- 1.如何给一个完全没有接触过机器学习的人介绍机器学习？
- 2.工作中业务侧/竞赛侧/研究侧的配比
- 3.竞赛侧与研究侧的成果如何沉淀到业务中？
- 4.业务侧，竞赛侧，研究侧成果如何互相转化？
- 5.你觉得面对一个业务场景，如何针对性设计算法解决方案？
- 6.对一个零基础的CV算法学习者，有什么入门建议？
- 7.在哪些维度深耕能增强算法工程师的核心竞争力？
- 8.如何给一个完全没有接触过AIGC的人介绍AIGC？
- 9.AI算法工程师的核心竞争力是什么？
- 10.AI算法工程师的宏观职业发展路径是什么样的？
- 11.AI算法工程师如何跨过时代周期？
- 12.AI算法工程师从纯技术到技术管理的差异是什么？
- 13.AI算法工程师在从事技术管理时该如何与不同部门协作？
- 14.AI算法工程师如何提升在AI行业中的影响力？
- 15.AI算法工程师如何破圈在社会中提升自己的影响力？
- 16.AI算法工程师如何以AI技术为核心，向外扩展更多基本面能力？
- 17.AI算法工程师如何以AI技术为核心，统筹推动业务的构建与发展？
- 18.面对纷繁复杂的职场生态，AI算法工程师如何看破人和事的背后本质？
- 19.AI算法工程师如何在AI行业中持续揣摩对人性的判断？
- 20.AI算法工程师如何将工作中的实践价值最大化？
- 21.如何给一个完全没有接触过传统深度学习的人介绍传统深度学习？
- 22.在AIGC时代，算法工程师如何跟随着时代发展持续沉淀AIGC跨周期的核心价值？
这个问题受启发于最近遇到的一个事件，让我觉得这个问题也蛮重要的，如何用通俗易懂的语言，阐述深沉的思考。
算法工程师在工作中主要面对业务侧/竞赛侧/研究侧三方面的事务，如何进行合理的项目配比，时间分配，投入产出评估等，都是非常值得去思考的问题。
我觉得这是一个非常有价值的问题，不管是现在大的经济环境还是AI发展的现状，AI业务深耕与扩展来获取利润是重中之重。只做研究和竞赛是远远不够的。
这是一个非常有价值的问题，随着宏观环境的变化，各个公司更加注重现金流，纯研究院等部门会被持续优化，这时如何高效的转化竞赛侧与研究侧的实用性成果，以及如何将业务侧经验向竞赛侧与研究侧延伸，成为各个公司重点考虑的问题。
这是一个非常有价值的问题，随着的AI更加务实的落地，业务场景和算法解决方案的适配是非常关键的。如何获得针对性设计的能力，需要对现有现金流业务的深耕，以及提升产品侧视野的广度。
这是一个非常好的问题，既可以反映出面试者自身的CV学习入场逻辑，也能反映出面试者对于自己的学习过程是否有总结与提炼。
Rocky认为这是一个直击所有AI行业算法工程师灵魂的问题，也是伴随所有算法工程师完整职业生涯的问题，需要我们不断思考，不断更新认知。
Rocky在这里为大家抛砖引玉的总结一些维度，大家也可以留言补充：
- 算法技术能力
- 算法竞赛能力
- 算法工程能力
- 算法学术能力
- AI行业的知识广度能力
- AI行业的本质思考能力
- 等等
Rocky认为这是一个非常有价值的问题，因为现在AI行业已经进入AIGC时代，同时AIGC又是一个破圈式繁荣的时代，所以如何理解好AIGC的内涵，并且深入浅出的向传统深度学习领域的从业者、高校的初学者以及各行各业的AIGC应用者们介绍好AIGC，成为了AIGC领域从业者的必修课。
Rocky认为这是一个非常有价值的问题，不管是面试者还是面试官，都需要用整个职业生涯去思考感受。
Rocky认为我们需要从如下几个方面构建来构建AI算法工程师的核心竞争力：
- 技术深度：需要从实际现金流业务中去不断成长。
- 技术广度：要了解最新技术的整体思路、效果、实现过程、落地成本等维度。
- 技术跨周期能力：要沉淀能够跨越周期的技术知识、技术认知与技术思考。就像从传统深度学习时代到AIGC时代那样。
- 商务能力：需要学习商务能力，知道商务逻辑与商务成本。
- 产品能力：需要学习产品能力，知道产品逻辑与产品成本。
- 运营能力：需要学习运营能力，知道运营逻辑与运营成本。
- 演讲能力
- 统筹管理能力
Rocky认为这是一个非常有价值的问题，不管是面试者还是面试官，都需要用整个职业生涯去思考感受。
Rocky总结了AI算法工程师的宏观职业发展路径，供大家参考借鉴：
AI算法初学者 -> AI算法实习生 -> AI算法工程师 -> AI算法高级工程师 -> AI算法专家/研究员 -> AI算法总监 -> CTO -> CEO
Rocky认为这是一个非常有价值的问题，就像从传统深度学习时代进入到AIGC时代一样，我们需要挖掘不同时代的相通特点与通识经验。
Rocky认为这是一个非常有价值的问题，不管是AIGC领域、传统深度学习领域还是自动驾驶领域，从技术到技术管理，都需要我们大刀阔斧的提升行业认知、增强思维全面性以及拔高能力基本面。
Rocky认为这是一个非常有价值的问题，不管是AIGC领域、传统深度学习领域还是自动驾驶领域，在从事技术管理阶段，都需要我们大刀阔斧的提升大局观认知、增强思维全面性以及加深对人性基本面的洞察。
Rocky认为这是一个AI行业从业者要思考的本质问题，不管是AIGC领域、传统深度学习领域还是自动驾驶领域，我们都需要在自己的职业生涯中持续思考与总结。
Rocky认为这不仅仅是AI行业从业者要思考的本质问题，也是所有行业从业者要思考的本质问题，这是一个非常有价值的核心问题。
Rocky认为这是AI算法工程师要终身思考的本质问题，以AI技术为核心，我们同样还需要扩展学习资源整合能力、沟通协调能力、销售能力、商务能力、产品能力、运维能力等。
Rocky认为这是AI算法工程师要终身思考的本质问题，以AI技术为核心的基础上，我们还需要统筹推动业务的构建与发展。
Rocky认为这是非常重要的、需要持续思考的问题，AI技术是飞快更新的，但是人和事的本质是跨周期的。
Rocky认为这是AI算法工程师持续提升自己通识基本面的核心，因为大部分时间都对着电脑，所以在空闲时间可以多对人性进行揣摩和思考。
Rocky认为这是AI算法工程师职业生涯中非常关键的一点，将实践价值举一反三，并挖掘出长期沉淀性，是大家毕生的思考点。
Rocky认为这是一个非常有价值的问题，因为现在AI行业已经进入AIGC时代，同时AIGC又是一个破圈式繁荣的时代，为了更好的在AIGC时代前行，我们需要了解AI行业的发展脉络，就需要深刻了解传统深度学习时代。
Rocky认为这是一个AI行业的本质问题，每个算法工程师都要终身去思考这个问题，才能持续构建个人在AIGC时代的核心价值。