一边在Jupyter Notebook里运行代码,输出结果实时显示在屏幕上。
有学员在聊天框里问:张老师,数据清洗要做到什么程度才算够?
张雨回答:把清洗后的数据喂给模型,效果比清洗之前好,就够了。不要为了清洗而清洗。数据是给模型吃的,模型说好吃就行。
那节课之后,群里好几个人留言说张雨讲的数据清洗比网上的教程清楚。有个学员发了条消息:张老师讲的data cleaning那一段,比我在网上看的所有教程都明白。
林晨在群里回了一句:她做了五年数据工程,讲这个最合适。
周姐也加入了训练营,不过她不讲技术。她讲职业规划,教大家怎么写简历、怎么跟HR谈薪资。这些内容在网上搜不到,但恰恰是决定学员能不能拿到offer的关键。
周姐第一次上课就开了视频。她穿着一件深灰色的西装外套,背景是一面白墙,看起来像在给客户做提案。她的语气也很像在谈商务:你们技术学得再好,面试表现不行也拿不到offer。今天我就教你们怎么把自己的技术能力包装成面试官想看的东西。
她讲到写简历的时候,举了一个例子:你们很多人简历上写负责模型训练,这句话等于没写。你要写什么模型、什么数据集、效果提升了多少。用数字说话,面试官一看就知道你做了什么。
她把一个学员的简历投影到屏幕上,从上到下改了一遍。原来的简历写着参与AI项目开发,她改成独立完成LSTM模型训练,在xxx数据集上准确率达到92%,比基线模型提升15%。改完之后她问:看出区别了吗?同样的经历,两种写法,面试官看到的是完全不同的两个人。
聊天框里刷了一排学到了。周姐没有停顿,接着讲薪资谈判的技巧。她说话的速度很快,但逻辑清晰,每个要点都配合着具体的案例。讲到薪资谈判的时候,她分享了一个策略:HR问你期望薪资的时候,不要先说数字。你先问这个岗位的薪资范围,然后在范围的上限再往上加10%到15%,给自己留谈判空间。
林晨没有参加周姐的课,但他在群里看了学员的课后笔记。笔记写得很详细,从简历的格式到薪资谈判的话术都记了下来。他在备忘录上写了一行:周姐职业规划课,学员反馈8.7分,下次继续安排。
训练营花的时间越来越多。从每周两小时变成三小时,再到四小时。有时候晚上九点林晨还在钉钉群里回复学员的问题,学员at他,他看到了就回。有一个周三晚上,一个学员在群里问梯度消失的数学推导,林晨打字说不清楚,直接开了语音通话,从链式法则讲到反向传播,中间还画了几个图,讲了半个小时。
那天苏婉在客厅批改学生的作文。她听到书房里传来林晨的声音,隔着门听不太清,但能听出来他在讲数学,偶尔会停顿一下,大概是在画图。她没有推门进去,继续批改作文。桌上的红笔旁边放着一摞还没批完的作文本,最上面一本写的是关于的议论文,字迹歪歪扭扭的,但段落结构还算完整。
半个小时后,林晨的声音停了。又过了两分钟,他推开书房的门走出来,看见苏婉还坐在沙发上批作文。
苏婉抬头看了他一眼,起身去厨房倒了一杯温水端过来。林晨接过杯子靠在厨房门框上喝了一口,水有点烫,他吹了吹又喝了一口。
你比在公司开会还认真。苏婉说。
在公司开会是为了拿工资。林晨说,他们是真的想学。
苏婉嗯了一声,把空杯子接过来放进水槽里,回到客厅继续批改作业。
林晨站了一会儿,走进书房。电脑屏幕上还开着钉钉群,最后一条消息是那个学员发的:谢谢林总,我懂了。他关掉钉钉,打开晨枫快餐的数据看板,看了一眼今天的营收数字。然后他关上电脑,去客厅把苏婉批改完的作文摞在一起放到茶几边上。
苏婉抬头看了他一眼。你还帮我收东西。
顺手。林晨说完,去洗了手,进卧室躺下了。苏婉在客厅又批了十分钟作文,才关灯走进卧室。
>>>点击查看《AI时代:码农的涅盘重生》最新章节