【转行血泪史】985文科生转行AI两年,我和考公上岸的室友过上了完全不同的人生

毕业那年,我们做了截然不同的选择

2022年6月,毕业典礼那天,我和室友老王站在宿舍楼下,各自拎着行李箱,准备奔赴完全不同的人生轨道。

我们都是985高校文科专业毕业,大学四年关系最铁。但毕业时,我们做了两个截然相反的决定:老王通过省考进了老家市直机关,端上了“铁饭碗”;我放弃了保研名额和国企offer,决定转行做AI,从零开始学编程。

当时很多人不理解。我妈说:“你一个学文科的,转什么行?好好考个公务员不香吗?”老王也劝我:“兄弟,别冲动。体制内虽然钱少点,但旱涝保收啊。”

但我还是决定赌一把。大四那年,ChatGPT横空出世,我第一次意识到AI正在改变世界。我不想再过“按部就班”的人生,想抓住这个时代的红利。

2022年7月1日,老王入职报到,朋友圈配图是机关大楼;同一天,我报名了线上培训班,朋友圈配图是电脑屏幕上的Hello World。那一刻,我们的人生彻底分叉了。

2022年下半年:稳定安逸vs转行地狱

老王的体制生活节奏舒适,朝九晚五,周末双休。工资到手4500,加上公积金和补贴月入7000左右。他的朋友圈都是爬山、团建、篮球,岁月静好。

而我正经历人生最痛苦的三个月。编程基础为零的我,学Python基础语法看了三天才勉强理解。学数据结构时,看到二叉树、递归直接卡壳。最崩溃的是学深度学习,满屏的数学公式像天书。

培训班里计算机专业的同学讨论Transformer架构,我连“自注意力机制”是什么都不懂。老师委婉建议我先补神经网络基础。那时我每天学习12小时以上,从早上7点到凌晨两三点。

第一次崩溃发生在投简历时。学了四个月后投出30份简历,只有2个笔试邀请,0个面试。HR学姐直言:“文科转行,无相关经历,培训班出身,大厂不会考虑。”

老王再次劝我考公,我说再试试。挂了电话,坐在出租屋里看着深圳的夜景,感觉离我很远。

2023年上半年:升职加薪vs艰难求职

2023年3月,老王转正,工资涨到6000,单位分了福利房。他笑着和领导合影,我点赞评论“恭喜”,心里五味杂陈。

meanwhile,2023年2月,经过半年准备,我拿到了第一个offer——50人AI创业公司的算法工程师实习生,月薪6000,无五险一金。我毫不犹豫接了。

现实比想象残酷。入职第一周,leader让我复现论文算法,精度比论文低了5个点。被批“基础不行”时真的难受。晚上11点坐地铁回出租屋,想给老王打电话又怕听到“早劝过你”。

最崩溃的时刻是优化人脸识别模型,要求从200ms降到50ms。连续加班一周只降到120ms,leader脸色难看:“客户下周要看demo。”加班到凌晨3点还没搞定,突然很想哭。想起老王应该睡得正香,明天慢悠悠上班,下班打球,周末陪父母吃饭。而我,985文科生,转行AI,优化任务都搞不定,被leader批,拿着6000实习工资。我到底在坚持什么?

2023年5月,我实习满三个月转正,月薪12K,有了五险一金。老王问:“12K在深圳够花吗?值得吗?”我沉默了。

2024年:转折点

3月,工作满一年时迎来转机。ChatGPT爆火,AI行业扩张,公司从50人扩到200人。我升任算法组长,带3人,月薪涨到22K。

6月,我主导的OCR项目识别准确率从85%提升到96%,帮公司拿下年营收500万的大客户,获得20万奖金。终于感受到“成长”的价值。

带新人时发现,这两年踩的坑、积累的经验已成为核心竞争力。能快速判断技术方案可行性,在别人卡壳时给出思路,这些不是培训班能教的。

2024年下半年生活对比

9月同学聚会见到老王,他气色不错但胖了些。月入1万出头,福利房明年入住,正在相亲准备稳定下来。他说生活舒服但有点无聊,每天都是重复。

我刚跳槽到B轮AI独角兽任算法专家,年薪50万。工作强度仍大,但已完全不同:收入从2022年的0到2023年12万,再到2024年50万;技术能力成型,可独立设计方案、带5人团队;职业路径清晰,2-3年后高级专家年薪80-100万。

最重要的是看到了更大的世界:与阿里、字节团队交流,参加行业峰会见大佬,与清华北大博士共事,见证AI改变行业。

老王沉默后说:“羡慕你有明确目标和成长空间。我的生活稳定但看得到头。”

2025年的思考

现在转行AI整三年。上个月老王来电说想转行AI,我坦言现在行业很卷,他技术已跟不上。

两条路本质差异:

· 体制内:稳定可预期、压力小生活平衡,但收入增长慢、成长空间有限
· 转行AI:成长快收入高、行业红利多可能,但不稳定压力大、技术更新快

没有绝对对错,只有是否适合。我庆幸选择这条路,因为不想30岁就看到60岁的自己。

给文科生转行AI的建议

1. 转行前三问:真对技术感兴趣?能接受前期痛苦?愿持续学习?
2. 正视劣势:数学基础弱、逻辑思维需训练、与科班生竞争处劣势
3. 发挥文科优势:沟通表达强、跨界思维、学习能力强
4. 科学学习路径:0-3个月打基础,3-6个月深度学习,6-12个月实战经验
5. 简历要会“翻译”:用STAR法则、量化成果、针对JD调整
6. 保持学习:AI更新快,不学习就被淘汰
7.用泡泡小程序AiCV简历王做简历优化。

三年后的答案
如果回到2022年6月,我还会做同样选择。不后悔转行AI,也不觉得老王错了。人生没有标准答案。

老王过得很好:稳定工作、即将结婚、有房有车、父母在身边,是很多人梦想的生活。

我选择了更辛苦但可能性更多的路。三年前是对未来一无所知的文科生,现在是年薪50万的算法专家。只要方向对了,文科生也能在AI行业找到自己的位置。

如果你不甘平庸,想抓住时代红利,就勇敢跳出舒适区。转行路很难,但熬过去会看到不一样的风景。

两条路,没有对错。
#聊聊我眼中的AI# #2022届毕业生现状# #毕业后不工作的日子里我在做什么# #毕业季,你想好怎么跟生活对线了吗?# #AI了,我在打一种很新的工#
全部评论

相关推荐

10-23 19:38
已编辑
华南农业大学 运营
⏰秋招投递时间:从八月初开始,到现在,将近三个月✍️共同递250+企业,收到拒信至少50+封,进面(字节、美团、京东等都有)10+场,几乎都卡在群面,估计群面对我有诅咒。(某些企业明确表示要提前实习的我都拒绝了,比如蔚来九月初打电话问能否立刻到岗,直接拒绝❌)😊offer+1(已开奖,查了下行业内正常薪资水平,但对于生物转行的人来说,挺高了)⭐秋招感想:是你的总会是你的,不是你的就不强求,不在一棵树上吊死,该玩玩该吃吃该喝喝,不用过分准备,前期我也是天天哭,后面看开了就开始接各种兼职(包括展会翻译兼职、咖啡店兼职学咖啡),挣到了钱就去玩,深知毕业后没时间玩现在就应该疯狂玩。我深深感觉就是因为去旅游了,整个人放松很多所以面试过程中和面试官聊的很好,一点也不紧张,思路很清晰。🤖普渡机器人一共二面,第一轮业务,第二轮业务+hr(我是边在展会作兼职边面试的哈哈),问的问题不难,就围绕销售经历展开,提问对岗位的了解,对公司的了解,对行业的看法,(我提到自己了解广交会机器人很热闹,自己目前也在做AI教育营销实习,国家政策,特斯拉/宇树科技等机器人的投入现状)自己的优缺点,二面有问我为什么觉得自己能进二面,吸引他们的店是什么,未来的发展规划……anyway,面试的时候就感觉自己能过,所以大家!该玩玩该放松放松,不要紧绷!不要羡慕别人!(身边有同学9月2号就拿到京东offer可把我愁死了当时😭)
面试太紧张了怎么办?
点赞 评论 收藏
分享
作为一名大数据工程专业的研究生,收到华为的实习面试邀请后,我既兴奋又有点紧张。华为在大数据、云计算和AI方面的项目一直颇具规模,我在实验室也经常用到华为云的分布式存储和计算工具,所以这次机会对我来说既是挑战,也是检验自己能力的时刻。面试当天是线上视频面试,HR提前一天发来了会议链接,还贴心地提醒我准备好稳定的网络和耳麦。面试开始,首先是自我介绍环节,我简单交代了自己的学业背景、参与过的项目,以及在实验室做的两个与数据仓库建设相关的课题。技术面提问部分面试官是一位资深的大数据架构师,第一句就直奔主题:“你在项目中具体承担了哪些角色?有没有数据模型设计的经验?”我提到了在校期间参与的一个基于Kimball维度建模的销售分析系统项目,并详细描述了如何在需求分析阶段识别业务过程和度量,以及如何根据不同的数据主题域设计星型模型与雪花模型。我还补充说明了在ETL流程中,如何处理缓慢变化维(SCD),尤其是Type 2类型的实现方法,包括在Hive中通过分区与有效期字段来管理历史数据。他听完后很感兴趣,追问:“如果我们有一个订单事实表,需要支持多维度分析,比如时间、客户、产品,但不同维度的数据规模和更新频率差异很大,你会怎样设计?”我答道:时间维度:预先生成完整的日期维并缓存在DW中,保持稳定不变;客户维度:考虑缓慢变化维,保证历史分析的准确性;产品维度:用码表+关联,保持高查询性能。并说明了在分布式环境(如Spark SQL)下,为避免join带来的性能瓶颈,可以使用广播join或分桶策略。场景题与解决思路接下来,他给了一个具体问题:“如果每天有上亿条设备日志进入系统,需要在分钟级完成故障模式检测,你会怎样设计架构?”我回答:数据采集:采用Flume/Kafka作为实时数据入口,将日志按主题与分区进行路由;实时计算:使用Flink进行流处理,通过窗口函数实现分钟级聚合;特征提取与模式匹配:在流计算过程中调用预先训练好的模型(可能是基于TensorFlow或PyTorch),完成在线推理;数据落地与分析:实时结果入ClickHouse或HBase,历史数据入Hive供离线分析;监控与告警:接入Prometheus+Grafana实现实时监控,并结合规则引擎触发告警。面试官点头认可,但提醒我在实际生产中需要考虑容错和数据延迟问题,比如Kafka的副本机制、Flink的checkpoint与状态恢复等。综合能力考察除了技术问题,他还考察了我的沟通能力与学习能力。他问:“如果你负责的某个数据模块上线后用户反馈查询慢,你会怎样定位问题?”我回答说会先定位问题范围:是前端展示慢还是后端查询慢;如果是后端,先看sql执行计划,分析是否由于join、group by等操作导致大量shuffle;再检查数据倾斜情况,必要时用加盐、按范围拆分等方式优化;同时关注底层存储的索引与分桶方式。思维延展与职业规划最后,他关心我的职业规划。我表示自己未来希望在数据架构与数据治理方向深耕,不仅掌握数据采集、处理、存储的全链路技术,还能从业务视角建立完善的维度模型和指标体系,提高企业数据资产价值。这与华为在智慧城市、通信网络、云平台等领域的需求非常契合。面试在轻松的氛围中结束,面试官说技术能力还不错,但建议我在模型设计中更多考虑跨域数据整合的复杂性,以及如何在超大规模数据环境下保持模型的易维护性。HR最后告知后续会有二面,可能会有更深层的系统设计题与现场编码题。面试感受与经验总结这次一面让我体会到几个关键点:准备要针对岗位需求 —— 华为的大数据实习不只是写代码,还要理解业务流、模型设计、性能优化,尤其是Kimball建模在企业级场景的落地方式。案例要具体 —— 面试时举的例子最好能体现规模、挑战与解决方案,比如数据量级、延迟要求、架构选型等细节。思维要全面 —— 技术方案不仅要能跑通,还要考虑高可用、可扩展性、运维成本等。表达要清晰 —— 把复杂的设计讲清楚,有时候比技术本身更重要。总之,这次面试虽然是虚拟的情景,但过程很真实,如果你未来准备大数据方向的华为面试,可以借鉴这种“技术细节+业务场景+性能优化”的答题方式,即使遇到陌生问题也能从架构思路入手,让面试官看到你的系统性思考能力
点赞 评论 收藏
分享
评论
1
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务