本文一共10630字，非常用心整理的四位大佬的直播課程內(nèi)容。分享了在移動機器人和自動駕駛領(lǐng)域，目前真實的人才供需狀況究竟是怎樣？公司在招聘時究竟更看重什么？幫助大家初入職場

針對這些問題，深藍學(xué)院邀請了四位重量級嘉賓來聊聊自己的看法，并結(jié)合自身經(jīng)歷提供相關(guān)分享和對于同學(xué)們的建議。我們整理了直播精華文稿點，希望對大家有所幫助。

直播鏈接：

https://link.zhihu.com/?target=https%3A//www.shenlanxueyuan.com/open/course/113

特邀嘉賓

（排名不分先后）

夏添：白犀牛無人車聯(lián)合創(chuàng)始人兼CTO

劉蘭個川：小鵬汽車算法研發(fā)總監(jiān)，自動駕駛北京平臺負責(zé)人

黎嘉信：高仙機器人深度學(xué)習(xí)總監(jiān)、新加坡研發(fā)中心總監(jiān)

任乾：自動駕駛定位算法專家

問題概覽

1.移動機器人與自動駕駛有哪些相通的？又有哪些不同？

2.如何看待近幾年行業(yè)發(fā)展？

3.目前行業(yè)缺乏哪類人才？

4.企業(yè)招聘更看重哪些？

5.如何看待算法工程師學(xué)歷？有哪些建議？

6.對在校生有哪些學(xué)習(xí)建議呢？

7.對參加深藍學(xué)院培訓(xùn)的同學(xué)有什么看法嗎？

在直播中，嘉賓們針對以上七個問題結(jié)合自身經(jīng)歷做出了精彩而又實用的分享。一起來看看吧！

【注】：為方便大家閱讀，正文采用嘉賓姓氏作為縮寫

1.移動機器人與量產(chǎn)自動駕駛的界限在哪里，那些方面技術(shù)是相同的，那些方面是不同的？

夏：我認為這兩個方向非常有淵源，本身來說，自動駕駛也是屬于機器人的一個范疇?，F(xiàn)在，隨著各種應(yīng)用落地，它們的相同之處在于都具有自主移動和感知環(huán)境的能力，但是因為它們的場景不一樣，實現(xiàn)的功能也不一樣，自動駕駛主要基于道路等開放場景，而機器人主要以室內(nèi)的封閉場景為主，因此軟件和底盤在內(nèi)的硬件都會有一定差異。另一個是由于環(huán)境不同，所需要協(xié)同的對象也不同，自動駕駛時車輛需要與紅綠燈等進行協(xié)同，而機器人需要在室內(nèi)場景與電梯進行交互。

劉：從感知和硬件配置的角度，題目中的“量產(chǎn)”，我覺得是個重要的關(guān)鍵詞，因為一個產(chǎn)品能否量產(chǎn)，和傳感器的配置有很大的關(guān)系。傳感器的配置不同，會導(dǎo)致感知路線的區(qū)別。作為L4的自動駕駛公司，比如robotaxi或者與此相關(guān)的物流小車，往往選擇激光雷達為主的方案。量產(chǎn)自動駕駛出于傳感器的成本的考慮，往往會選擇以相機為主的方案。這個區(qū)別有技術(shù)上的考慮，也有傳感器成本上的考慮。當(dāng)然近些年來隨著激光雷達成本的降低，量產(chǎn)自動駕駛也開始采用激光雷達。小鵬今年推出的P5就是有兩個車規(guī)級激光雷達的，我們采用的依然是相機為主，激光雷達為輔的技術(shù)路線。不過無論選擇怎樣的技術(shù)方案，產(chǎn)品底層的感知邏輯還是有很多相通的地方，比如現(xiàn)在的感知基本都以深度學(xué)習(xí)為核心，配加上一些傳統(tǒng)計算機視覺算法。

黎：機器人是一個更加寬泛的概念，L4的自動駕駛出租車被稱為robotaxi，其實從名字就可以看出來它和機器人（robot）的關(guān)系，那為什么自動駕駛這個概念被提的越來越多了呢？我覺得有幾方面原因，第一個是滿足了概念炒作的需求，可能是因為“自動駕駛”聽起來更加高大上，另一方面，自動駕駛確實更加精準的描述了這個行業(yè)的特點，比如產(chǎn)品都是通過輪子來實現(xiàn)自身的運動。

更細分一些，我們可以從自車速度和場景復(fù)雜度兩個維度去區(qū)分各類產(chǎn)品，比如robotaxi是面向高速并且復(fù)雜的室外場景，而無人駕駛卡車則是主要面對高速但是相對簡單的場景，而高仙等機器人產(chǎn)品則是面對室內(nèi)復(fù)雜但是低速運動的場景。從技術(shù)的角度看，比如我比較熟悉的感知領(lǐng)域，不同自動駕駛的感知任務(wù)比較相似，主要包括運動物體位置和軌跡的感知，以及環(huán)境語義的感知。

而其他的技術(shù)點有很多不一樣的地方，比如關(guān)于路徑規(guī)劃，室內(nèi)的一些場景，路徑規(guī)劃不像室外那么復(fù)雜，因為在室外，規(guī)劃通常需要與交通規(guī)則打交道，因此會格外復(fù)雜。但是高仙等室內(nèi)機器人也有需要處理的規(guī)劃難題，比如機器人在執(zhí)行清潔任務(wù)時，需要實現(xiàn)對于環(huán)境的完全清理打掃。如果在某一時刻因為其他障礙物的存在沒有清理一個區(qū)域，那么接下來，他必須尋找到其他路徑去清理這個區(qū)域。

除此之外，在硬件上，我們也有不一樣的配置，量產(chǎn)對于成本的控制非常嚴格，比如在L4的車輛中，剛開始會在車上配置很多2080的顯卡，而這在量產(chǎn)的車輛上是很不現(xiàn)實的。比如高仙對于傳感器計算平臺的要求非?？量?，在實現(xiàn)多傳感器的感知任務(wù)的同時，所配置的硬件設(shè)備可能只有一個工控機集成顯卡，這也是對于工程師來說非常大的挑戰(zhàn)。

任：我這里補充自己的一點簡單理解，我認為區(qū)分自動駕駛和機器人可以用兩個充分條件，第一個就是道路的開放性，?第二個是否載人。但如果真的要在兩者之間尋找一個明確的界限，也是比較困難的，而且我覺得也沒有必要。相對來說，自動駕駛的傳感器和算法更復(fù)雜。而原因是出于自動駕駛更高的安全性需求。在我所從事的定位領(lǐng)域，我和來自掃地機器人、送餐機器人領(lǐng)域的面試者溝通時，發(fā)現(xiàn)這一領(lǐng)域的技術(shù)人員，由于平時用的產(chǎn)品和設(shè)備計算量偏低，傳感器偏低端，所以采用的算法通常相對簡單，運算量較少，這就會間接導(dǎo)致技術(shù)面偏窄。但是整體上，我還是認為兩者之間的相同性大于不同的部分。

2.自2021年以來，我們看到了機器人和自動駕駛行業(yè)融資事件頻發(fā)，如何從自己的角度看待最近幾年行業(yè)的發(fā)展呢？

夏：我覺得相比于L4級別的自動駕駛，機器人項目更多的開始落地了，比如賓館的掃地機器人，送餐機器人。而自動駕駛還是更多地還是在一些封閉的可控場景進行測試，所以我認為，它們并不處于同一個發(fā)展階段。

自動駕駛還是處于發(fā)展的早期，甚至還在搭建一些技術(shù)原型，因此對于成本還沒有太大的關(guān)注，而機器人已經(jīng)在更多地考慮項目的工程化和成本控制。

劉：我很同意夏老師的觀點，自動駕駛還是處于一個比較早期的階段。作為國內(nèi)量產(chǎn)自動駕駛，或者更精確的說，輔助駕駛的領(lǐng)跑者，小鵬選擇的道路是從低級別到高級別輔助駕駛逐步演進。

很多人問我，完全的自動駕駛什么時候會實現(xiàn)，L5級別的全天候自動駕駛可能還是一個遙遠的夢想，但我覺得完全的自動駕駛實現(xiàn)與否，并不會影響自動駕駛傳遞它的價值。即使是L3級別的輔助駕駛，也可以為人們的生活帶來很大的價值。比如能減少大家在高速路段駕駛的疲勞感，從而減少交通事故的發(fā)生，再比如提供自動泊車的功能讓大家的泊車體驗更舒心。

所以，我覺得不需要等到完全自動駕駛的實現(xiàn)，只要我們做好安全性和產(chǎn)品化，就可以解放生產(chǎn)力，增加人們駕駛的快樂，讓自動駕駛為人們的生活帶來積極的價值。

黎：機器人和自動駕駛在走過前兩年的低迷后，最近確實非?；馃?，也得到了國家的大力扶持，很多自動駕駛公司走過了之前的困難期，最近風(fēng)光無限。而從技術(shù)的角度來看，我認為在未來的五年，完全的自動駕駛還是很難實現(xiàn)的，即使很多公司仍然在畫餅，但是我認為深度學(xué)習(xí)還不具備真正的推理和解釋的能力。

但從商業(yè)角度上來看，自動駕駛能否落地，投資人是否應(yīng)該投資，這是另一個邏輯。自動駕駛有個概念叫 Operational Design Domain (ODD)。就是我們可以限定場景的細節(jié)，制定特殊的規(guī)則，來降低自動駕駛的難度。而基于這樣的約束，自動駕駛是有可能在五年內(nèi)實現(xiàn)的。

高仙的宣傳冊里會提到，低速的自動駕駛將會有6000億元的市場規(guī)模。相比于L4級別的自動駕駛預(yù)計有十萬億美元的市場規(guī)模，這個數(shù)字雖然還是小了不少，但這也是一個不容忽視的潛在市場。低速的自動駕駛會更快的落地，但這并不意味低速的自動駕駛是一個已經(jīng)解決的問題，只是說它對于安全性的要求相對低一些，因此可以容忍一定的錯誤。

高仙目前的估值可能有十億美元，這是一個幾年前對于低速自動駕駛應(yīng)用無法想象的數(shù)字。所以，從錢的角度來看，我認為，對于這個行業(yè)的想象空間還是非常大的。

任：自動駕駛火起來我覺得有兩個時間點，一個是15～16年，另一個是19年低谷后的當(dāng)下。15年那時，大家的目標可能都是做L4級別的robotaxi，而很多公司拿著一個demo或者通過炒概念，就可以融資。而如今，robotaxi已經(jīng)很難作為一個單獨的點去融資了，想要融資，需要展示更細分的業(yè)務(wù)，才能給投資人帶來期望。而第二個就是投資更偏向于更務(wù)實的、有實際產(chǎn)品的團隊。也因此，如今的自動駕駛公司更偏向于做未來幾年能夠盈利的產(chǎn)品級的項目，而robotaxi可能更多的作為一個全行業(yè)在共同追求的理想。

作為從業(yè)者來說，我們也需要去思考自己所認可的實現(xiàn)途徑，是更看好輔助駕駛，低速物流還是自動駕駛卡車？這也需要大家自己去判斷。

3. 目前行業(yè)缺乏哪些人才，以及哪些候選人已經(jīng)實現(xiàn)工序平衡，或者飽和的狀態(tài)了呢？

夏：首先這個行業(yè)還遠遠沒有飽和，也非常歡迎其他行業(yè)的人才加入這個行業(yè)。而關(guān)于人才的來源，針對機器人，它的發(fā)展相對成熟，在學(xué)校是有相關(guān)的學(xué)科的，包括海外的實驗室，也有優(yōu)質(zhì)的人才來源。而關(guān)于自動駕駛，是從激光雷達在車輛上的應(yīng)用，到近年AI算法的提升和應(yīng)用，才逐步引起大家的關(guān)注。而針對這些，其實學(xué)校是沒有直接培養(yǎng)相關(guān)人才的。我感覺最早從業(yè)的算法人員來自之前做深度學(xué)習(xí)感知的一些同學(xué)，以及一些做機器人的同學(xué)做定位建圖，做自動化控制的同學(xué)做規(guī)劃控制。一些同學(xué)之前有做過廣告系統(tǒng)，線上服務(wù)系統(tǒng)等低延時高穩(wěn)定的大系統(tǒng)的經(jīng)驗，那么車上系統(tǒng)也是有類似的需求的，這就需要相關(guān)大系統(tǒng)搭建的工程經(jīng)驗。所以剛開始的自動駕駛團隊就是需要有這些工作經(jīng)驗的同學(xué)作為班底。雖然目前學(xué)校也開始重視相關(guān)的教育，并且像深藍這些機構(gòu)也會進行培訓(xùn)，但是行業(yè)的人才還是遠遠沒有達到飽和。

黎：關(guān)于人才的需求，我覺得還是比較緊缺的，需求也會比較大，因為投資人投資了那么多，不管什么場景的自動駕駛，都希望快速擴張，快速落地。比如高仙的目標就是今年擴招100人的研發(fā)團隊，明年則是300。但是，我認為這是做不到的，因為我們的招聘能力還做不到這個規(guī)模，或者說我們找不到足夠多的符合需求的人才。而且，現(xiàn)在的人才的供應(yīng)也是不足的。

關(guān)于人才的定義有很多種，比如在座的三位大佬，就是可遇而不可求的高端人才，不過企業(yè)更多的需要的是“干活的人”，就是一些應(yīng)屆生和工作一兩年的新人，那公司對他們的要求是什么呢？從我自己的角度來看，代碼能力強，基礎(chǔ)扎實的人才基本都會被各個公司瘋搶。雖然說起來，這兩點不難，但其實，這兩點就可以刷掉百分之九十的候選人。比如，關(guān)于代碼能力，很多人連基本c++ vector數(shù)據(jù)結(jié)構(gòu)的內(nèi)部實現(xiàn)都不清楚，算法題連二分查找和深度優(yōu)先搜索都完成不了。而基礎(chǔ)知識，針對深度學(xué)習(xí)，batch norm雖然經(jīng)常被使用，但是batch norm的基本原理能說清楚的人也只是鳳毛麟角。

因為這個行業(yè)本身是新行業(yè)，很多的感知任務(wù)都是非常新的。雖然有深藍這樣從事人工智能教育的先驅(qū)，但是整體上，我們還是不奢望候選人能夠馬上解決工作上所面對的工程問題的。也因此，我們更看中基礎(chǔ)素質(zhì)，因為優(yōu)秀的基礎(chǔ)素質(zhì)可以證明一個人有良好的學(xué)習(xí)習(xí)慣和被培養(yǎng)的潛力，隨著工作年限的增長，一定會達到一個很高的水準。我們不需要招聘的每個人都是大牛，不過即使是面對剛才提到的兩個要求，公司也很難招到合適的人。

另外一點就是關(guān)于論文在應(yīng)聘中的重要性。我覺得在代碼足夠好，基礎(chǔ)扎實的情況下，有論文就意味著你蓋起了高樓大廈，富麗堂皇，而如果你有很多論文，但是代碼和基礎(chǔ)能力都不強，那么這只會是空中樓閣。曾經(jīng)有一位面試者在博士四年期間發(fā)了多篇頂會論文，但是一經(jīng)面試，發(fā)現(xiàn)水平慘不忍睹，基本處于for loop都寫不利索的狀態(tài)，這雖然是個特例，但是也說明論文競賽雖然是高端人才的一種玩法，但是更多的是需要基礎(chǔ)扎實的同學(xué)。

除此之外，自動駕駛還需要哪些人才呢？我覺得同時具備機器人知識和深度學(xué)習(xí)知識的人是非常緊俏的。隨著深度學(xué)習(xí)和一些數(shù)據(jù)驅(qū)動的應(yīng)用的興起，很多人認為，我只要學(xué)好深度學(xué)習(xí)，就萬事大吉了。但是真正到產(chǎn)品應(yīng)用和產(chǎn)品工程化的時候，所有的深度學(xué)習(xí)都要落實到部署上面，這就需要你懂得很多機器人知識，并和感知模塊，路徑規(guī)劃模塊去配合。我認為同時具備這兩種知識的人才還是非常少的。

任：這個問題之所以被提出來，是因為四五年前，只要你會一些和自動駕駛相關(guān)的技能，就很容易找到相關(guān)工作。而現(xiàn)在的要求卻大大提高了，因此這讓人感覺行業(yè)是不是飽和了？而之所以這樣，是因為人才的標準變高了，那時的任務(wù)主要是做demo，演示一下就可以。而現(xiàn)在則需要真正的產(chǎn)品，需要你能發(fā)現(xiàn)問題，并對于問題有深刻的理解并去解決它。

另外，之前有學(xué)生在課上提問我，現(xiàn)在的理論知識對于我們做自動駕駛來說涵蓋了多少？我的回答是目前學(xué)的理論框架在未來很長一段時間仍然適用。那這是否意味著，對于自動駕駛?cè)瞬诺男枨笤谖磥砗芸炀蜁柡湍?？其實，算法理論的成熟到落地有很長的路要做，而從落地到量產(chǎn)也仍然有很長的路要走。自動駕駛是一個與硬件相關(guān)的巨大工程，算法的持續(xù)優(yōu)化可能需要未來至少10到20年的時間。所以希望大家不要以當(dāng)前算法的成熟度來評價當(dāng)前行業(yè)是否飽和。

劉：嘉信剛才說到很好的一點，現(xiàn)在行業(yè)內(nèi)有相關(guān)工作經(jīng)驗的優(yōu)秀的應(yīng)聘者是數(shù)量較少并且可遇而不可求的。有很多的候選人的項目經(jīng)驗是廣而不夠深，簡歷非常亮眼但是對細節(jié)往往不求甚解。相比大而全的項目經(jīng)歷，在小鵬我們更偏好候選人的基礎(chǔ)扎實和高潛力。我們自動駕駛團隊在面試的過程中，并不會考太難的算法題而更重視基礎(chǔ)和概念性問題。

而對于代碼能力的要求，我們主要看應(yīng)試者寫代碼的流利程度，思維方式以及面試中的交流溝通意識，很多時候不會強行要求0-bug。如果候選人能主動或者說在我們的提示下對bug能進行修正，其實是有加分項的，因為我們還是希望尋找的是之后能夠一起“開心”debug的同事。急功近利要不得。希望大家夯實基礎(chǔ)，能夠在工作和項目中，不斷學(xué)習(xí)成長，實現(xiàn)自我的超越。

4.企業(yè)在招聘時更著重考察面試者哪方面的知識儲備或者能力？又忌諱哪些？是要求工程能力和算法能力五五開，還是更注重算法能力？

夏：工程和算法的概念其實都比較寬泛，不同領(lǐng)域的算法和工程都是有區(qū)別的，而我認為目前一些自動駕駛事故的發(fā)生，說明了算法還是存在一定的瓶頸。

算法分為線上和線下，線上包括感知，地圖，規(guī)劃，控制。感知主要和深度學(xué)習(xí)相關(guān)，而定位建圖則是機器人領(lǐng)域很長時間存在的一個問題，然后還有自動化里的控制算法和機器人的規(guī)劃算法。線下則包括深度學(xué)習(xí)的訓(xùn)練，以及地圖的高校建設(shè)管理，還有就是一些場景的仿真，這里面都有很多算法。這其中有一些是新的學(xué)科，而有一些是相關(guān)的學(xué)科，所以通常是需要在過程中積攢經(jīng)驗，按照需求解決問題。算法在早期需要創(chuàng)新的突破，而工程師則是需要從工程的角度利用算法解決問題，這就需要你了解，哪些算法可以解決什么問題。

同時，硬件也是自動駕駛的一個重要環(huán)節(jié)，比如之前在Dapra比賽引入激光雷達作為傳感器，帶來的感知提升立竿見影，所以我們也要關(guān)注硬件上的一些進展。除此之外，工程上的一些變化也會對我們的項目帶來影響，比如CNN的部署需要很大的算力，很難執(zhí)行，后來是通過GPU的參與，才讓大規(guī)模計算的落地成為現(xiàn)實。

關(guān)于工程能力，我認為代碼只是一個表達算法的工具，之前一些公司開發(fā)代碼的方式是通過一些算法人員想一些方案或者寫偽代碼，另外有其他工程人員去實現(xiàn)和部署。我認為這種方式已經(jīng)相對落后了，也很難做好。在設(shè)計算法的過程中，其實需要考慮到硬件環(huán)境和功耗。我認為工程能力不應(yīng)該只是把代碼寫下來，而是說在設(shè)計階段就考慮到系統(tǒng)的線上穩(wěn)定，線下更新，否則代碼很難去更新，測試和替換。線上就是如何讓多模塊大規(guī)模的系統(tǒng)穩(wěn)定運行，而線下就是指如何把數(shù)據(jù)盡快的回傳迭代。

關(guān)于忌諱，我最忌諱的就是面試者的華而不實。比如一些面試者可能看了一些微信文章，就會聲稱自己對一個東西非常了解。對于能力，我覺得早期的發(fā)展可能會更多關(guān)注算法，因為需要創(chuàng)新，而如今，可能更多的強調(diào)工程能力。總體來說，這兩者之間需要找到一個平衡，對于一個希望長遠發(fā)展的公司來說，兩者缺一不可。

黎：我覺得任何算法問題經(jīng)過落地，都會變成一個工程問題。比如一個簡單的物體檢測，如果要落地到自動駕駛，需要考慮到各種傳感器的時空和聯(lián)合標定，在C++里做模型推理的代碼，還有和其他模型的資源沖突問題，以及大量的corner case往往都需要很多的工程任務(wù)，可能這些會被人們成為“搬磚”。但是，其實在做工程，做項目的過程中，搬磚是一種最重要的能力。

搬磚也分很多種，比如在模型訓(xùn)練的時候，根據(jù)可視化，發(fā)現(xiàn)某種場景下的問題，然后采集更多的樣本，進行模型迭代，這是一種最基礎(chǔ)的搬磚；還比如做數(shù)據(jù)挖掘，我們用跟蹤的算法、用大模型，創(chuàng)造出偽真值；或者用主動學(xué)習(xí)，從而進一步挖掘corner case，這也是搬磚，但對于公司和個人成長可能有更大的價值。所以，大家不要小看搬磚，搬磚也是一種很重要的能力。

剛才提到了一種先寫偽代碼，再讓其他人去實現(xiàn)的開發(fā)模式，我也是不支持這種模式的，因為兩者之間的工程需求不一樣，一者的目標是模型漂亮，測試效果好，而另一者可能更多的關(guān)注落地的實際效果。

對于個人來說，研究能力也是非常重要的，好的研究能力可以讓你很快的了解熟悉一個問題state of the art 的解決方案，從而可以更快的解決問題。

總之，算法和工程能力都非常重要，一個只會低級搬磚的程序員，或者一個只會寫偽代碼的算法研究者都可能不是公司所期望的。

任：我補充一個點，我在面試時比較忌諱一個人做一件事情不夠細致，不夠深入。比如一個人工作了五六年，項目經(jīng)驗也很豐富，但是我常問的一個問題就是“你的算法在實際測試中發(fā)現(xiàn)的三個頭部問題是什么，然后你是怎么解決的”，很多人對于這個問題都回答的不好，這說明他在實現(xiàn)demo的過程中沒有進行足夠多的測試，可能問題都是其他人解決的。這說明面試者在這方面的能力是不健全的，而對于一個工程師來說，發(fā)現(xiàn)細節(jié)問題并解決，是一種很重要的能力。

可以理解的是，一些算法工程師希望更快的了解更多的算法，從而忽視了一些細節(jié)，但是，我希望大家在了解一個算法的過程中，都給自己定下更高的要求，就是：如果你不了解一個算法的問題在哪里，就等于不理解這個算法。我覺得這可以作為工程師判斷自己是否合格的標準。

5.如何看待算法工程師的學(xué)歷？有哪些建議？

夏：其實我們面對的是以研究生為主的生源，學(xué)歷可以作為一個標簽，如果你具備博士或者研究生學(xué)歷，意味著你在研究一個課題的過程中，能夠從不了解到深入學(xué)習(xí)，這也意味著你有一定的學(xué)習(xí)能力。當(dāng)然這也只是一個標簽，如果你沒有這個標簽，你也可以從其他角度證明自己，比如一些本科生會在簡歷里寫出自己的一些開源項目的經(jīng)歷，以及比賽的經(jīng)歷，這些同樣可以證明你是否有學(xué)習(xí)能力或者潛力。

劉：我覺得高學(xué)歷可能只是一個加分項和敲門磚，本身并不能說明太多問題。如果學(xué)歷不好，但是你有亮眼的Github開源項目，也是一個很棒的加分項讓你脫穎而出。另外，你也可以通過內(nèi)推的方式讓你的簡歷更有可能讓合適的人看到。所以，快去聯(lián)系你在小鵬工作的師兄師姐親朋好友吧！

黎：我也認為學(xué)歷只是一個進行簡歷篩選的工具，面試更多的是考察你的基礎(chǔ)能力，是否聰明，具有上進心。的確有很多學(xué)歷不好的同學(xué)會掛在簡歷篩選，那么彌補的措施可能就是之前提出的兩種方式，以及尋找相關(guān)的實習(xí)工作，并描述清楚你的實習(xí)任務(wù)。除此之外，在描述你的項目經(jīng)驗時，如果是基于開源框架，一定要描述清楚自己所做的不一樣的地方，并提供你的思考。

任：之前我有了解一位三本背景的同學(xué)通過自己的努力，成功應(yīng)聘了高仙的感知崗位，我認為他之所以能成功，是因為他非常專注，他用一年的時間去學(xué)習(xí)相關(guān)知識，并且把大作業(yè)的每一個點都反復(fù)梳理。所以，如果你覺得你的能力有限，就把自己的關(guān)注點聚焦在一件事，專注把這件事的每個細節(jié)都做好。

6.對在校生有哪些建議呢？以及對于初入職場的工程師有哪些“少走彎路”的成長經(jīng)驗分享？

任：?我覺得從我面試的經(jīng)歷來看，我的方向是定位，這塊目前主要是兩個方向，一個是基于學(xué)習(xí)的端到端的方式，另一個就是基于傳統(tǒng)方法，而傳統(tǒng)方法目前確實比較“卷”，很多同學(xué)出于發(fā)論文的角度，會更關(guān)注基于學(xué)習(xí)的方式，但是，這些同學(xué)對于基本的后端優(yōu)化，投影的基本方法都不熟悉。

所以，同學(xué)們在進行課題選擇的時候，一定要考慮到你研究的方法是否和工業(yè)界的需求對接，此外，你也要考慮你的產(chǎn)出，不能說三年你就是單純的學(xué)習(xí)，還是應(yīng)該考慮具體的產(chǎn)出，把自己的學(xué)習(xí)和一個具體的工程方向結(jié)合，去解決一個工程問題，這樣對你找工作也是比較有利的。

黎：關(guān)于這點，在深度學(xué)習(xí)領(lǐng)域，我認為很重要的一個思維是數(shù)據(jù)優(yōu)先，數(shù)據(jù)的重要性可能大于模型，如何獲取數(shù)據(jù)，如何清洗數(shù)據(jù)，將更直接的決定項目的成敗。舉個例子，之前我有一個同事，雖然是本科學(xué)歷，但是卻“干翻”了一大片碩博的同事，因為面對別人覺得不適合訓(xùn)練而放棄的數(shù)據(jù)，他可以通過數(shù)據(jù)清洗進行利用，從而讓模型效果足足提升了20%，這比調(diào)參，增加transformer的效果要顯著很多。也就是說如果能重視數(shù)據(jù)處理，可能讓自己的項目能力提高很多。

對于碩博同學(xué)，如果進入工業(yè)界，最重要的事情可能就是搬磚，也就是如何滿足公司的實際需求，有些同學(xué)還是希望更多的關(guān)注最新的模型和論文，而這些可能不太符合公司的核心需求。之前我和另一位博士聊到博士在工業(yè)界的優(yōu)勢時，他的觀點是博士的優(yōu)勢可能是在于年齡，你經(jīng)過了四五年的打磨之后，可能對于為人處世，對于產(chǎn)品，有了更深的理解，也更能理解老板或者公司對于產(chǎn)品的規(guī)劃。

其實很多博士在學(xué)校的研究成果是很難在公司落地的，那么要尋找自身優(yōu)勢，就要換一種方式。我認為目前在公司有一種弱化研究能力和論文的趨勢，前幾年大廠的AI lab都非?；穑磕陼l(fā)很多頂會論文，而如今這些機構(gòu)可能都經(jīng)歷了各種重組，過得并不好。過去，確實需要很多人在研究領(lǐng)域開疆拓土，而如今，大家都在轉(zhuǎn)換一種思維方式，更多的從項目落地的角度務(wù)實的考慮這些問題。

劉：作為一個非電子系或者計算機科班出身的人，我來聊一下理科生的自動駕駛的轉(zhuǎn)行。我本科和博士都是在物理方向，我畢業(yè)后的第一份工作因為和我的博士方向關(guān)系比較大，所以比較順利。但是因為覺得那個行業(yè)長期來講并不適合自己的發(fā)展，而且當(dāng)時我對于計算機視覺和剛剛興起的深度學(xué)習(xí)產(chǎn)生了濃厚的興趣，因此開始了為期兩年的學(xué)習(xí)和轉(zhuǎn)行之旅。我在那之前編程的經(jīng)歷主要是關(guān)于matlab，以及比較淺顯的C語言和Fortran經(jīng)驗。編程方面，我從最開始的python學(xué)習(xí)，到刷tensorflow和pytorch的教程，閱讀github上的一些開源代碼，并自己動手搭神經(jīng)網(wǎng)絡(luò)。關(guān)于理論方面，在最近幾年多的時間，我也讀了大概四五百篇論文。

這個數(shù)字雖然看起來很大，但其實只要你愿意堅持，積沙成塔，最后也是可以水到渠成的。對于想轉(zhuǎn)行的同學(xué)，我希望大家不要著急，只要你保持對于這個領(lǐng)域的興趣，并且有恒心，相信大家最后還是可以實現(xiàn)自己的目標。

夏：我認為學(xué)習(xí)是一定要持續(xù)的，相比與學(xué)校的學(xué)習(xí)，在公司的學(xué)習(xí)是有焦慮感的，因為需要你在一段時間有一定的產(chǎn)出，相比之下，學(xué)校的學(xué)習(xí)是沒有這么功利的，甚至可以自動的去選擇一些課程去學(xué)習(xí)，并且我覺得學(xué)校的學(xué)習(xí)也不需要太功利化，然后過分的關(guān)注社會的需求點。我認為學(xué)校的學(xué)習(xí)有一段很長的時間，大家可以靜下心來，去把一個學(xué)科學(xué)的很透徹。但現(xiàn)在，有一種浮躁的氛圍，像深度學(xué)習(xí)，大家都希望通過模型的更新實現(xiàn)效果的提升，但是很多同學(xué)都止于這一步，一旦模型出現(xiàn)問題，就不知道怎么去調(diào)試。

這意味著，我們在工作中，失去了分析問題，解決問題的能力。我希望大家在學(xué)校的學(xué)習(xí)中，能夠靜下心來，深入到底層，我們讀書的時候，計算機專業(yè)的同學(xué)非常喜歡看操作系統(tǒng)的源代碼，物理系的則會深入數(shù)學(xué)，當(dāng)時我是學(xué)電子通信的，也是對于線性代數(shù)有很仔細的閱讀。

我認為，在學(xué)校去深入的學(xué)習(xí)一門學(xué)科，當(dāng)時可能沒有理解它的收益，但是之后在工作中，這些都是可以串聯(lián)起來的。關(guān)于深度學(xué)習(xí)，很多東西雖然是不可解釋的，但是也有很多東西是基于一些經(jīng)典的優(yōu)化理論。如果對于這些數(shù)學(xué)原理不了解，就只能膚淺的進行一些修改，一旦出現(xiàn)問題，也很難深入分析。

自動駕駛需要好的團隊，但同時也需要那些敢于創(chuàng)新的人才，但是在面試中感覺那些基于興趣進行創(chuàng)新的人才越來越少了。希望大家在高校期間，能夠去深入的探索一些問題，對于一些問題能夠有足夠深刻的認識，這樣大家在今后的工作過程中也會有更多的信心去解決一些問題。

7.自深藍成立以來，參加過培訓(xùn)的同學(xué)也有超過數(shù)萬人次，但是一些同學(xué)即使得到了優(yōu)秀學(xué)員的稱號，也不敢把它寫在簡歷上，因為擔(dān)心一些公司對參加培訓(xùn)來學(xué)習(xí)認識的同學(xué)有一定偏見，大家是怎么看待這個問題的呢？

夏：對于在學(xué)校學(xué)習(xí)的同學(xué)來說，自然有旁聽一些課程的途徑來進行學(xué)習(xí)。但是對于一些已經(jīng)工作的同學(xué)來說，可能參加線上培訓(xùn)是可以想到的最直接的自我提高或者轉(zhuǎn)行的方式。從這個角度來說，如果我想學(xué)習(xí)一個領(lǐng)域的新知識，而一門網(wǎng)課正好提供了相關(guān)內(nèi)容的系統(tǒng)性教學(xué)，那么為什么不去學(xué)習(xí)呢？

劉：深藍的課程我旁聽過幾次，質(zhì)量都很高。我雖然沒有從頭到尾完成一次深藍學(xué)院的課程，但是我自己在轉(zhuǎn)行過程中，也參加了一些國外公開課比如coursera的課程。這些培訓(xùn)經(jīng)歷我會建議在簡歷里寫上，至少可以說明你愿意在業(yè)余時間花費時間和金錢去完成個人的提升，我認為這其實是很酷的一件事。

黎：我自己在深藍講課，很多人都會說課程很難，其實不是說課程真的那么“難”，而是因為很多人在面對每周一次的作業(yè)時，很難去繼續(xù)堅持，鉆研，所以最后剩下來的人可能不到十分之一。雖然堅持到最后不一定就代表你完全掌握了這門課，但是堅持本身就是難能可貴的一種品質(zhì)不是嗎？我本人教課，自然知道深藍課程的難度，我也相信隨著深藍這個品牌的推廣，大家也能更多的對于這些課程的質(zhì)量達到一定的認可。

我個人不會對參加線上培訓(xùn)的同學(xué)有任何偏見，但是我覺得更重要的是，參加了培訓(xùn)的同學(xué)能否在簡歷上有效的展示了自己的學(xué)習(xí)成果，證明自己的學(xué)習(xí)是有深度的，而不只是一帶而過。

任：我本身也在深藍學(xué)院教課，像“優(yōu)秀學(xué)員”這樣的榮譽在我看來肯定是加分項。但是，不好的現(xiàn)象是，一些同學(xué)在完成作業(yè)的過程中，僅僅滿足于作業(yè)框架中需要填空的部分，而對于整體架構(gòu)和理論基礎(chǔ)缺乏認知，這是我們要避免的。不過這只是一小部分同學(xué)，大部分得到優(yōu)秀學(xué)員榮譽的同學(xué)還是非常優(yōu)秀的。

說在最后

以上是本次直播的全部內(nèi)容～最后祝大家在這金九銀十的秋招季，能夠求職順利，也希望這次分享能夠?qū)Υ蠹医酉聛淼膶W(xué)習(xí)和工作有所啟示。