本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

這兩天，DeepMind研究工程師小哥Aleksa Gordi?的個人經驗貼在Twitter上火了一把。不到半天時間，點贊達431。

重點是，這位小哥啥機器學習（ML）學科背景都沒有，但在接觸ML僅3年后，順利入職DeepMind。

他強調自己不是一個有“計算天賦”的人，全靠對機器學習的熱情，在不耽誤正職的前提下，瘋狂攝入ML知識，同時保持對知識的自我消化和向外輸出，最終成功上岸。

他在評論中表示，這篇博文對許多DeepMinder找工作都很有幫助。

讓我們一起來看看這位非科班AI小哥，具體做了哪些努力和準備。

非科班出身

本科階段，小哥學習的是電子工程專業(yè)，和計算機科學方面的課程交集不大。

2016年底，本科快畢業(yè)時，他驚覺自己想轉到軟件行業(yè)。

和硬件行業(yè)相比，他認為軟件行業(yè)更加開放，有各種黑客馬拉松和數(shù)據(jù)馬拉松，還擁有更為可觀的薪資待遇。

說干就干。次年初，小哥開始自學Android，并于暑期在Telocate （一家德國小型創(chuàng)業(yè)公司）實習，擔任Android開發(fā)。

也在這時候，小哥和曾在MSFT、Facebook、Jane Street等公司實習過的軟件工程師朋友聊天。

對他的一些朋友們來說，算法和結構數(shù)據(jù)已經是第二天性般的存在；

而對小哥來說，大型科技公司并不太在意他在EE方面的技能和知識積累，算法和數(shù)據(jù)結構才是硬通貨。

一番交流下來，小哥意識到自己和“軟件工程師”之間的鴻溝。對于時年23歲的他來說，一個16歲且缺乏大量基礎工程知識的孩子都遙遙領先。

△小哥幽默地告訴朋友自己落后了（實際那時候他非常絕望），朋友鼓勵他慢慢來

這種糟心的滋味，促使小哥下定決心飛速追趕。

實習結束，本科畢業(yè)后的他雖然申請了電子工程碩士學位，但依然對大型科技公司的工作機會心向往之。

為此，小哥動手制定了一份軟件工程學習計劃，還旁聽了本科算法課程。

小哥一邊開啟他的瘋狂學習之旅，一邊申請大型科技公司崗位。

過程并非一帆風順，經歷2017年年底的Facebook面試、2018年3月和5月的兩次微軟面試，小哥都未能成功入職。

好在2018年2月時小哥通過為期3天的入學考試，順利申上微軟ML暑期培訓班。

△微軟ML暑期培訓班的錄取通知

微軟ML培訓班里，他所在組最終項目被評為內部最佳項目。

8月上旬，小哥遠赴巴西實習。

三天后，小哥接到了意想不到的電話，微軟告訴他，他被舉辦暑期培訓班的團隊“HoloLens團隊”錄用了！

沒有猶豫，小哥接下了offer，離開巴西，在9月順利入職微軟，擔任軟件工程師。

至此，小哥開始了自己的SE以及ML職業(yè)生涯。

不得不提的是，自從參加了暑期培訓班，“要去DeepMind”這個挑戰(zhàn)就在小哥潛意識里扎了根。

入職DeepMind對當時的他來說仿佛天方夜譚：他在培訓班接觸的DeepMinder都畢業(yè)于牛津和劍橋。

但轉念一想，對于曾經的他來說，微軟同樣遙不可及，挑戰(zhàn)DeepMind又何嘗不可呢？

2018年至2019年在職微軟期間，小哥盡力學習SE，閱讀很多Scott Meyers 撰寫的 C++等編程書籍；工作之余，則學習ML。

2018年年底之前，小哥學完了 Coursera 上吳恩達的所有課程，還參加了內部的ML黑客馬拉松、ML培訓班，并開始閱讀相關研究論文。

隨著學習進程的加深，小哥對ML領域越來越得心應手。

2019年初，小哥第一次分享了關于ML的博文。

2019年底，小哥調崗到機器學習工程師，被派參加ICCV2019大會。

△ICCV2019大會上，小哥在微軟展臺演示HoloLens 2

機器學習課程

從ICCV2019回來，小哥被要求利用PyTorch從零開始實現(xiàn)一篇論文。

那時候，他對PyTorch一無所知。好在通過完成這個任務，小哥再一次飛速成長。

其它方面的學習進程，小哥制定了一個學習框架。經過大致規(guī)劃，一個“一年內學習AI各個子領域”+“每3個月學習一個子領域”的計劃誕生了。

萬事開頭難。所學習的第一個AI子領域，神經風格遷移（NST），耗費時間超過了3個月。

借此，小哥對學習計劃進行了優(yōu)化，即在每3個月學習一個子領域的學習周期大框架下，穿插微學習周期。

微學習周期有兩種類型：

1、輸入模式：大量攝入信息。這一模式的目標是通過博客、視頻等對子領域的結構有一個深度理解，或是通過研究論文、書籍對某個主題深入了解。

2、輸出模式：分享所學知識。制作YouTube視頻、建立GitHub項目或撰寫博文、更新Linkedln、分享相關內容到Twitter和Discord。

主業(yè)當然不能落下。在如何平衡工作和學習這個問題上，小哥展現(xiàn)了自己的強大意志力。

他一直保持著一種近乎“瘋狂”的節(jié)奏：起床后，寫2小時代碼，然后散會兒步；散步歸來，投入微軟工作；工作結束，小憩30分鐘；睡前再工作2-3小時。

小哥把這部分的經驗總結為3點，分別是強大的毅力，正確的心態(tài)，以及小憩是金。

授人以漁，小哥詳細介紹了他學習NST、GAN等ML詳細知識的方法論。

keep learning

閱讀書籍和前沿論文是最直接獲取ML相關知識的途徑。

學習神經風格遷移（NST）、DeepDream、生成式對抗網絡（GAN）、NLP & Transformers、強化學習（RL）等知識的過程中，小哥都閱讀了大量的前沿和小眾論文，其中，Transformers相關論文為小哥用PyTorch做出一個流行的GAT提供了部分靈感。

△Graph ML

因對初學者友好，這一GAT大受歡迎，并成為劍橋大學GNN講座的推薦內容。

除了沿著學習“主線”前進，早在2020年初，小哥就意識到自己在數(shù)學方面有所欠缺。因此，他花時間閱讀了《Learning How to Learn》《Python Data Science Handbook》《Deep Learning》等，來加速他的學習進度。

與此同時，對相關知識進行學習和鞏固是非常有必要的。

補充CNN及其優(yōu)化知識，實現(xiàn)vanilla GAN、cGAN（條件GAN）和 DCGAN 模型……舊知識的查漏補缺和新知識的不斷加瓦，不斷夯實小哥的知識庫。

這是他學習GAN后，所訓練的DCGAN模型輸出的圖片：

△由男人演變?yōu)榕耍ń嵌群湍w色也會改變）

在這個過程中，根據(jù)知識要點的難易程度，結合實際情況，小哥還會改進和完善學習策劃。

比如調整學習時長。因為倍感有趣，小哥花費在NST領域的學習時間，就比原定計劃的3個月要長。

或者進行提煉總結。而在學習GAN時，他開始在每篇學習大框架下的末尾寫一篇博文，來總結所學到的知識。

抑或選擇先熟悉、后陌生的學習流程。RL是DeepMind取得突破性發(fā)展的領域，它不僅與其它ML子領域有所不同，其間亟待了解的論文和項目更是不可計數(shù)，如如AlphaGo、DQN、OpenAI機械手等。

面對這個難題，小哥從自己最感興趣的部分——計算機視覺（CV）——切入，而后再朝不那么熟悉的課題進發(fā)。

在做這些的時候，小哥沒有閉門造車，而是與Graph ML領域最優(yōu)秀的研究人員之一、DeepMind研究員Petar Veli?kovi?等人定期聊天，或是博文讀者等進行交流，受益匪淺。

消化后的向外輸出

小哥提到，他在微軟300多名同事面前做了一次演講，這對他來說是一次跳出舒適圈的操作。

△在300+微軟同事面前演講

跳出舒適圈的嘗試還有很多。保持知識輸入之后，他也在消化知識，并向外輸出。

他開啟了自己的YouTube頻道，做了NST、GNN等多個系列的視頻，與網友分享他的ML學習之旅，在幫助自己深入思考的同時，也幫助別人。

看這張圖，它是使用小哥編寫的代碼合成的NST圖像，你可以使用他的的 GitHub 項目創(chuàng)建它。

關于BERT和GPT系列模型的知識也在小哥的學習范圍內，Transformer可以幫助了解它們。

他從零開始閱讀NLP & transformers相關論文。因為會英語和德語，他又創(chuàng)建了一個英德機翻系統(tǒng)。

小哥主要用OneNote記錄著學習旅程。

△摘自小哥的OneNote

工作和學習雙線推進，微軟這邊，小哥從事著各種SE和ML項目，如開發(fā)了HoloLens 2上眼動追蹤子系統(tǒng)的一個眼鏡檢測算法，使用視頻編碼為各種VR/MR設備添加注視點渲染功能等。

DeepMind向他敞開大門

2021年4月，經由Petar的介紹，小哥結識了一位獵頭。在瀏覽了小哥的YouTube視頻、GitHub代碼庫和LinkedIn后，小哥獲得獵頭推薦，順利接到了DeepMind的面試通知。

寫到這里，小哥強調了人際關系對于找工作重要性，應該和志同道合的人建立高質量的聯(lián)系。

△小哥申請DeepMind的簡歷，但他在博文中對這份簡歷提出了優(yōu)化建議

DeepMind共有兩個團隊：

1、核心研發(fā)團隊。偏向于純粹的研究，項目例子是AlphaFold、AlphaGo等。在這個團隊中，研究工程師從事的其它項目可能涉及與研究科學家合作實現(xiàn)某些研究思路。

2、應用團隊。所做的一些項目包括數(shù)據(jù)中心節(jié)能項目、改進Google應用商店的推薦系統(tǒng)、WaveNet、Android 節(jié)能。

小哥申請的崗位是研究工程師。能入職DeepMind意味著這個人要有扎實過硬的相關知識儲備。

因為沒有發(fā)表過任何論文，如果沒有之前的項目和工作經驗，小哥不見得能有這次DeepMind的面試機會。他告訴大家，再優(yōu)秀的人也有可能被科技巨頭公司拒絕，所以不用給自己太大壓力。

小哥分享了一些自己準備的面試技巧。

1、認真研究每一位面試官。了解他們的職業(yè)背景，有可能的話看看他們的論文（至少閱讀被援引次數(shù)最多的那一篇），這樣有利于提出相關問題。

2、了解透簡歷中提及的每一個項目。以便于你能和面試官深入探討他們。

3、模擬面試。

圍繞DeepMind的調性，小哥還認真研究了一番AGI，閱讀了相關前沿論文。

面DeepMind研究工程師這個崗，一共有首次溝通、訪談、測驗、編程考核、領導面等步驟。準備這些建議早做打算，因為小哥沒來得及抱完佛腳，面試日就到來了。

第六面中，小哥被遺憾pass了。好在技術過硬，他又被安排參加了一次孵化/應用部門的面試。又一次充足準備后，offer到手。

值得欣慰的是，后來的這次面試讓小哥意識到，孵化團隊的工作更適合他。

在7月30日的Twitter評論區(qū)中，小哥將整個分享博文做了精簡的概括，幫助讀者快速抓取有效信息點。

當然，原始博文中，小哥還還附加了很多他積累的ML相關課程鏈接，以及當前ML（如 GNN）的最新研究進展，感興趣的話，不妨進原文深度閱讀一下。