本来就在计算机领域内了，但是做的事情，在自己看起来不是那么有前景，所以想寻找新的细分方向。

的确，对于一些行业，就业比较困难，像历史学、土木工程、工商管理这几年都不是特别好就业。这些本专业机会不多的同学，迫于养家糊口的压力，想要跨领域寻找新的工作机会，为数不少，我身边也有成功的案例。

有一位高中同学，本科学习的是土木建筑工程专业，当时的选择也是听从了家里人的建议，觉得这个行业好就业。上学之后才发现，土建行业不太景气，人才需求量逐渐缩减。而从 2014 年开始，计算机行业的活力呈现井喷之势，于是他开始逐渐接触计算机。考研的时候，虽然他的能力还不足以直接跨考计算机专业，但曲径通幽，去了一所 985 里比较看重计算机应用的土建实验室。当时深度学习处理图像逐渐在土建行业兴起，他开始在实验室中引入深度学习，去处理一些建筑施工缺陷检测的任务，做的很不错的。

这两年，为了不断更新实践技术，他参加了很多计算机视觉相关的比赛，前几天我帮忙宣传一个比赛的时候，发现第一名就是他。这种进步还是让我非常佩服的。现在，实验室老师也比较信任他，在他转读博士之后，让他带着一些师弟师妹，做相关算法的行业化应用。

这应该是一个比较成功的转行案例。需要留意的是，他也不是一步到位，直接到相关领域去。而是通过迂回策略，在自己的领域，引入相关的计算机技术，来解决问题。这些成果才是说服实验室领导最好的凭证。

当然，不是所有的人，都有这样的决心和毅力，也不是有比较好的机会。做出决定之前，还是需要认真思考下，对于想要进入的行业，是否真的有兴趣，是否真的收益可观。

其实，机器学习的的兴起没有几年。有位师兄 2011年硕士毕业，那时候他是是为数不多的机器学习相关专业的毕业生，对口的就业岗位非常少，十分担心自己找不到工作。于是，他努力往开发方向走，想找个c++工程师的岗位。后来简历被一个大厂的工程师看上了，像捡到了宝一样，终于找到了一个做机器学习的学生了，算法做的不深没关系，基础不好进来再学。

这种情况直到2014 年开始好转，那时候，各个企业开始注意到算法的重要性，阿里巴巴也在这一年创办了天池数据竞赛平台，不少学生通过比赛，真真切切有了练手的机会。再到了 2016 年，机器学习、深度学习真的火了，对于相关领域的人才供不应求，也导致了这一年有大批的学生开始涌入这个领域。

这两年，进来的人越来越多，大家都开始说，做算法的不好找工作。对于转行的同学，难度提升了不是一两个点。

人各有志，如果本专业的确不太喜欢，羡慕计算机领域的薪资，可以通过自身的努力，转过来。但如果本专业就业还可以，自己也觉得还凑合，建议不要轻易趟算法的浑水，千军万马过独木舟，难度可想而知。

跨领域的同学，需要谨慎对待，那已经在计算机领域的，想要进入算法这个小分支的同学呢，需要怎样考虑？

我的态度基本是劝退，除非你的动力真的很强。因为大多数同学想要进入的理由是，算法能够赚到很多钱（有待商榷），不喜欢当前的工作（逃避心理），很多朋友都在做算法（从众心理）。很少有人和我说，我喜欢算法，喜欢计算机视觉，喜欢数据挖掘，喜欢自然语言处理。

当然，能够赚到很多钱，是个好目标。前提是，你有相关的顶会文章吗，你有好的实习、工作经历吗，或者，你曾经在重要的算法比赛中取得好的成绩吗。如果都没有，大厂是不可能考虑这样的素人的，毕竟筛选成本太高，简历关都过不去。小厂如果招不到人，会给一些机会。

一条可行、靠谱的路线是，想转行机器学习算法，先去看看书，例如大家推荐的，李航的统计学习方法，周志华的机器学习，注重基础的 prml (Pattern Recognition and Machine Learning) 等。还有网络上的一些实战课程，有的还是比较靠谱的。有了基础之后，去参加一些比赛，kaggle，天池，以及国内很多兴起的竞赛平台，上面的数据不错，有的甚至还提供了计算资源。然后呢，不断打榜，有了漂亮的比赛成绩，先去小公司工作两年，再去大公司。

我们时常说寻找机遇，但每个人都能看到的，就不叫机遇了，那就是现象了，从众的现象。大家都来了，利益空间就会被瓜分的很细小，进入成本也会急剧上升。做出决定之前，认真思考一下，自己真的可以分到一杯羹吗。还是那句话，就业有风险，转行需谨慎。