转行大模型:我的转型理由与心得

最近研究了一下大模型相关的内容,决定从互联网的推荐算法转行做大模型推理工程化相关的工作。 所以简单说说我在这个决定中的思考过程。

1. 推荐算法岗的现状

我本来是一个在大厂做推荐算法的工程师。收入在行业里面算是中游水平, 就这么一直干着似乎也没什么问题。

但是互联网行业的岗位毕竟和公务员和事业单位比,不存在一个工作干一辈子的情况。这个工作能不能继续干完全取决于市场对于这个岗位有没有需求。

但是推荐算法今年的情况就是,流量增长见顶,需求萎靡。

前两年推荐算法很火,是因为4G出来以后有大量的移动端APP(抖音 快手 小红书等) 用户量激增,创作的内容需要通过推荐算法分发给最需要的用户。但是最近几年这几个APP的用户量增长基本见顶了,就算推荐算法推荐的再好,最大的一波用户增长红利已经结束了。

该用app的用户都已经用上了,连身边的老年人都已经在玩这些app了,还能有哪些新用户呢?无非就是让存量用户每天再多玩个1-2分钟就了不起了。相当于市场对于推荐算法真正的需求已经不多了。

所以从招聘市场的反馈来看,目前依然在招推荐算法的公司似乎只有字节和小红书了。只有字节的抖音系app以及小红书还有用户的增长。其他的公司都是缩招,反应到薪资上也是没什么涨幅。类似于阿里系的蚂蚁淘宝等公司,跳槽过去可能都是平薪。整个行业似乎都在卡30%的跳槽涨幅。

对于抖音生活服务,小红书电商这类新业务,整体体量小,基数低,可以去抢一抢阿里和美团的生意,看起来整体业务增长幅度还不错。只要不是算法做的特别差,随着不断通过各种渠道获取新用户,都可以有不错的业务增长,并不一定非得是算法牛逼。但是这类新的有增量的业务在市场上已经很小了。

对于一些老的业务,比如抖音短视频这类成熟型业务,都是各种高端技术以及极端的trick 才能获得不到百分之一, 甚至不到千分之五业务指标收益。说白了就是改革进入了深水区的感觉,再怎么改算法,都是费劲巴拉收益很小。典型的对数曲线增长。从老板的角度来看,再继续招更多的算法工程师也不能带来业务的收益,索性也就不继续招了。

所以传统的推荐算法在流量见顶的大环境下,岗位需求变得萎靡不振。

2. 大模型创造的新需求

今年年初,ChatGPT的横空出世,让人类看到了人工智能的更多可能。ChatGPT就像2016年的AlphaGo 一样,给各类创业者投资者打了一个样,AI原来可以这么牛逼。

虽然说现在的ChatGPT还只能当个查找资料的工具,但是让人们看到了更多底层的技术的巨大进步,预计在未来的几年会颠覆很多行业,只是暂时没有找到特别大的场景。

从英伟达的股价来看,资本是很看好这个新兴的增长点的。所以投了很多资本进去,这正是打工人收割资本家的好机会。现在资本家人傻钱多,此时不割,更待何时。

另外根据最近猎头的反馈,已经有很多的大模型公司都在疯狂招人了。有的原来做推荐算法的猎头甚至都要转行做大模型了。猎头是可以直接反应市场需求的一批人。

**技术再牛逼,卖不出去,没有市场就是没用的。**市场需求暴增但是供给跟不上的时候往往是价格最高的时候。反正我就是个打工的,既然都出来卖了,为什么不赶紧把自己卖个好价钱。

别跟我说什么深耕一个领域。纵观互联网这几年的发展,就知道这个行业没有什么值得深耕的。都是走快速扩张,抢占市场的逻辑。除非是特别小众,利润微薄的角落才允许你慢慢深耕。

只要是利润够多,就一个字,快。快速抢占市场是最重要的。

所以啥也别说了,我要去学习去转行了,趁着年轻,刚30,还没有因为35岁被hr把简历直接扔掉。

现在转行,门槛还不算高,还能趁着供给没跟上来多要一些工资。

大模型&AI产品经理如何学习

求大家的点赞和收藏,我花2万买的大模型学习资料免费共享给你们,来看看有哪些东西。

1.学习路线图

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。

2.视频教程

网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己整理的大模型视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。

(都打包成一块的了,不能一一展开,总共300多集)

因篇幅有限,仅展示部分资料,需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档,有几百本,都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉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。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉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】🆓

相关推荐
阡之尘埃1 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力3 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20213 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧34 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽4 小时前
【Pytorch】基本语法
人工智能·pytorch·python
ctrey_4 小时前
2024-11-1 学习人工智能的Day20 openCV(2)
人工智能·opencv·学习
bryant_meng4 小时前
【python】Distribution
开发语言·python·分布函数·常用分布
SongYuLong的博客4 小时前
Air780E基于LuatOS编程开发
人工智能
Jina AI4 小时前
RAG 系统的分块难题:小型语言模型如何找到最佳断点?
人工智能·语言模型·自然语言处理
-派神-5 小时前
大语言模型(LLM)量化基础知识(一)
人工智能·语言模型·自然语言处理