這天我收到一條留言，是一個畢業2年在職粉絲，問到：如何才能相對正确地選擇職業？
看到這條消息的我，突然回想起研0選擇方向時的無奈與剛畢業那會的迷茫。于是我和一個資深算法工程師讨論了這個問題????
您說在這樣内卷時代
應該如何選擇相對正确的職業呢？
首先職業選擇的話，主要可以分為 行業的選擇和崗位的選擇，基本這兩個定了以後，未來要換大機率也是同行業或者同崗位，否則類似于重頭開始了
要做好這兩個選擇的話，一是在于了解自己，二是了解世界；
了解自己，即明确自己的性格、興趣，最好還有志向所在，明确自己是否熱衷于溝通、是喜歡穩定還是冒險、心底裡做想做的是什麼；
了解世界，就是知道未來五年、十年社會的大趨勢、即将落地的新技術及新行業、國家政策的導向
嗯嗯
剛畢業的同學一般都不夠了解自己，這個一方面可以多思考多讨論，一方面可以開放些多做嘗試，那麼在崗位的選擇也可以暫時跟随主流或者自己的特長；不夠了解世界的話，可以看一些優秀的紀錄片和文章，先有個大緻的概念，同時積極關注自己所在行業的前沿動态
總而言之，就是預測五年後的風口（十年很多人沒這個耐心），從中選一個自己最感興趣的，思考自己要在其中擔任什麼角色，從現在開始為之努力
人工智能未來的風口很難預測準确，但可以從最新的熱門研究領域窺見一二。
人工智能一直以來的發展目标是實作具有觀察環境資訊、獨立思考決策的智能體（Agent)。智能體不僅需要智能提取資訊，還需要做出智能決策，并且可以積累經驗，保持學習的能力。
而深度強化學習（Deep Reinforcement Learning，DRL）是實作這一目标的理論基礎。DRL作為人工智能的最新成果，功能強大且發展迅速，在工業界已經有很多落地應用，是非常值得研究的領域之一。
落地應用方向：
① 工業應用：機器人作業；
② 金融貿易應用：預測未來銷售額、預測股價等；
③ 自然語言處理（NLP）應用：文本摘要、自動問答、機器翻譯等；
④ 醫療保健應用：提供治療政策；工程中的應用：資料處理、模型訓練；
⑤ 推薦系統中的應用：新聞推薦、時尚推薦等；
⑥ 遊戲中的應用：AlphaGo、AlphaZero等；
⑦ 廣告營銷中的應用：實時競價政策；
⑧ 機器人控制中的應用：機械臂抓取物體等。
但要想從強化學習領域發表論文和落地應用，就一定要了解并掌強化學習領域的經典Paper，這樣才能梳理出主要的知識架構。
我給粉絲們推薦 深度之眼 《強化學習：Deep Q-learning 論文精講班》。
節約找資料的時間，來進行高效學習：
↓ 掃描下方二維碼添加班主任 ↓
↓ 回複：強化學習 即可免費報名參加 ↓
↑ 班主任：加我進直播群、領取資料哦 ↑
1
強化學習高手方法論，教你系統學習論文
深度之眼Quincy導師結合自己工作及學習經驗，并配合深度之眼教研團的打磨，總結出一條強化學習的高效學習路徑：
2
2場直播+錄播 夯實強化學習
Step1：系統了解 強化學習 技術演化路徑及發展曆史
Step2：精講強化學習基石論文 — DQN
《 PIaying Atari with Deep Reinforcement Learning 》，簡稱DQN。是第一篇成功的結合了強化學習和深度學習的工作的論文，在許多遊戲環境中超越人類水準，展示了深度強化學習的巨大潛力 。
1套系統方法論：2步走教你啃透論文
Step1：深挖研究背景
提綱摯領，從4大次元介紹論文，深入講解論文發表的研究背景、成果及意義，介紹論文中取得的核心成果，對比解決同一問題，已有解決方法和論文中提出的新的解決方法的優缺點，熟悉論文的整體思路和架構，建立對本篇論文的一個概貌性認識。
Step2：死磕算法模型
老師會重點講解論文中的模型原理，深入拆解模型結構，對關鍵公式逐漸推導，讓你了解算法每一個因子是如何對結果産生影響的，掌握實驗手段及結果，老師會幫你拎出論文中的關鍵點、創新點和啟發點，節約你自己摸索的時間。
3
高手伴學，實作高效學習
· 3天高品質社群服務，導師全程陪伴
· 2場直播+錄播，帶給你完整的論文複現流程
· 200+學員同群交流，學習經驗up up⬆⬆⬆
· 助教24小時答疑，再也不怕debug
· 專屬班主任私信督學，治療學習拖延症
重點是，如果你不知道怎麼學習，購買課程後，班主任1v1給你制定學習計劃！
4
完課即贈價值298元學習大禮包
為了激勵大家完成學習，我們還準備了價值298元的算法工程師面試錦囊。隻要完成全部課程的學習，你就能私信班主任擷取！
5
學員好評，真香！
這一次，我給粉絲們申請了50個直播福利名額，參加即贈秘籍：《效率提升3倍的Paper閱讀方法》
↓ 掃描下方二維碼添加班主任 ↓
↓ 回複：強化學習 即可免費報名參加 ↓
↑ 班主任：加我進直播群、領取資料哦 ↑
如果你不知道怎麼讀論文、不知道如何正确複現論文，一定要跟着這門課程學習一次，因為正确的方法可以節約你10倍的閱讀時間。