題主是北京某985理工類高校自動化專業本碩（碩士專業是控制工程），剛剛畢業半年左右，第一份工作是在一家創業型機器人小公司做控制工程師。工作內容很雜，主要是一些stm32開發和信號處理之類的工作，這家公司管理混亂，而且公司缺乏技術上經驗豐富的老員工，作為一個剛剛畢業的新人，感覺完全學不到什麼東西，成長性不足，而且分配的工作也不是自己興趣所在，於是我工作了半年不到就辭職了，打算趁著過年準備一下換一個靠譜點的工作。主要想轉到slam方向和機器學習方向。
我自己本身的情況是這樣的：
項目經歷：
沒有實習經歷，自己在實驗室的項目基本上和slam和機器學習沒關係，主要是調PID什麼的，純工程任務。本科畢設是用支持向量機做信號識別，但是本科畢設非常簡單。
個人知識儲備：
1、機器學習這塊我是一直從本科就在學，吳恩達的課看過前面一半，《統計學習方法》全部看過一遍，裡面的算法也大都推過一遍。周志華的西瓜書也看過。但是沒有實際的項目經歷（不知道泰坦尼克倖存者預測和TensorFlow手寫數字識別算不算）。
2、slam這一塊我是自學的《視覺slam十四講》一書，原理都看懂了，書上的代碼的大約70%都自己親手敲過一遍，orb-slam2論文看過，代碼細細讀過。
請slam和機器學習行業的職場老司機解答一下我的問題：
我這樣沒有實習經歷和項目支撐的情況下，轉去slam或機器學習崗位，是否能夠被公司接受呢？或者說我要達到什麼樣的程度，才能被相關公司接受？會有公司願意接受從0培養新人嗎？（我算從0.5吧）
職場老司機可否給一些轉行的可操作的建議呢？
本文對幾個優秀的回答進行了整理，解釋權歸答主所有。如有侵權，請聯繫刪除
以下觀點並不代表計算機視覺life觀點，僅作為參考。
半閒居士：
在下也是自動化系畢業，好像並不存在轉行一說，自動化搞控制、搞機器學習或者slam都很正常。
機器學習應用範圍寬，門檻低，目前學習資料很豐富，學起來並不費勁。相比來說slam資料少很多，書籍還都是大部頭的書，學起來還是挺花時間的。slam背後牽扯到的數學知識比較廣，能吃透並不容易（deep learning除了梯度下降之外還有別的數學嗎）。
slam崗位目前看來還是不太招的到人的階段。雖然有人覺得Slam在理論上已經解決了，然而現實是：
大部分人從零開始寫一個slam程序，多半寫不到現在開源方案的水平；
開源方案不滿足需求的情況下，大部分也不會改（對方案的瞭解並不深入）；
slam應用主要在自動駕駛、機器人、AR/VR上。國內自動駕駛近年很活躍，BAT和各車廠都有佈局，創業公司有名一點的都可以數出30多家。機器人的話，園區物流需求也比較明顯，京東、菜鳥以及許多創業公司都在做，ARVR不太好說，內容和生態能不能起來還是個問題。在你有碩士學位情況下，應該不難找到對應崗位。如果你自己能夠寫出完整一套slam，或者對某個開源方案有很深入的理解（看的懂，改的動），多數公司都應該會要你（據我瞭解許多公司裡的人員對slam瞭解也是這個深度）。如果你的理論基礎再紮實一些就更好。
作為建議，你可以嘗試自己寫個簡單的slam project，在kitti，euroc等數據集上與開源方案對比測試後，把結果放到簡歷裡，會讓你找到合適崗位的幾率增加不少。
Pickles Husky：
SLAM方向的博士生，最近也在找工作，簡單說兩句。
首先澄清一點，SLAM和機器學習完全不是一個量級的領域。機器學習對於很多公司和業務都是非常基礎的工具，而且這一趨勢越來越明顯，以後非常多的崗位都需要掌握機器學習的技術。機器學習跟很多領域都有交叉，比如現在在SLAM中應用機器學習的地方也越來越多。不客氣的說，掌握機器學習和數據處理技能的重要性，等同於掌握領域內的重要編程語言，比如C++。
而SLAM的應用面窄的多。SLAM的主要需求現在在機器人、自動駕駛和ARVR領域，如果SLAM是你的focus的話，你的就業面僅限這些行業。
而且說的不客氣一點，就算在以上這些領域，SLAM也不是驅動這些應用的最核心技術，SLAM僅僅作為一個提供定位與建圖的子模塊而已。當前很多應用中的SLAM問題尚未完全解決好，大家在SLAM上花很多精力解決問題；而一旦SLAM問題得到比較好的解決，SLAM將只是系統中提供定位以及建圖的工具而已，大家的精力將更多的放在更重要的問題上，比如自動駕駛中的perception、semantic information以及behavior prediction問題、機器人領域中的manipulation問題，等等。雖然我自己是做SLAM的，但是不負責任預測SLAM領域的熱度很難長時間持續下去，至少以十年量級來看以後衰落是必然的。而機器學習與數據科學現在的機會以及未來的潛力都是很難限量的。
討論完SLAM這個行業，再來看一下題主的背景。SLAM技能掌握上的特點與機器學習有點像，就是這個領域顯性門檻比較低，但是隱形門檻比較高。down一些opensource的code下來大家都可以跑比較好的demo，就像機器學習裡面大家順著tutorial去跑mnist的example非常簡單一樣。但是opensource的東西沒有應用背景，在真實的應用場景下出現一定比例、甚至大面積不work是非常常見的。當你真正到了企業裡面，企業需要你做能夠在應用場景下穩定工作的SLAM模塊，這時候無論是自己從零寫，還是改opensource，你都需要有很好的對SLAM原理及系統的理解，來調整系統去處理一些fail的cases。能夠為企業處理這樣的問題，一兩年的實際項目經驗加上相當量的閱讀（經典的大部頭比如MVG和paper，至少是傳統的paper）是必須的。
我非常不看好題主在家裡自行修煉。家裡能做的SLAM項目一般都沒有業界背景（這一點比機器學習條件更惡劣，機器學習起碼存在kaggle這樣“接近於”業界的項目可以做，SLAM除了kitti外別的和業界完全不沾邊），而業界非常看重實際相關的項目背景。而且企業從零培養新人的意願非常低，首先公司招你就是希望你有實際產出，而不是花錢培養你；其次如之前所說SLAM方向培養時間還是偏長的。
如果題主執意要走以SLAM為核心的技能路線，有兩條可能的路題主可以考慮：1. 讀相關方向的碩士後者博士，畢竟研究生招零基礎學生的概率遠高於企業。2. 走開發線路，需要題主有很強的C++背景（SLAM開發中C++目前是絕對主流），然後以軟件開發的身份進入相關公司SLAM的團隊，在有經驗的人指導下進行SLAM的軟件開發，這是我能想到的能在企業裡面學習SLAM的唯一渠道吧。。。
CLEMENT HUANG：
我司正在找一名自動化背景， 願意學習SLAM，編程能力強的工程師。座標上海。所以看到這個問題， 忍不住來回答幾句。
先介紹本人， 自動化專業本碩，學校都是985，在國企呆過三年， 外企12年，創業2年半。所以對於控制專業的學生的困惑應該是很有切身的體會的。控制專業的學生學的東西很多，但是到了工作中總有一種有力使不出來的感覺，關鍵是自動控制的應用是太廣泛了， 運動控制， 拖動， 過程控制， 微機原理，DSP或者算是Soc（System on Chip), 電力電子， 各種編程語言，軟件工程，到了研究生還要學數字信號處理， 各種優化控制算法， 甚至統籌學， 包括最近火起來的機器人， SLAM， 人工智能， 博弈論。你說一個在學校學校的學生，或者剛畢業三年的新人到哪裡摸得到門，行業裡的隨便一個小障礙就可以阻擋住一個信心滿滿的年青人，更別說如果單拿出一項武器來， 我們還幹不過別的專業。比如電力電子功率電路， 肯定幹不過學電力系統的， 軟件幹不過計算機的，算法沒應用數學的強， 搞通信和通信工程的也有差距。即使是電機控制， 要知道高校也有專門的電機系。控制專業的學生可能學了一年的電力拖動沒見過真正的電機，更分不清直流，交流， 直流無刷， 交流永磁，交流同步。然我見過無數自動化的大牛，後來在選擇的方向（非自動化）上都幹成了最優秀，那是在開始的三年甚至整個職業生涯花了更多的時間， 精力，傷了無數的腦細胞才取得的成就。
回到正題， 我能給的建議是， 找到一個適合自己的方向和平臺， 保持旺盛的學習慾望，紮下來幹個三年，短期的職業空窗期是可以接受的，但超過半年以上，基本上很難得到面試機會，公司評估一個這樣的候選人風險太高。並且你在家裡學習和在工作中學習完全是兩回事， 讀了多少書不代表你已經入了行。
不要給自己太窄的定位， 真正研究算法的人在一個公司裡是少之又少的， 算法需要自己去用代碼實現吧。要會測試吧，要能理解底層給你的接口吧。還要懂一些行業背景應用吧， 我只能說學習才剛剛開始。
劉暢：
知乎小透明首答，想借貴寶地寫下給新進入SLAM 領域或者猶豫是否進入SLAM 領域的在讀研究生(注意，是研究生，為什麼？因為其實研究生做SLAM 時間還是挺緊的)一些忠告:
1.能不碰實體機器人就不碰實體機器人
2.找好部分開始做
因為SLAM 範圍太廣，涉及內容也很深，學校又是一個要求創新點的地方，所以在讀完十四講(已被圈內封為SLAM 聖經，感謝高燈塔)之後，跑完全書的大部分代碼的時候，不要說，啊~好興奮~我已經全部掌握SLAM 啦~而是冷靜下來，仔細想一想，我想研究哪部分，是基於多視圖幾何的前端？還是對優化問題比較感興趣，想從概率機器人和凸優化兩本書入手？又或者是我想用機器學習做做迴環？還是說我要摒棄現有的一套方案直接用深度學習來個端對端的VO(這個已經有了，一個比較出名的大學做的，但是想做深入的研究應該也是可以的吧)，帶著問題做研究,把問題抽象。如果你只是要優化下定位精度，真的不用非要找個實體機器人，學好使用數據集測試自己的方案，將更多的精力放在C++上和優化的方法上(尤其是對於答主這種本來是機械的，編程也就是C++ primer 第一章的水平~).今天先答這些吧，太晚了，以後有時間接著答。
slamer：
本人恰好也是自動化，剛畢業就進入一家機器人公司，做定位製圖相關工作，機器學習稍微瞭解，主要說說slam。以上背景
slam方向是工程與科研相結合學科，在有很好的數學基礎前提下也需要很強的工程（尤其是c++）能力。如果題主想從事slam方向，首先可以先了解目前比較流行的slam解決方案，閱讀相關開源項目，比如激光slam中gmapping、cartographer，開源項目不僅能讓你對slam有一個宏觀的瞭解，也能夠學習好的代碼風格和代碼技巧。其次，學習相關理論知識，像非線性最小二乘法、卡爾曼濾波、粒子濾波、數值優化、自動求導等，有了這些基礎，slam入門才剛剛開始。如果想要進階，嘗試結合自己學到的理論知識，寫一個slam，這個時候對這些理論知識會有比較深刻的認識，寫工程的同時，你可能會發現有些書本中學不到的東西，比如調參，掌握調參技巧，好的參數就像整容手術，能讓機器人很好的work，後面要跟緊時代步伐，多閱讀slam相關paper。最後做slam不要急躁，在slam工程中會有很多小問題，保持好心態，祝你好運。
歡迎關注公眾號：計算機視覺life，一起探索計算機視覺新世界~早就是優勢，學習切忌單打獨鬥，這裡有教程資料、練習作業、答疑解惑等，優質學習圈幫你少走彎路，快速入門！
