我的本科专业是数据科学与大数据。听起来和AI好像挺接近，但真正到了找工作的时候，我才发现，学校里学过一些计算机基础、数据相关知识，并不等于自己就具备企业真正需要的AI开发能力。尤其是看到招聘软件上那些AI相关岗位，深度学习、模型应用、项目经验、工程能力……很多要求我都知道“大概是什么”，但真让我独立做出来，我心里没底。

我的专业是数据科学与大数据，大学里也接触过一些计算机相关的内容，所以刚开始找工作的时候，我觉得自己和AI多少还是沾点边的。但真正打开招聘软件，看了一圈AI开发相关的岗位之后，我才发现不是那么回事。

很多岗位要求的不只是“学过”，而是真的需要你会做项目、会写代码、能把模型或者相关技术用到实际场景里。那些岗位描述里的东西，有一些我知道是什么，但如果真让我自己从头做，我没有太大把握。

当时摆在我面前其实有两个选择，一个是继续找和自己现有能力比较接近的岗位，先就业再说；另一个就是趁着刚毕业，花点时间把AI开发这块系统补起来。

我纠结了一阵，最后还是想试试后者，因为如果现在因为不会就放弃，以后大概率还是会觉得遗憾。

决定学是一回事，具体怎么学又是另一回事。

我自己也在网上找过资料，看过不少视频，但最大的感觉就是内容很多，而且比较散。今天学这个，明天看那个，真正让我说出一条完整的学习路线，我自己其实是说不清楚的。

后来了解到近屿智能，我先找老师聊了一下。我当时问题很多，而且有些问题现在回头看其实挺基础的，比如我这个专业适不适合转AI、目前基础算什么水平、以后能投哪些岗位、是不是一定要数学特别好之类的。

销售老师没有一上来就跟我说课程多好，而是先问了我之前学过什么、目前会什么、以后想往哪个方向找工作。

这一点让我比较舒服，至少不是还没了解我的情况，就直接告诉我“你肯定适合”。

聊完以后，我对自己的情况反而更清楚了：并不是完全从零开始，但现在掌握的东西离AI开发岗位还有距离，尤其是项目和实际应用这一块比较薄弱。

后来我才决定报名，没有什么特别戏剧性的原因，就是觉得与其继续自己摸索，不如按照一套相对完整的路径去学。

刚开始上课，我最担心的是自己跟不上，不过真的开始之后，反而觉得听课本身不是最难的。

真正难的是做。以前在学校里学一些东西，很多时候考试能写出来、概念能说出来，基本就算掌握了。但做项目不是这样，代码跑不起来就是跑不起来，功能没实现，也不能靠“我大概知道原理”糊弄过去。

所以那段时间，我慢慢把学习习惯改了不少，上课的时候尽量跟着老师思路走，课后再自己做一遍。遇到问题就查，实在解决不了就问老师。

以前我比较容易犯的一个毛病是，碰到一个问题卡半天，就想着先放一放，等后面有时间再解决。结果通常就是后面也没解决，那段时间因为一直要做作业、做项目，就只能逼着自己把问题一个个处理掉。

从基础内容，到后面更偏实战的部分，慢慢做下来以后，我对AI开发这件事的理解才不像最开始那么模糊。

课程后面进入求职阶段，我反而比上课的时候更紧张，因为学习的时候，只要花时间，大多数问题最后都能解决。

但求职不是，你不知道投出去的简历有没有回复，也不知道下一场面试会问什么。

我刚开始整理简历的时候，想法也很简单，就是把自己学过的东西尽量都写进去。

后来就业老师帮我看了之后，让我重新整理了项目内容。

我才意识到，企业其实不会特别关心你“学过多少东西”，更关心的是，你到底做过什么。所以后来我花了不少时间重新整理项目，模拟面试也参加了几次。每次模拟完，我都会把回答得不好的地方再重新梳理。

有时候一场面试下来，自己能明显感觉到哪里回答得不好，回来还会有点懊恼，但面得多了以后，也会发现自己确实在进步，直到最后拿到AI开发岗位Offer的时候，我没有特别夸张的反应。

更多是松了一口气，因为整个过程比我刚开始想象的长，不是报名以后学几节课，然后突然就找到工作，中间还是要自己上课、敲代码、做项目、改简历、准备面试。

有些东西别人可以告诉你怎么做，但最后还是得自己完成，比较意外的是，最后谈下来的薪资比我之前预期的还高一些，现在回头看，我觉得自己最大的变化并不是“学会了多少新名词”，而是以前我只是觉得AI这个方向不错，想往这个方向发展，但具体应该怎么走，其实没有概念。

后来慢慢变成了，我知道自己缺什么，也知道应该怎么补，包括最开始和近屿智能销售老师沟通的时候，现在想想，我比较认可的也是这一点。

没有让我觉得只是在听人介绍课程，而是至少先帮我把自己的情况理了一遍，后面的技术学习、项目训练、求职准备，则是把这件事情一点点往前推进，我不会觉得上完一个课程就代表以后工作肯定一帆风顺。

真正进入行业以后，该学的东西肯定还有很多。回想起来，如果没有当时那个决定，我现在可能也已经在工作，只是不一定是在自己真正想做的方向。