AI机器学习入门：一个前端程序员转岗的真实记录

AI机器学习转岗这件事，我从2024年10月开始琢磨，到2025年9月底落地，前后11个月。起点是杭州一家电商公司的React岗，月薪21K乘14薪；终点是另一家做推荐业务的公司，推荐算法工程师，32K乘14薪。中间有一个月基本在摆烂。这篇把时间线、面试真题、薪资谈判全部摊开，不鸡汤，只给参照。

为什么一个写了六年React的人，突然要碰AI机器学习

直接原因是公司裁了两个前端，推荐组反倒在扩招。更深的钩子是我在活动页里嵌过一个"猜你喜欢"模块，好奇心被那个点击率预估分勾了起来。2024年9月那波裁员，前端组走了两个人，活摊到剩下的人头上。同一个月，推荐组挂出三个HC。这种对比摆在一起，很难不多想。

真正的转折点在10月。我去问推荐组的同学，接口里那个预估分怎么算出来的。他给我看了特征表。三百多列。从用户近7天点击序列到优惠券面额，全在里面。说实话，那一刻有点被击中。我写了六年页面，第一次觉得数据那一侧的东西让我手痒。

没跟风。真不是。AI的讨论热了大半年我都在观望，动手是被具体的事推着走的。

11个月时间线：在职自学怎么排的

四段走：前两个月补Python和数据处理，中间三个月过课程，第四到六个月打Kaggle做项目，收尾三个月刷题加面试。工作日每天2小时，周末每天5小时上下。这个强度我撑了十个月。

第1到2个月（2024年11月起）：pandas加numpy。JS底子让Python上手很快，两周能写小工具了。numpy别抠太深，懂广播和切片就够。

第3到5个月：过了Google的机器学习速成课程，配着吴恩达的视频和西瓜书前六章。数学按需补，看不懂再回头翻，没从头刷教材。想看更细的走法，可以翻我之前写的三个月从零到能干活的亲历路线。

第6到8个月：上Kaggle打比赛。两场，一场Playground系列拿了铜牌，另一场连牌都没摸到。铜牌没想象中难，特征工程堆得勤快一点就有。简历上真正的项目，是拿公司脱敏后的优惠券核销数据做的一次点击率复盘，从特征到评估全流程自己走了一遍。

第9到11个月：整理简历，LeetCode刷了120题上下，以热题100为主。前端攒下的算法底子还在，每天两道保持手感。

AI机器学习自学路上，我翻过的三个大坑

最大的坑是数学劝退，第二是教程囤积，第三是GPU焦虑，三个都交过学费。头一个月我啃花书《深度学习》，两周看了30页，人直接崩溃。后来换成碰到不懂再回头补，配3Blue1Brown的线代可视化，顺畅多了。

教程囤积更隐蔽。网盘里存了60多个G的课，认真看完的不到三个。挺离谱的。清完库存我才想明白，资料贵在吃透，囤一百份不如啃透五份。

GPU焦虑是自己吓自己。Kaggle每周送30小时免费GPU，Colab也够用。我打着学习的旗号配了台4060主机，后来一半时间在打游戏。真想配机器，先看跑机器学习的真实配置单再掏钱。

插一段题外话。那阵子我迷上了拼乐高，凌晨一点收工是常态。话说回来，拼乐高和调模型有点像，都对着说明书一步步来，拼错就拆掉重来。区别是乐高不会在你睡着时偷偷跑出结果。心态崩的时候，我靠这个续命。

要不要裸辞？我个人觉得不要。在职学有退路，退路就是底气。见过裸辞转岗的朋友，第五个月开始乱投简历，最后去了个压根不想去的外包。别学他。

面试真题复盘：七家公司都问了什么

考察集中在四块：机器学习基础、手写代码、SQL、业务场景题。我被问得最惨的是SQL，答得最稳的是场景题。2025年9月那两周，面了七家，五家走到终面，拿了三个offer。真题一条条回忆。

基础题高频的几个：过拟合怎么处理，我答正则、dropout、早停、数据增强，面试官追问L1为什么能出稀疏解，讲了导数是常数这点；AUC的物理含义，随机取一正一负两个样本，模型给正样本打分更高的概率；分类为什么不用MSE。这几道几乎是标配。

手写题翻过车。白板写交叉熵，我顺手写成了MSE的公式，被提醒才反应过来。没挂。二面官说，能当场改掉就算过。手滑谁都有。

SQL是真弱项。留存率的窗口函数写法，第一家就折在这，出来补了一整晚。不夸张地说，那一晚补的东西比前面三个月都扎实。算法题反倒轻松，合并区间、LRU缓存这种LeetCode中等难度题，练两个月足够。

场景题印象最深的一道：优惠券点击率掉了20%，怎么排查？我按数据漂移、特征覆盖率、线上线下一致性三层往下剥，答完面试官笑了，说大部分人上来就喊重训模型。另一家问我读论文的习惯，我把入门者的论文阅读顺序里那套方法讲了一遍，勉强过关。

每家都问"为什么转岗"。我备了90秒版本：前端六年、负责过推荐模块的前端、做过一次完整复盘、想往数据侧走。千万别说"前端卷不动了"。减分。

薪资变化：从21K到32K的完整过程

老东家21K乘14，新公司32K乘14，月薪涨52%，年包从29.4万到44.8万。三个offer里，我拿的不是钱最多的那个。数字放出来不是炫耀，是给想转的人一个锚点。

具体讲：A是中型电商，27K乘14，方向偏工程、模型迭代少，拒了；B是推荐系统公司，30K乘14另加3万签字费；C是现在这家，最初给30K。我拿着B的口头offer去和C谈，C加了2K，没签字费，年假多三天。选C是因为他们的特征平台真在做事，B的面试官全程在画饼。谈薪那通电话，比前面十个月任何一天都紧张。但就一通电话的事，别害羞。

世界经济论坛《未来就业报告2025》把大数据专家、金融科技工程师、AI与机器学习专家列为增长最快的三个职业。方向没错，但别拿报告当冲锋号。涨薪不是线性的，同批入职有个从Java转来的哥们，数学底子薄，定级低半级，涨幅只有30%。起点不一样，落地差很多。

给想转的人几句掏心窝的话

三条：编程底子是杠杆不是包袱；先跑通再谈理解；目标定在"能干活"，不是"懂原理"。具体怎么按目标排路线，按目标定制的三条路线图写得更细，转岗只是其中一种走法。

老实讲，这条路的性价比被两边夸大了。卖课的说三个月速成，唱衰的说非科班没机会。我落地用了11个月，认识的几个成功案例也都在8到14个月这个区间。速成是营销话术。

还有一点最容易被忽略：AI机器学习岗和"会用AI工具"是两码事。天天调大模型产品不等于懂机器学习。分不清这个的话，先去把机器学习入门白话版看明白，再决定要不要投一年进去。概念都没拎清就all in，大概率半途而废。我身边就有一个，学了俩月转去考公。挺好，及时止损。

常见问题

前端转AI机器学习，数学要补到什么程度？

能看懂公式的程度就够入门：会求导、知道矩阵乘法在算什么、明白条件概率，这三样覆盖了八成面试题。花书的深度是给研究者的，工程师用不到那么深。碰到不会的再回头补，别把数学当门票。

在职自学每天两小时，真的够吗？

够，但战线会拉长。我十个月的总量在800小时上下，工作日2小时加周末每天5小时。强度上不去的话，把周期放宽到14个月更现实。别信每天16小时的极限操作，撑不住的。

30岁以后转AI机器学习还来得及吗？

我转岗那年31。没有一家明着拿年龄说事，暗里的顾虑肯定有，破局点在项目深度。30+的简历上只挂一个Kaggle铜牌不够看，最好有一个能讲二十分钟的完整项目。年龄是减分项，不是死刑。

转岗失败的信号有哪些？

三条：学了三个月还停在第一门课的前半段；拿不出任何一个完整项目；一被追问技术细节就心虚。中了任意一条，停下来想想是不是真要走这条路，硬耗着不如早换方向。

回头看，AI机器学习入门这趟我走得不快，胜在每一步都留了痕。时间线、真题、薪资数字全在上面，照着核对就行。觉得有用的话，转给那个天天喊转岗、却只会收藏教程的朋友。他就是三年前的我。