大家好，今天我想和大家分享一下关于我对北美的同学，在北美公司、中国大陆还有其他一些像新加坡、欧洲一些科技公司，想在AI方面找岗位的同学一些面试上的建议。我在国内和美国都有过实习以及工作的经历，所以这方面的话，我可以结合我的一些真实的经历来输出一下我自己的理解。
AI方向分很多种，有机器学习、传统机器学习、Computer vision、NLP、机器学习平台、推荐算法，它有很多的工作方向。然后我建议是你的简历只需要Focus其中的一点，不要什么点都去cover，这样子的话会让你的简历没有重点。
其实很多公司他在筛简历的时候，尤其是一些初创型公司和中型公司，他们有时会把机器学习岗位分成以你的特长或者说公司需求为主的几个类型，基本上会分成NLP、视觉、机器学习系统、机器学习平台服务，还有一些机器学习的应用型方向。
对于想要跳槽同学来说，你就需要针对特别的岗位或者你特别想去的一些职业方向，去对你的简历进行着重的润色。你所细分的领域去着重的描述一下你的项目以及你的之前的工作经历，还是case by case。
基本上现在机器学习方向的话，大热门的会有几个方向，但我个人认为比较好的是一个是NLP，一个是机器学习系统。NLP的话，大家都知道LLM这个大模型出来之后很多公司都需要这方面的人才，当然多模态也是一个比较好的方向，所以有多模态经历的同学其实也是可以去申请一些比如说像相关学校和创业公司非常有竞争力岗位的这种职位。
多模态目前我觉得今后会成为一个较大的热门方向，虽然目前的话大家都往这个LLM赛道上跑，但是LLM赛道可能NLP只是一个起点。然后LLM会跟多模态相结合，未来的市场爆发起来的潜力也是无穷的。
以上这是我个人理解，所以懂多模态的同学可以好好的在这几年准备一下，应对今后几年的这种招聘，我觉得还是很有意义的。当然现在市场上另外一些比较急缺的人才就是机器学习系统，机器学习系统分训练和推理，当然后面的服务其实也是机器学习平台的一部分。
我们着重说明前两个方向。训练基本上就是说我们是需要帮助公司、业务方把我们训练大模型的训练成本给压低。另外就是推理，推理的话基本上跟上线服务有很大的联系，也是公司最大的利润来源。你提高1%的速度对某些模型，如果你的应用场景比较大、接受的用户比较多的话你能够提升1%的速度，对公司的利润都是一个非常大的提升，所以推理方向的话其实也是现在市场上比较急缺的一些的岗位。
它对编译、硬件底层以及体系架构、背景知识都需要很深的了解，而且要对硬件有很深的认知，这样子的话你才能够写出比较好的底层代码，从而能够让你的无论是公司的模型，还是一些其他各种各样的模型能够跟硬件相匹配，然后跑出比较好的latency，或者说能够帮助这套模型上线服务的时候达到比较高的吞吐。这样的话对公司的利润也是一个比较大的提升，这也是给大家一点建议。
之后如果有机会，我将会给大家分享些其他的一些相关的思考。
