这周 Karan 面试了多位机器学习岗位的候选人，发现大多数人难以拿到优质工作，主要原因是：

- 基础知识薄弱

- 能回答“是什么”，但不懂“怎么做”和“为什么”

- 只会背流行技术名词，却不理解其本质

- 多数项目靠AI生成代码，面对实际问题时无法提出解决方案

现在写代码不难，关键是能否独立分析问题并给出有效方案。大公司爱考数据结构算法（DSA），但这对很多机器学习岗位其实没多大帮助。面试最重要的是看候选人思考问题的能力和对项目的全局理解。

因此，求职者应先夯实基础，深入理解技术原理，学会从头到尾设计和讲解完整的机器学习项目。市场依然需要高质量工程师，但现在很多人只顾追热点，忽略了项目的深度和广度。

几个建议和思考：

- 知识面不必广泛追逐所有热门技术，深入掌握一两个核心技术更有价值

- 了解基本算法和机器学习原理是理解各种框架和工具的关键

- AI辅助写代码虽方便，但不能依赖，要能自己设计和调试方案

- 面试时展现解决真实问题的思路比死记技术名词更重要

总结：技术的本质是解决问题，基础和思考力是核心竞争力。求职路上别被“热词”迷惑，踏实打牢根基，才能走得更远。

原文链接：x.com/kmeanskaran/status/1984644038541394272