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。
