非科班AI小哥火了：他没有ML学位，但得到DeepMind的offer-量子位，
这两天，DeepMind研究工程师的小哥Aleksa Gordi的个人经验贴在Twitter上。不到半天431的“好啊！”就到了。
重点是，这位哥哥在机械学习（ML）专业的背景下什么都没有，但在接触ML仅仅3年后，顺利进入了公司。
自己并不是有“计算才能”，而是因为对机器学习的热情，在不放下本职工作的情况下，过度吸收ML的知识，兼顾自我消化和输出而取得了成功。
我们来看一下非教科系AI的哥哥具体做了什么样的努力和准备。
在非科班出身的本科阶段，小哥学习的是电子工程专业，与计算机科学方面的课程没有太多的接触点。
2016年底，大学毕业前夕，他想“跳槽到软件行业”。
他的一贯主张是，与硬件相比，开放，有哈卡森和数据马拉松，工资也很高。
听说要做。从第二年年初开始自学Android，暑假期间在Telocate这个德国的小启动中负责Android的开发。
这时，哥哥和在MSFT、Facebook、Jane Street等公司实习过的软件工程师朋友聊天。
对于他的朋友来说，算法和结构数据是第二世界
对哥哥来说，关于EE的技能和知识的积蓄对大型科技企业不太在意，算法和数据构造才是硬通货。
聊着聊着，哥哥发现自己和“软件工程师”之间的差距。对于当时23岁的他来说，没有基础工程学知识的16岁孩子是远远优秀的。
那种恶心的心情，让哥哥追了上去。
实习结束，本科毕业的他申请了电子工程硕士学位，但依然向往在大型科技企业工作。
为此，哥哥制定了软件工程学学习计划，还旁听了本科算法课程。
哥哥一边沉迷于学习，一边就职于大型科技企业。
2017年底参加了Facebook、2018年3月和5月参加了微软两次面试，但都没能顺利进行。
2018年2月哥哥通过了3天的入学考试，顺利地进入了微软ML的暑期学校。
微软在ML教室，他的小组最终项目被评为内部最佳项目。
8月上旬，哥哥去巴西实习了。
3天后，接到了一个意想不到的电话。微软先生，据说被召开夏季学校的队伍「队伍HoloLens」采用了！
毫不犹豫地，哥哥接受了报价，离开巴西，9月作为软件工程师进入了微软。
在此，小哥开始了自己的SE和ML职业生涯。
顺便说一下，自从上了暑期学校之后，“去DeepMind”的挑战就在无意识中固定下来了。
入社DeepMind对当时的他来说就像做梦一样。他在培训班接触的DeepMinder都毕业于牛津和剑桥。
但是想想看，对于以前的他来说，“微软”也是够不到的。试着挑战一下DeepMind不也很好吗
在2018年至2019年任职的微软期间，哥哥致力于SE的学习，读了很多Scott Meyers写的C++等编程书籍。在工作的间隙学习ML。
到2018年底，我参加了Coursera的“吴恩达”所有课程，参加了公司内的ML哈克森、ML班，开始阅读研究论文。
随着学习的进步，你哥哥在ML领域越来越好了。
2019年初，哥哥第一次分享了关于ML的博客。
2019年底跳槽为机械学习工程师，被派往ICCV2019。
◆ICCV2019在“微软”展台上表演了HoloLens2
从ICCV2019开始，机器学习课程返回，被要求使用PyTorch从零开始实现论文。
虽然当时他对PyTorch一无所知，但通过这样做，哥哥又长大了。
其他方面的学习进度，小哥制定了一个学习框架。经过粗略的规划，产生了“一年学习AI各子区域”+“每三个月学习一个子区域”的计划。
一开始很难。学习第一个AI子域--新罗风格迁移（NST）花了3个多月的时间。
因此，在每3个月学习一个子领域的大周期中，进行了编入微学习周期的优化。
微学习周期有两种
1、输入模式：获取大量信息。目的是通过博客和动画等深入理解子域的结构，深入理解研究论文和书籍的主题。
2、输出模式：分享所学。制作YouTube视频，启动GitHub项目，写博客，更新Linkedln，共享到Twitter和Discord。
当然不能放弃本职工作。关于工作和学习的平衡，哥哥表现出了坚强的意志。
他保持着“疯狂”的节奏。起床后写两个小时的代码，散步。散完步回来，开始工作。工作结束后休息30分钟。睡觉前工作2~3个小时。
小哥把这部分经验总结为三点，分别是坚强的毅力，正确的心态，以及小憩是金。
哥哥详细地教了我学习NST、GAN等ML详细知识的方法论。
阅读keep learning书籍和最先进的论文是最直接地获得ML相关知识的手段。
学习神经风格迁移（NST）DeepDream生成对抗网络（GAN）NLP amp等在学习Transformers、强化学习（RL）等知识的过程中，哥哥读了很多最尖端的论文和尼奇的论文。其中，为了使用PyTorch制作受欢迎的GAT，Transformers相关的论文提供了灵感的一部分。
△Graph ML
作为对初学者和善的GAT受欢迎，也成为剑桥大学GNN讲座的推荐内容。
除了沿着学习的“主线”前进之外，哥哥从2020年初开始就发现自己数学不够。因此，我花了很多时间读了《Learning How to Learn》、《Python Data Science Handbook》、《Deep Learning》等，加快了速度。
与此同时，学习知识并使之固定下来也是必要的。
补充CNN及其优化知识，实现vanilla GAN、cGAN（有条件GAN）、DCGAN模型…旧知识的补充和新知识的不断加瓦，不断夯实小哥的知识库。
这是他学习GAN后输出的DCGAN模型的图像
（从男人到女人（角度和肤色也会改变）
在此过程中，根据知识要点的难易程度，结合实际情况，小哥将进一步改进完善学习策划。
例如，调整学习时间。因为变得有趣，NST领域的学习时间比预定的3个月长了。
或者，提取并总结。另一方面，在学习GAN的时候，在各自学习的大框架结束的时候写了博客，总结了至今为止学到的东西。
或者你也可以选择先知后不知的学习流程。RL是DeepMind取得飞跃性发展的领域。它不仅与其他ML的子领域不同，而且在这期间需要理解的论文和项目不计其数。AlphaGo、DQN、OpenAI机械手等。
面对这个难题的哥哥，从自己最感兴趣的部分计算机视觉（CV）切入，从那里向不太熟悉的课题前进。
那个时候，哥哥不想闭门不出，定期和GraphML领域最优秀的研究者之一的Petar Velikovi（佩特尔维利科维）研究员等聊天，和博客的读者等交流，学到了很多。
他用“微软”在300多名同事面前发表了演讲。这对他来说是跨越舒适圈的操作。
（300+微软在同事面前演讲。）
还有很多其他的尝试来摆脱舒适圈。通过维持输入，消化知识，输出。
他打开了自己的YouTube频道，制作了NST、GNN等多个系列视频，将他的ML学习之旅与网友分享，在帮助自己深思的同时，也帮助了别人。
看这张图，你可以用哥哥编写的代码合成的NST图像，用他的GitHub项目制作。
关于BERT和GPT系列模型的知识也在哥哥的学习范围内，Transformer有助于理解它们。
他从零开始读NLP amp。transformers相关论文。因为会英语和德语，他又建立了英德机翻译系统。
哥哥主要在OneNote记录学习之旅。
◆哥哥的OneNote
工作和学习双线推进，微软这里，哥哥开发了HoloLens2上眼动跟踪子系统的眼镜检测算法，从事各种SE和ML项目，包括使用视频编码为各种VR/MR设备添加关注点渲染功能等。
DeepMind给他开门的2021年4月，在彼得的介绍下，哥哥认识了猎头。浏览了哥哥的YouTube视频、GitHub代码库、LinkedIn后，哥哥得到了猎头的推荐，顺利收到了DeepMind的面试通知。
写到这里，哥哥强调人际关系对找工作的重要性，应该和同志建立高质量的联系。
◆哥哥申请了DeepMind的简历，他在博客上提议优化这份简历
DeepMind有两支队伍。
1、核心研发团队。偏重于纯粹的研究，项目实例为AlphaFold、AlphaGo等。在这个团队中，研究工程师从事的其他项目可能涉及与研究科学家合作实现一些研究思路。
2、应用程序团队。有数据中心节能项目、谷歌应用商店推荐系统改进、WaveNet、Android节能等项目。
哥哥申请的单位是研究工程师。能进公司的DeepMind，就是说这个人需要好好的知识储备。
因为没有发表过论文，如果没有以往的项目和工作经验，哥哥不一定有这次DeepMind的面试机会。他表示，再优秀的人也有可能被科技巨头公司拒之门外，所以不用太大压力。
哥哥分享了一些自己准备的面试技巧。
1、认真研究每一位面试官。了解他们的职业背景，如果可能的话看看他们的论文（至少阅读被引用次数最多的），有助于提出相关问题。
2、了解简历中列出的所有项目。请让我能和面试官深入探讨。
3、模拟面试。
DeepMind的调性、小