自动化专业如何转SLAM或机器学习岗？

由于不方便放链接，更好的阅读体验请查看：自动化专业如何转SLAM或机器学习岗？
本文来自知乎上的同名问题，原文链接：
https://www.zhihu.com/question/266685012/answer/336327001
题主是北京某985理工类高校自动化专业本硕（硕士专业是控制工程），刚刚毕业半年左右，第一份工作是在一家创业型机器人小公司做控制工程师。工作内容很杂，主要是一些stm32开发和信号处理之类的工作，这家公司管理混乱，而且公司缺乏技术上经验丰富的老员工，作为一个刚刚毕业的新人，感觉完全学不到什么东西，成长性不足，而且分配的工作也不是自己兴趣所在，于是我工作了半年不到就辞职了，打算趁着过年准备一下换一个靠谱点的工作。主要想转到slam方向和机器学习方向。
我自己本身的情况是这样的：

项目经历：
没有实习经历，自己在实验室的项目基本上和slam和机器学习没关系，主要是调PID什么的，纯工程任务。本科毕设是用支持向量机做信号识别，但是本科毕设非常简单。

个人知识储备：
1、机器学习这块我是一直从本科就在学，吴恩达的课看过前面一半，《统计学习方法》全部看过一遍，里面的算法也大都推过一遍。周志华的西瓜书也看过。但是没有实际的项目经历（不知道泰坦尼克幸存者预测和TensorFlow手写数字识别算不算）。
2、slam这一块我是自学的《视觉slam十四讲》一书，原理都看懂了，书上的代码的大约70%都自己亲手敲过一遍，orb-slam2论文看过，代码细细读过。

请slam和机器学习行业的职场老司机解答一下我的问题：
我这样没有实习经历和项目支撑的情况下，转去slam或机器学习岗位，是否能够被公司接受呢？或者说我要达到什么样的程度，才能被相关公司接受？会有公司愿意接受从0培养新人吗？（我算从0.5吧）
职场老司机可否给一些转行的可操作的建议呢？
本文对几个优秀的回答进行了整理，解释权归答主所有。如有侵权，请联系删除
以下观点并不代表计算机视觉life观点，仅作为参考。

半闲居士：

在下也是自动化系毕业，好像并不存在转行一说，自动化搞控制、搞机器学习或者slam都很正常。
机器学习应用范围宽，门槛低，目前学习资料很丰富，学起来并不费劲。相比来说slam资料少很多，书籍还都是大部头的书，学起来还是挺花时间的。slam背后牵扯到的数学知识比较广，能吃透并不容易（deep learning除了梯度下降之外还有别的数学吗）。
slam岗位目前看来还是不太招的到人的阶段。虽然有人觉得Slam在理论上已经解决了，然而现实是：
大部分人从零开始写一个slam程序，多半写不到现在开源方案的水平；
开源方案不满足需求的情况下，大部分也不会改（对方案的了解并不深入）；
slam应用主要在自动驾驶、机器人、AR/VR上。国内自动驾驶近年很活跃，BAT和各车厂都有布局，创业公司有名一点的都可以数出30多家。机器人的话，园区物流需求也比较明显，京东、菜鸟以及许多创业公司都在做，ARVR不太好说，内容和生态能不能起来还是个问题。在你有硕士学位情况下，应该不难找到对应岗位。如果你自己能够写出完整一套slam，或者对某个开源方案有很深入的理解（看的懂，改的动），多数公司都应该会要你（据我了解许多公司里的人员对slam了解也是这个深度）。如果你的理论基础再扎实一些就更好。
作为建议，你可以尝试自己写个简单的slam project，在kitti，euroc等数据集上与开源方案对比测试后，把结果放到简历里，会让你找到合适岗位的几率增加不少。

Pickles Husky：

SLAM方向的博士生，最近也在找工作，简单说两句。
首先澄清一点，SLAM和机器学习完全不是一个量级的领域。机器学习对于很多公司和业务都是非常基础的工具，而且这一趋势越来越明显，以后非常多的岗位都需要掌握机器学习的技术。机器学习跟很多领域都有交叉，比如现在在SLAM中应用机器学习的地方也越来越多。不客气的说，掌握机器学习和数据处理技能的重要性，等同于掌握领域内的重要编程语言，比如C++。
而SLAM的应用面窄的多。SLAM的主要需求现在在机器人、自动驾驶和ARVR领域，如果SLAM是你的focus的话，你的就业面仅限这些行业。
而且说的不客气一点，就算在以上这些领域，SLAM也不是驱动这些应用的最核心技术，SLAM仅仅作为一个提供定位与建图的子模块而已。当前很多应用中的SLAM问题尚未完全解决好，大家在SLAM上花很多精力解决问题；而一旦SLAM问题得到比较好的解决，SLAM将只是系统中提供定位以及建图的工具而已，大家的精力将更多的放在更重要的问题上，比如自动驾驶中的perception、semantic information以及behavior prediction问题、机器人领域中的manipulation问题，等等。虽然我自己是做SLAM的，但是不负责任预测SLAM领域的热度很难长时间持续下去，至少以十年量级来看以后衰落是必然的。而机器学习与数据科学现在的机会以及未来的潜力都是很难限量的。
讨论完SLAM这个行业，再来看一下题主的背景。SLAM技能掌握上的特点与机器学习有点像，就是这个领域显性门槛比较低，但是隐形门槛比较高。down一些opensource的code下来大家都可以跑比较好的demo，就像机器学习里面大家顺着tutorial去跑mnist的example非常简单一样。但是opensource的东西没有应用背景，在真实的应用场景下出现一定比例、甚至大面积不work是非常常见的。当你真正到了企业里面，企业需要你做能够在应用场景下稳定工作的SLAM模块，这时候无论是自己从零写，还是改opensource，你都需要有很好的对SLAM原理及系统的理解，来调整系统去处理一些fail的cases。能够为企业处理这样的问题，一两年的实际项目经验加上相当量的阅读（经典的大部头比如MVG和paper，至少是传统的paper）是必须的。
我非常不看好题主在家里自行修炼。家里能做的SLAM项目一般都没有业界背景（这一点比机器学习条件更恶劣，机器学习起码存在kaggle这样“接近于”业界的项目可以做，SLAM除了kitti外别的和业界完全不沾边），而业界非常看重实际相关的项目背景。而且企业从零培养新人的意愿非常低，首先公司招你就是希望你有实际产出，而不是花钱培养你；其次如之前所说SLAM方向培养时间还是偏长的。
如果题主执意要走以SLAM为核心的技能路线，有两条可能的路题主可以考虑：1. 读相关方向的硕士后者博士，毕竟研究生招零基础学生的概率远高于企业。2. 走开发线路，需要题主有很强的C++背景（SLAM开发中C++目前是绝对主流），然后以软件开发的身份进入相关公司SLAM的团队，在有经验的人指导下进行SLAM的软件开发，这是我能想到的能在企业里面学习SLAM的唯一渠道吧。。。

CLEMENT HUANG：

我司正在找一名自动化背景， 愿意学习SLAM，编程能力强的工程师。坐标上海。所以看到这个问题， 忍不住来回答几句。
先介绍本人， 自动化专业本硕，学校都是985，在国企呆过三年， 外企12年，创业2年半。所以对于控制专业的学生的困惑应该是很有切身的体会的。控制专业的学生学的东西很多，但是到了工作中总有一种有力使不出来的感觉，关键是自动控制的应用是太广泛了， 运动控制， 拖动， 过程控制， 微机原理，DSP或者算是Soc（System on Chip), 电力电子， 各种编程语言，软件工程，到了研究生还要学数字信号处理， 各种优化控制算法， 甚至统筹学， 包括最近火起来的机器人， SLAM， 人工智能， 博弈论。你说一个在学校学校的学生，或者刚毕业三年的新人到哪里摸得到门，行业里的随便一个小障碍就可以阻挡住一个信心满满的年青人，更别说如果单拿出一项武器来， 我们还干不过别的专业。比如电力电子功率电路， 肯定干不过学电力系统的， 软件干不过计算机的，算法没应用数学的强， 搞通信和通信工程的也有差距。即使是电机控制， 要知道高校也有专门的电机系。控制专业的学生可能学了一年的电力拖动没见过真正的电机，更分不清直流，交流， 直流无刷， 交流永磁，交流同步。然我见过无数自动化的大牛，后来在选择的方向（非自动化）上都干成了最优秀，那是在开始的三年甚至整个职业生涯花了更多的时间， 精力，伤了无数的脑细胞才取得的成就。
回到正题， 我能给的建议是， 找到一个适合自己的方向和平台， 保持旺盛的学习欲望，扎下来干个三年，短期的职业空窗期是可以接受的，但超过半年以上，基本上很难得到面试机会，公司评估一个这样的候选人风险太高。并且你在家里学习和在工作中学习完全是两回事， 读了多少书不代表你已经入了行。
不要给自己太窄的定位， 真正研究算法的人在一个公司里是少之又少的， 算法需要自己去用代码实现吧。要会测试吧，要能理解底层给你的接口吧。还要懂一些行业背景应用吧， 我只能说学习才刚刚开始。

刘畅：

知乎小透明首答，想借贵宝地写下给新进入SLAM 领域或者犹豫是否进入SLAM 领域的在读研究生(注意，是研究生，为什么？因为其实研究生做SLAM 时间还是挺紧的)一些忠告:
1.能不碰实体机器人就不碰实体机器人
2.找好部分开始做
因为SLAM 范围太广，涉及内容也很深，学校又是一个要求创新点的地方，所以在读完十四讲(已被圈内封为SLAM 圣经，感谢高灯塔)之后，跑完全书的大部分代码的时候，不要说，啊~好兴奋~我已经全部掌握SLAM 啦~而是冷静下来，仔细想一想，我想研究哪部分，是基于多视图几何的前端？还是对优化问题比较感兴趣，想从概率机器人和凸优化两本书入手？又或者是我想用机器学习做做回环？还是说我要摒弃现有的一套方案直接用深度学习来个端对端的VO(这个已经有了，一个比较出名的大学做的，但是想做深入的研究应该也是可以的吧)，带着问题做研究,把问题抽象。如果你只是要优化下定位精度，真的不用非要找个实体机器人，学好使用数据集测试自己的方案，将更多的精力放在C++上和优化的方法上(尤其是对于答主这种本来是机械的，编程也就是C++ primer 第一章的水平~).今天先答这些吧，太晚了，以后有时间接着答。

slamer：

本人恰好也是自动化，刚毕业就进入一家机器人公司，做定位制图相关工作，机器学习稍微了解，主要说说slam。以上背景
slam方向是工程与科研相结合学科，在有很好的数学基础前提下也需要很强的工程（尤其是c++）能力。如果题主想从事slam方向，首先可以先了解目前比较流行的slam解决方案，阅读相关开源项目，比如激光slam中gmapping、cartographer，开源项目不仅能让你对slam有一个宏观的了解，也能够学习好的代码风格和代码技巧。其次，学习相关理论知识，像非线性最小二乘法、卡尔曼滤波、粒子滤波、数值优化、自动求导等，有了这些基础，slam入门才刚刚开始。如果想要进阶，尝试结合自己学到的理论知识，写一个slam，这个时候对这些理论知识会有比较深刻的认识，写工程的同时，你可能会发现有些书本中学不到的东西，比如调参，掌握调参技巧，好的参数就像整容手术，能让机器人很好的work，后面要跟紧时代步伐，多阅读slam相关paper。最后做slam不要急躁，在slam工程中会有很多小问题，保持好心态，祝你好运。

欢迎关注公众号：计算机视觉life，一起探索计算机视觉新世界~早就是优势，学习切忌单打独斗，这里有教程资料、练习作业、答疑解惑等，优质学习圈帮你少走弯路，快速入门！