Sam 是材料科学博士，毕业后在美国高校和国家实验室从事研究。他于2023年9月加入 Techlent 机器学习训练营，于2024年2月开始求职，并于同年6月拿到 Offer，加入一家科技初创企业担任 AI Engineer，负责 LLM Agent 的Quality Assurance 和Evaluation。此后，他又加入美国一家知名制造业企业，负责 AI 技术在制造业中的落地应用。 本次分享会中，Sam 分享了他的转行、求职经历，以及两年来在工业界担任 AI Engineer 的心得体会，并现场回答了大家的问题。 本期时间轴： 00:00 Sam自我介绍：背景与求职时间线 04:20 为什么从材料科学转行到 AI ? 07:47 转行后第一份工作： AI 测试工程师在做什么 ？ 10:53 个人技术成长：AI × Domain Knowledge 的重要性 15:05 硅谷公司未来发展争议：AI伦理与 National Security 25:32AI 对 SaaS 模式的影响：融合还是替代？ 34:05 你认为什么程度才算“会用 AI”？ 46:58 传统行业（制造业、医疗...）数字化的挑战 52:13 SaaS 与 AI 在 B2B 场景的结合 56:26 AI 公司与政府合作的伦理与法律问题 01:02:00 AI 在企业数字化转型的应用：知识、业务逻辑的智能化 01:10:48 转行 AI 求职：材料科学背景怎么讲？ 01:18:27 Sam 学术界经验分享：选择导师、学术圈封闭、教职有限等等 01:30:14 OpenClaw 新思考：智能体应用的开放领域、无终点 01:39:43 封闭领域 AI 应用：AI 助手与工作自动化 Q&A 01:56:45 AI工程师待遇和之前码农一样吗？ 01:59:15 AI论文润色工具出来后，编辑有危机感吗？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Alex 是加拿大应届本科毕业生，拥有商业管理和数学双学士学位。2024年12月毕业后,他于2025年2月参加了Techlent数据分析训练营，4月拿到实习offer，并于8月成功转正成为一名数据分析师。 在本次分享会中，Alex 分享了他的学习、求职和工作心得，并现场回答大家的问题。 本期时间轴： 00:05 Alex自我介绍：背景与求职时间线 03:04 2025 加拿大求职市场整体情况 04:15 求职初期 0 面试的原因复盘：简历与岗位脱节、僵尸岗位 06:14 求职策略调整：量化目标、重 BQ 轻 Hard Tech、SQL「够用即可」 11:57 拿到 offer 的完整经历：四轮面试复盘 17:06 求职节奏管理：每天坚持投递、越早开始越重要 20:38 留学生视角：在滑铁卢大学读书期间的压力与挑战 24:26 为什么选择商业管理 + 数学双学位 27:30 为什么三段实习都偏向marketing方向？ 35:51 什么时候对数据分析感兴趣的？ 42:04 加拿大就业市场特点 & 实习的重要性 47:05 投递时机策略：竞争激烈时不投开放 24h 后的岗位 50:12 简历优化要点（Title / 项目描述）& BQ 准备方法 55:35 面试中沟通能力为什么比想象中更重要？ 59:29 SQL 面试是如何准备的？ 1:10:33 对于偏内向的同学在国外找工作，有什么建议？ 1:17:08 求职后期，心态与坚持的重要性 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Bo 是食品科学博士，毕业后先是在食品行业做产品研发，后来转到制药公司做药物分析。2025年2月，Bo参加了 Techlent 的AI训练营开始学习，2025年11月拿到两个offer，成为金融行业的数据科学家。 在本次分享会中，Bo 分享了他的学习、求职和工作心得，给到很多亲身经历后的经验体会。 之后将整理文字版，详情可关注xhs@北美data打工人 本期时间轴： 00:12 Bo 自我介绍：背景与求职时间线 02:50 食品科学专业学什么 & 博士期间研究经历 06:31 从食品行业到药物分析：第一次跨行业求职经历 11:59 为什么选择转向数据科学？ 19:41 数据科学方向众多，如何做出自己的方向选择？ 20:58 camp学习过程和自己预想的一样吗？ 23:14 学习中的主要挑战：哪些部分比较难、如何突破？ 30:46 求职复盘：项目选择、个人定位与心态管理 41:45 企业级项目 vs 学校项目：实战经验重要性 55:01 2025年求职，你觉得比之前艰难吗？ 1:03:10 面试高频问题：如何回答为什么转行？ 1:06:14 进入金融行业后的真实体验：行业选择重要吗？ 1:10:08 从业者视角看金融行业的 AI 应用现状 1:20:44 食品 → 制药 → 金融 AI：不同行业的薪资差异 1:24:59 AI 发展加速期，如何规划长期职业与人生路径？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

1月24日，我们邀请硅谷AI初创公司Reinforce Labs的创始工程师（Founding Engineer）任时鸣老师分享AI实战经验。 任老师是卡耐基梅隆大学计算机硕士，毕业后分别在亚马逊担任过机器学习工程师和开发经理、在Twitch担任过AI 工程经理、并在Visa担任过AI平台高级总监。同时，任老师也是Techlent《AI系统设计》课程的专家讲师。 本次分享会中，任老师分享了她在硅谷AI生态中的深度观察：硅谷 DA / DS / MLE 岗位差异与演变、新兴岗位 Forward Deployed Engineer 解析、AI 应用催生的新职业形态、各个岗位招聘需求如何变化等等....... 本期时间轴： 00:00 嘉宾介绍：硅谷大厂工作到 AI 创业经历 05:00 创业公司 Reinforce Labs 介绍及其核心方向 21:00 AI + 保险行业落地与安全性测试 24:39 Reinforce Labs tech部门当前招人需求 26:31 硅谷不同公司中 DA / DS 岗位的职责差别 37:34 新兴岗位拆解：Forward Deployed Engineer（前置部署工程师）解析 47:34 AI 带来的新职业：从 Vibe Code Cleanup Specialist 看岗位变化 51:20 大模型在前端界面及交互中的应用 53:18 硅谷 MLE 职责变化与当前能力要求 Q&A 1:02:21 面试考察：Coding 面试通常考什么？ 1:08:02 SDE 招聘趋势：传统 SDE 岗位需求正在发生哪些变化 1:10:54 理工科专业在不同学校的区别？（氛围、地理位置...） 1:20:37 New Grad 在校实习经验的重要性 1:28:53 有很多岗位融合了，是不是后面还会裁员？ 1:33:51 Startup 是否比大厂更不容易裁员？ 1:38:01 Work-Life Balance：Startup 和大厂的真实工作强度对比 1:50:54 湾区大厂更偏好什么样的人？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Lisa 是美国服装纺织硕士，毕业后从事网页设计（Web Design）和用户体验研究（UX Research）。2024年9月，Lisa参加了 Techlent 的 Data Analyst 训练营，并于2025年3月成功拿到 offer，成为一名Sr Marketing Research Analyst。 在本次分享会中，Lisa分享了她的学习、求职和工作心得。 本期时间轴： 01:46 lisa转行背景与自我介绍 05:22 Web Design和UX Research区别大吗？ 08:27 为什么会考虑转数据分析？ 11:13 非理工科背景顾虑及为什么选择Techlent camp？ 18:46 学习过程中的挑战：数据分析思维转变、工具上手与 SQL 学习 26:59 面试能力提升：SQL学习、Mock Interview 经验分享 35:54 求职经验分享：如何更高效地进行海投？ 41:54 25年求职环境分析：找工作会更难吗？ 44:27 求职关键细节：简历优化与 Cover Letter 撰写思路 50:57 Camp 学习小组带来的实际帮助 56:28 转行求职中，如何讲好自己的「转行故事」？ 01:06:55 复盘转行过程：哪些弯路其实可以避免？ 01:28:57 给正在准备或已经转行同学的建议 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

本期，我们邀请李果博士、王未冉博士、张宁博士根据亲身经历，从美国华人博士群体的视角讲一讲"中产斩杀线"这个话题。 美国的生活与中国有着巨大的区别，背井离乡的博士生和博士后们生活往往清贫而艰辛。他们需要克服经济、生活、文化上的各种困难，在学业和事业上不断前进，从接近"中产斩杀线"的逆境中一步步逆袭成功。 在 Techlent，我们见证了许多这样的故事。 本期时间轴： 本期时间轴： 00:00 三位博士初到美国的真实生活状态与落差 10:29 美国生活的刚性成本结构：房租、医疗、交通几乎不可压缩 21:19 人生阶段变化带来的成本跃迁：身份限制、结婚与生育压力 26:00 “斩杀线”概念解析：跌破生存底线后，基本保障迅速丧失 28:14 中美消费习惯与社会文化差异对生活质量的影响 36:39 美国医疗体系的高成本与真实保险踩坑经历 44:38 博士后在读到求职阶段的风险：一旦出现断档，生活压力陡增 51:52 从学术界转向工业界的艰难路径与关键挑战 57:07 美国不同地区生活成本差异：物价、资源、税负、HOA 与公共保障 1:11:30 湾区“贫困线”讨论：高生活成本下的居住选择困境 1:18:26 美国城市的阶级固化现象：市区、边缘地带与流浪人口治理差异 1:34:46 阶级固化的恶性循环：收入下降 → 生活质量下滑 → 社会地位下降 → 经济进一步恶化 1:38:05 在美真实生活体验：福利体系、贫困社区现状与夜间安全问题 1:49:43 疫情后美国社会与生活环境的结构性变化 1:58:42 关于“美国是否实行快乐教育”的讨论 Q&A 2:01:54 是否有必要赴美读本科？ 2:08:28 未来30年内科学中心转向中国的可能性 2:11:29 是否有必要申请美国 AI 相关专业研究生 2:19:34 留美发展的前提：必须提前进行清晰的职业规划 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

* 在AI时代，科研人员如何提高论文写作效率？ * 学术编辑如何确保稿件符合出版要求？ * AI技术在学术中的应用会如何影响科研生态和学术伦理？ * 科研人员和学术编辑如何能更好地用好AI？ 本次论坛，我们荣幸邀请到王瑞博士为我们解答上述问题。 王瑞博士毕业于美国北达科他州立大学，并获得植物病理学博士学位。 他目前是学术服务公司“投必得”的合伙人和学术总编辑，累计服务了数万名科研工作者，并作为业务专家全程参与了学术编辑 AI 智能体 DeepEdit 的开发。 本期时间轴： 00:10 嘉宾介绍：王瑞博士的学术背景与职业经历 02:23 为何在大学阶段选择生物专业？ 06:43 本科科研经历与赴美留学之路 15:45 博士后阶段的关键抉择：教职还是进入职场？ 23:04 在投必得任学术总编辑，日常工作与核心职责是什么？ 28:13 最初如何关注到 AI，并将其应用于学术服务？ 34:38 参与 AI 论文润色工具开发过程中的实践体会 43:08 AI 在学术领域的应用：AI 检测的底层逻辑与核心争议 53:34 新技术出现时的排斥心理：AI 的接受与适应过程 58:16 AI 论文润色工具 DeepEdit 的技术优势与实际应用 01:03:34 AI 在企业落地中的挑战：排斥心理与过高预期 Q&A 环节： 01:08:11 DeepEdit 是否有英文版本？ 01:18:21 AI 大模型在真实场景中的应用局限 01:30:27 AI 用于学术论文润色的核心优势是什么？ 01:42:28 王瑞博士对未来职业与发展的建议 AI论文润色工具 DeepEdit，新注册用户可免费试用1000英文词数：www.deep-edit.cn Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

过去几年，AI 的浪潮正在重新定义留学、科研与职业发展的边界。 本次分享会聚焦 AI 浪潮下硕博留学生的全路径规划。 面对这样的大趋势，未来的留学生应如何提前规划学业与职业？想进入AI 相关领域，从申请到求职的全路径如何准备？ 嘉宾Cynthia，美国约翰霍普金斯大学医学院 PhD，曾担任知名生物科技公司美国区总裁，现创办博远教育。她拥有7年留学与科研规划经验，帮助40+名学生获得世界顶尖名校 Offer，80+名学生全奖 PhD 录取，辅导130+名学生上岸率100%。 本次分享会带你理清AI时代下的留学与职业的新机遇，从选校选专业到求职转行，全程帮你少走弯路。 本期时间轴： 00:00 嘉宾介绍 03:54 当前AI对哪些行业产生了显著冲击或结构性变化？ 08:47 AI目前在应用中的局限性 14:28 目前AI对于生物医药等传统行业的影响？ 21:23 在AI对职业与教育的冲击下，个人该如何提前规划？ 32:58 如何结合专业背景与AI能力，在竞争中建立“不可替代性”？ 39:33 如何确保学习的新技能可以真正提升职业价值？ 58:29 从学术界到工业界转型最重要的难点是什么？ 01:20:11 普通人如何高效利用 AI 提升效率与竞争力？ Q&A 01:28:41 如何利用 AI 做科研？有哪些值得使用的工具或方法？ 01:30:09 AI+生物专业是否更有就业优势？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

张一鸣和杨林翰分别是伊利诺伊大学厄巴纳-香槟分校（UIUC）的应用数学和环境工程硕士，也是 Techlent AI 训练营的学员（2020春和2019冬）。 他们转行进入 AI 行业后，在多个公司从事 AI 应用工作，并分别进入 TikTok 和 Meta 担任资深机器学习工程师（Sr Machine Learning Engineer）。 现在，他们将自己多年的 AI 应用经验与健康科学相结合，创立了 Daobrew。这是一个基于大语言模型的智能健康管理平台，用最新的 AI 技术结合中医的古老智慧，帮助职场人士克服亚健康的问题。 本次分享会中，张一鸣和杨林翰分享了自己在 AI 领域的从业心得和创业理念，并现场回答了大家的问题。 本期时间轴： 00:00 嘉宾介绍：硅谷大厂AI工程师到AI创业经历 04:43 AI+中医赛道的创业契机 10:21 中药产品的创新与FDA认证 19:01 产品落地链路：AI驱动的智能健康伴侣 21:46 demo展示：基于中医理论的健康管理App 26:39 美国、中国和日本中医药市场的现状分析与未来增长潜力 30:16 健康行业潜力分析：线下发展业务收入与发展 Q&A 36:25 创业的产品是什么以及它的效果 53:50 AI+中医产品中是如何应用AI的？ 01:01:17 AI与中医的结合：经验数据的量化和优化 01:09:13 初创公司团队扩张与融资规划 01:11:14 在AI行业呆了5年，AI发生了什么变化？有什么体会？ 01:24:53 多模态与AI agent：科技革新对普通人工作的影响 01:30:52 打工人思维转变：解决问题才是核心 01:36:07 现在想进入AI，应该如何入门？ 01:41:31 如果回到高考时候，对于未来规划有什么建议？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Jemma 是力学博士，毕业后在两家机械公司实习。后来为了照顾家庭，做了一年多的全职妈妈。Jemma 2023年底参加了 Techlent AI 建模数据科学训练营，并于2024年3月开始求职，5月开始拿到2个offer，最终成为硅谷科技公司的一名资深数据科学家。 在本次分享会中，Jemma 分享了她学习、求职和工作的心得体会，并现场回答了大家的问题。 本期时间轴： 1:45 Jemma转行背景与自我介绍 7:58 为什么选择Techlent？有什么帮助？ 15:00 求职心得体会（坚持、位置选择、家庭因素等） 21:45 工作后有什么心得体会（日常工作内容、学习能力、如何使用AI、核心竞争力） 32:14 读博时为什么没考虑找教职？ 41:00 是否要参加Kaggle比赛？ Q&A 46:26工作中的学术研究比例有多大、做什么研究？ 50:54 全栈AI科学家与机器学习工程师差别 59:18 硅谷科技公司AI科学家面试，工程能力需要到什么程度？ 1:05:28 RAG还算最前沿吗？系统做到什么程度才算不错？ 1:11:58 什么样的offer不要接？哪些坑不要踩？ 1:13:46 怎么样在面试中克服自己没有工作经验的弱点？ 1:28:24 full stack工作中哪个最有意思？ 1:32:31 技术迭代这么快，AI相关岗位的经验积累怎么样？ 1:40:43 当时投简历进面比例是多少？ 1:47:21 现在remote AI 机会多吗？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

想用AI技术创业，却不知道如何避免“入坑”？ 本次分享会将聚焦AI技术人才创业中最常见的坑与应对策略，帮助你在早期创业关键阶段少走弯路、走对第一步。 嘉宾邬健敏，拥有20余年并购、投行、投资实务经验，经手上百起资本市场案例，曾就职于国泰君安证券、复星集团、德邦证券高管。现任多所知名高校创业导师，创办上海简鸣资本，已投数十个优质中国初创项目。 本期我们围绕： 了解AI创业初期的常见误区与坑点 学习资本市场如何评估AI创业项目 掌握创业早期股权、融资、合伙人选择的关键策略 本期时间轴： 00:00 嘉宾邬健敏介绍 03:19 AI 技术型人才创业前最核心的三件事 04:43 创业前的三大评估：技术能力自评、管理能力与领导力、市场洞察力 17:21 创业初期如何通过"一小时上线实验"快速验证 19:47 创业方向选择与用户需求理解 25:12 Q&A：产品快速上线的话会不会有产权保护问题？ 26:42 创业产品测试与考察期设定 34:35 AI技术能力是创业的必要条件，非充分条件 40:18 创业成功的关键：技术与商业思维的平衡 44:58 创业成功的关键要素：技术、市场、产品与时机 50:29 技术专家转型创业家普遍难题 57:45 创业成功的关键：技术底蕴与团队协作 01:01:41 TO B与TO C创业赛道分析 01:12:49 创业公司融资策略及中美差异 01:18:06 创业早期股权稀释的合理范围 01:24:38 创业者路演技巧训练的重要性 01:27:14 融资阶段财务规划的重要性 Q&A 01:30:09 不同背景的企业家（马云、张一鸣等）创业成功的特点 01:37:29 创业合伙人怎么选择？ 01:48:19 对于人工智能智慧社区养老的看法？ 01:54:00 AI 编程领域有机会吗？ 01:59:01 如何考察一个创业团队靠不靠谱？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

8月30日，我们邀请到前 Meta 数据科学经理 Jacky 分享硅谷大厂的招聘重点和职业发展路径。在 Meta，Jacky 不仅实现了从数据科学家到团队管理者的身份转变，同时因为主导了百余场面试，被评为“面试英雄”（Interview Hero）。她从面试官和团队管理者的视角，深度剖析了科技公司的企业文化和用人逻辑，帮你理解大厂如何筛选和培养人才。 本期时间轴： 00:00 嘉宾 Jacky 自我介绍与留学背景 06:45 25年硅谷求职现状 11:53 为什么转行数据科学及如何准备 16:13 面试技巧：如何讲述非相关经历 22:37 工业界项目经验不足的应对方法 25:30 放弃药厂多年的经验可惜吗? 29:00 面试不是tech背景，如何让hr信任？ 38:16 现在转数据科学还有前景吗？ 41:02 药学博士转 AI 或数据科学的可行性 45:28 如何看待大厂裁员潮的竞争压力 50:33 在大厂如何存活及个人发展问题 53:06 “老板拿走功劳”现象的正确理解 Q&A 58:25 同一岗位多个候选人，更看重什么能力与品质 1:08:10 简历写哪些项目比较有亮点？ 1:10:24 面试应该如何表现？ 1:19:12 面试套路分享：正确回答BQ 的方式 1:28:17 药厂统计分析申请ML岗，简历关怎么过？ 1:32:12 从面试官角度，怎么评判BQ的回答 1:36:26 Meta DE岗位的要求 1:37:55 面试问到一些没有准备的BQ，怎么办？ 1:41:29 除了简历，再发一份personal statement会加分吗？ 1:45:52 面试提前准备的重要性

8月23日，通用电气HealthCare AI总监吴磊博士分享了他在AI领域深耕15年的心得体会，系统解析硅谷当前的技术前沿和发展趋势，并给出AI领域职业发展的建议。 吴博士毕业于中国科学技术大学，曾在密歇根州立大学、匹兹堡大学担任博士后研究员，并获得伯克利哈斯商学院技术战略卓越证书。他曾在 Amazon、WeWork、Ancestry等多家硅谷科技公司担任AI科学家和团队管理人员，在机器学习、计算机视觉、大语言模型等技术领域具有丰富的研发和管理经验。 本次专业分享涵盖了以下内容： ● AI 技术发展历程与当前硅谷前沿趋势观察 ● 从技术专家到管理者的职业发展路径分析 ● AI 时代的机会与行业发展前景 本期时间轴： 00:04 嘉宾吴磊博士介绍与学术背景 03:45 怎么接触到机器学习的？ 04:44 在微软做的主要方向是什么？（NLP、CV） 08:57 AI 技术发展回顾：从早期到大模型浪潮 15:30 算法、数据与算力——推动 AI 爆发的三要素 20:24 这一波 AI 浪潮是否会重演“寒冬”？ 21:37 AI 落地案例：医疗、自动驾驶、客服、教育等行业应用 24:51 对年轻人和新手的建议：如何把握 AI 机遇？ 28:36 三个未来机会方向：Agent AI、多模态、Vibe Coding 41:53 学计算机科学还有优势吗？AI 时代该如何学习？ 45:50 高校课程与工业界需求的差距，如何补齐？ 51:38 非技术岗位如何在 AI 时代找到机会？（市场/销售/产品） 55:00 职业路径选择：工程师 vs 管理者的“平行宇宙” 57:53 学习能力比“卷技术”更重要 1:09:32 目前 AI 存在的问题和瓶颈 1:18:06 AI 项目的人才需求是什么样的？ Q&A 1:22:49 高级别的 IC 就是单纯的技术好吗？晋升要如何成长？ 1:29:58 不同 level 的 manager 如何有效管理手下的 IC？ 1:40:34 怎么看待具身智能（physical AI）？ 1:46:33 在 healthcare 领域做 AI 有前景吗？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

很多毕业生和职场人都被AI的火热前景吸引，却在入行门槛前犹豫不决：算法工程师需要什么背景？数据科学家和AI产品经理有什么区别？零基础真的能转型成功吗？ AI行业看似门槛很高，但实际上不同岗位的要求千差万别。有些重视数学功底，有些更看重业务理解，还有些强调工程实践能力。关键是找到适合自己的切入点。 本期我们深度剖析AI行业的核心岗位： ✅ 典型岗位解析：机器学习工程师、数据科学家、AI产品经理等岗位的真实工作内容和技能要求 ✅ 入行路径规划：不同背景的人如何制定个性化的学习计划和求职策略 ✅ 避坑指南：新手常见的学习误区和求职陷阱 无论你是计算机专业的应届生，还是传统行业的转型者，这场分享都能帮你找准定位，少走弯路。让我们一起揭开AI岗位的神秘面纱，为你的职业转型提供实用指导！ 本期时间轴： 3:22 AI 岗位全景：主要分类与核心技术栈 12:13 美国市场：AI 产品经理是否稀缺？ 14:28 硅谷视角：AI Scientist 岗位需求与要求（以亚马逊 DS 岗为例） 24:34 生成式 AI：岗位要求 & JD 关键词解析 35:01 Research Scientist：岗位要求 & JD 拆解 44:29 美国传统行业中的 AI 岗位现状 51:25 中美对比：AI Scientist 技术要求差异 52:43 国内市场：算法工程师技能要求解析 1:00:24 初创公司里的 AI Scientist 岗位技能需求 1:06:41 机器学习工程师：市场需求与岗位要求 1:13:50 数据工程师：市场需求与岗位要求 1:16:34 数据分析师：核心技能要求 Q&A 1:21:44 基础生物学转行：适合的发展方向？ 1:23:44 国内 AI 招聘市场最新情况 1:28:53 转行 AI 的学习路径建议 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Reid 是中国的物理学博士，毕业后到美国，先后在高校和硬件科技公司担任研发科学家。2024年9月，Reid 进入 Techlent 的数据科学（AI 建模）训练营学习，2025年4月回国担任一家央企的 AI 大模型开发主管。 在本次分享会中，Reid 分享了他职业发展和AI实践的心得体会，并现场回答了大家的问题。 本期时间轴： 0:53 Reid自我介绍 3:26 博士期间研究领域 6:56 为何从国内赴美读博 8:03 读博后的职业规划 15:30 学术界转向工业界的原因 19:03 是否考虑过回国做教职？ 23:18 适应美国生活花了多长时间？ 27:48 求职信息的获取渠道 30:00 转行工业界的准备 35:15 学术界与工业界的差异 43:01 AI/CV研发团队的招人要求 51:11 为何工作后还读了计算机学位 55:22 美国不同学校及授课方式的区别 1:03:50 如何了解到Techlent的 1:08:10 CV、Transformer、多模态技术的应用 1:14:04 多模态在实际工作中的应用 1:18:18 AI 模型与多模态的发展趋势 1:27:52 多模态技术的集成与应用 Q&A 1:32:39 AI 岗位是否是泡沫？ 1:35:09 转行需学什么技能？ 1:39:49 数据科学入行准备总结 1:48:19 为何选择回国发展？ 1:52:13 从研发人员到开发主管的角色转变 1:55:28 30+转行是否太晚？ 1:57:23 是否建议参加竞赛？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~