你好,我是郭震
美团校招已开启,计划招聘6000人:
今天这篇文章,总结美团岗位薪资,以及如何准备更容易进入美团。
1 美团薪资
下面是我做的一个excel表格,总结了美团开发和算法岗薪资情况:
35K的base已经划分到ssp档次,注意上面表格是开发和算法的平均汇总。这个年包下来,base 35K,50K(5万)签字费,综合起来已经近60万的年包:
通常来说,算法岗位普遍又比开发岗月薪高三五千,据此推理,这位同学可能拿到了sp的算法岗,这个难度就比ssp小很多。
想在接下来每月拿到更多薪水的读者朋友,算法岗是一个不错的赛道,哪怕刚开始做开发,若有兴趣,也要慢慢转到算法,毕竟平均薪水来看:
算法岗薪资 > 开发岗薪资
尤其是最近2年新的生成式(GenAI)技术,如果你有较好的掌握,会更容易找到薪资高一些的。
不知道如何准备的老铁,可以继续往下看。
2 生成式AI学习路线图
要想胜任上面AI岗位,还需要学习最新的生成式AI,这是加分项。
学历背景+技能,两者缺一不可。
学历背景好,可以弥补技能不足;
技能强,可以一定程度弥补学历背景的短板。
两者有一种平衡关系。
学历背景不多说,接下来,重点总结AI大模型(生成式AI):所需关键技能。
1. 机器学习和深度学习基础
概率论与统计学:理解基本的概率和统计学知识,这对于理解生成式模型的工作原理至关重要。
线性代数和微积分:掌握矩阵运算、微分和积分等数学工具,用于优化和训练神经网络。
2. 生成式模型
生成对抗网络(GANs):掌握GAN及其变体(如DCGAN、CycleGAN、StyleGAN等)的工作原理和实现方法,用于图像生成和变换。
变分自编码器(VAEs):理解VAE的理论和应用,主要用于生成连续数据如图像。
自动回归模型:如PixelRNN、PixelCNN,主要用于生成高质量的图像。
3. 自然语言处理(NLP)和生成
语言模型:掌握语言模型的原理,如GPT(Generative Pre-trained Transformer)、BERT等,用于生成文本。
序列到序列模型(Seq2Seq):用于翻译、对话生成等任务。
注意力机制:理解和实现注意力机制,特别是在Transformer架构中,用于处理序列数据。
4. 音频和音乐生成
神经网络音频合成:如WaveNet,用于生成高质量的音频和音乐。
音频处理基础:理解基本的音频信号处理,如频谱分析、滤波等。
5. 计算机视觉
图像合成与变换:使用深度学习技术进行图像风格迁移、超分辨率生成、图像修复等。
三维生成:理解和实现用于生成3D模型和场景的技术,如3D GANs、神经渲染。
6. 工具和框架
深度学习框架:如TensorFlow、PyTorch,用于模型开发和训练。
图像处理工具:如OpenCV,用于预处理图像数据。
音频处理工具:如Librosa,用于音频数据的分析和处理。
7. 优化与训练技巧
优化算法:如SGD、Adam,理解其在训练生成模型中的应用。
正则化技术:如L1/L2正则化、Dropout等,用于防止过拟合。
3 安利2个AI福利
1. 我的个人AI 网站:https://ai-jupyter.com
2. 普通人了解AI应该做的最重要两件事:
应该先从AI工具使用开始 应该先了解AI基础名词
普通人了解AI大忌:
不应该上来就学AI理论 不应该排斥AI,认为AI无用
基于上面,我也花费不少时间,做了一个详细的开源教程:《普通人学AI指南》.PDF
咱们先别弄那些高深的AI理论,先玩熟AI基本概念、AI工具、自己电脑搭建AI和知识库。