金融巨头「AI算法工程师」蔡同学：失业后，我去读了“美国哈工大”

我曾以为，研究大脑是件很酷的事儿。毕业后才恍然发现，这门学科培养的，从来不是职场里的“打工人”。

失业像一记清醒的耳光，让我下定决心转码。

如今，我是史蒂文斯理工学院的计算机科学在线硕士生，也是金融行业的一名AI算法工程师。 回过头看这段“被逼无奈”的旅程，竟也一路走出了惊喜。

（未经授权，严禁转载，文章中的“我”，均代表蔡同学）

很多人问我，当初为什么选择神经科学？

说实话，纯粹是因为觉得有趣儿。那时候年轻，没太多考虑现实层面的问题，完全是被理想驱动的选择。

我在加拿大读完了高中和本科，专业是神经科学，一个研究人脑和动物大脑如何工作的基础学科。

听起来确实挺“高大上”的，但问题在于，这个专业非常垂直。

这个专业培养的是学术研究型人才，需要读到博士才能走得更远。而我作为一个本科生，想要进入工业界谋个技术岗位，很难找到门路。

毕业之后，我长期在迷茫中徘徊，走过不少弯路，反复试错。

直至25年年初，我失业了。

这次失业让我彻底意识到，倘若继续沿着原有的轨迹走下去，机会只会愈发渺茫。求职之难，让我在现实的裹挟下，不得不做出改变。

一、决定转码，从培训班到美国在线硕士

首先，我的目标很明确，转向计算机。

起初，经过一些调研，我报名了一家AI课程速成培训班。

那段经历非常宝贵，也正是在培训班，我第一次听说了史蒂文斯理工学院的在线硕士项目。

事实上，对于在线硕士，我并不陌生。

在多伦多大学读本科时，我就在Coursera上见过类似的形式。

当时没太当回事儿，觉得离自己挺遥远的，但这次不一样，它成了我转型的最佳选择。

我的想法很简单——只要学习内容不受硬件条件所限，线上与线下便无本质区别。

学计算机的人，硬件无非就是一台电脑，这一点大家都具备。除去这个因素，线上线下别无二致，含金量丝毫不打折扣。

至于为什么选择史蒂文斯理工学院（Stevens），我早有耳闻Stevens被称为「美国的哈工大」，是一所很硬核的学校。

当时虽然还有其他选项，但我几乎没有犹豫便锁定了它。

图示：蔡同学与教务、教授和班级群沟通过程中，针对课程、学习体验、教务服务等表现出来的正面反馈

图示：蔡同学比较风趣幽默，常常会在群里用生动形象的例子解答同学的问题

二、Stevens就读体验：难度不小，收获更大

入学之前，我预判这所学校应当颇具实力，入学之后，发现它果然名不虚传。

不过，厉害的背后，是真真切切的挑战。

课程难度偏高，节奏紧凑。即便我具备一定基础，每一次作业都不轻松。

Java编程入门（CS 501）尚且友好，到了数据结构（CS 570），由于不够熟悉，材料我至少通读了两遍。那一周的作业，没有扎实的功底确实难以完成。

但正是这种“虐”，带来了实打实的收获。

01：从“会用”到“真懂”

以前学Python的时候，什么内存、引用，我完全没有概念。为什么修改列表和修改普通变量的效果不一样？常常一头雾水。

上了Java编程入门课之后，一切豁然开朗。原来列表里存的不是数据本身，而是引用。搞懂了这一点，之前那些似是而非的东西全通了。

打个比方：以前写代码就像驾驶自动挡汽车，能把车开走便算完成任务。如今学会了手动挡，理解了发动机的工作原理，再回到自动挡时，也能自如切换运动模式，清楚何时该采用何种操作。

这种感觉，就是从“会用”到“真懂”的质变。

02：写代码的成就感，无可替代

要说最直接的快感，永远是写代码。

从看完作业要求一脸茫然，到慢慢理清思路，再到最后把代码跑通。这个过程带来的成就感，是任何东西都无法比拟的。

尤其是当代码历经数十次调试、反复排查，终于顺畅运行的那一瞬间，脑海中内啡肽仿佛骤然迸发，那种酣畅淋漓的感受，难以言表。

相较之下，看书、背诵、考试这些，对我而言则显得索然无味。

03：遇到的教授，都很厉害

到现在只接触了两位教授，但个个都让我印象深刻。

一位是Reza Peyrovian教授，他曾在AT&T实验室工作24年，任AT&T公司技术总监、首席技术人员。

AT&T相当于美国的中国移动，能在那儿当资深技术人员，工业界经验可见一斑。很多教授是纯学术背景，像他这样工业界和学术圈两头都硬的，真不多见。

另一位是Debbie Reid教授，他的课对零基础的同学特别友好，讲课方式让人更容易跟上。

他还分享过自己本科时也曾准备读医学院，后来转码了，跟我的经历还挺像的。

三、工作与学习，AI时代的生存法则

现在我已经入职一家大型金融机构，算是正式完成了转行。

回想求职的那段时日，前后面试了约三十家公司，过程颇为煎熬。最后能进来，我觉得很大程度上是运气使然。

入职后，明显感觉学到的东西派上了用场：

面试里的代码题，应对起来轻松不少。工作中遇到问题，基础扎实了，至少不会在代码环节卡壳。

不过工作和上学真的很不一样。

工作只看结果，老板不管你用什么方法，把任务完成就行，所以用AI写代码在工作中很正常，老板根本不在乎你怎么写。

但在学习的时候，我坚决不推荐用AI直接生成代码。

就算躲过学术诚信检查，你自己什么也没学到，有什么意义？实在没思路，用AI启发一下可以，但直接生成代码，绝对不行。

四、关于身份，我把自己定义为“专家”

这几年下来，我最大的感悟是自我身份定义太重要了。

很多人觉得学习应该先有过程，再有结果。但我恰恰相反：先有结果，再有过程。

这个“结果”就是你把自己定义成什么样的人。

如果你只把自己当个“打工人”，为了工作需要才被动学习，那很难坚持下去。今日需要便学，明日用不上便抛诸脑后，本身就缺乏持久的动力。

但我不一样。

我给自己定义的身份是「我是一个机器学习爱好者」。我热爱写代码，基于这个身份，每天看论文、刷力扣、关注行业动态，就成了顺理成章的事，一点都不觉得苦。

身份定义与学习中的正向反馈，其实是相辅相成的。

定义赋予我持续学习的动力，而学习所获的成果，又反过来强化了我对这一身份的认同。

这是一个双向奔赴的良性循环。

五、给在这条赛道的同行者一些话

如果要给还没入学的同学说点什么，我想说：

如果你没有计算机基础，零基础入局，一定要做好心理准备。这条路可能比你想象的难走；

但请相信，挑战有多大，收获就有多大。熬过去了，你一定会感谢现在拼命的自己。

关于未来，我暂时没有什么具体计划。于我而言，学习是无处不在的。

我可以翻开一本书潜心阅读，打开B站看一段视频汲取新知，甚至刷短视频时也能有所收获。

如果说有什么“不切实际”的想法，那就是：如果哪天财务自由了，我想去读个博士。

将读博视作一种高层次、极具挑战却又饶有趣味的消遣。不为升职加薪，不为投资回报，纯粹是为了满足好奇心，追求自我实现。

当然，前提是“财务自由”。在那之前，我还是先把手头的事干好，把眼前的路走稳。

毕竟，从神经科学到计算机，这条路我已经走了一大半儿。

后面的风景，我还挺期待的。

---

史蒂文斯理工学院 计算机科学硕士

✅高就业率：超过99%的硕士毕业生在毕业6个月内找到工作

✅最值得读的美国CS之一：投资回报率最高的大学计算机科学专业第3，仅次于MIT和哈维穆德学院

✅硬核课程：算法、深度学习、机器学习、自然语言分析等前沿AI知识

✅专业顶尖：U.S.NEWS在线计算机专业全美第8名

✅院校认可度高：被誉为全美四大理工之一，毕业生受硅谷科技大厂偏爱

✅地理位置开挂：坐拥纽约金融圈+新泽西科技带

✅对中国职场人友好：支持纯线上/混合制学习模式，证书和留学生完全一致，赴美可获得3年OPT