作为四川大学2022级通信工程的学生，面对考研与就业的选择，我最终放弃考研，决定通过打磨技术栈参加秋招。起初，我将数据分析作为自己的求职方向，希望通过转专业学习进入计算机相关行业。然而，真正走进招聘市场后，我才发现，数据分析岗位的就业门槛远比想象中更高。缺少实习经历、技术基础薄弱、跨专业求职等现实问题，让我的秋招之路屡屡受挫。
但这段经历并没有白费。学习数据分析的过程中，我积累了Python编程和机器学习的基础，也逐渐了解了计算机行业的学习方式与求职逻辑。秋招失利后，我重新审视自己的能力基础和市场需求，最终将方向调整为大模型开发。经过一段时间的集中学习、项目打磨和反复面试，我在春招中陆续获得了三个offer，并最终选择进入目前的公司，从事交通智能体开发工作。
大三面临发展方向的选择时，我曾在考研与就业之间反复权衡。经过综合考虑，我决定放弃考研，将主要精力投入技术学习和秋招求职。由于本科专业并非计算机，我需要从零开始补充相关知识。那段时间，我把数据分析作为目标岗位，陆续学习了Python、数据处理、数据可视化、机器学习等内容，希望凭借这些技能进入数据分析行业。
真正开始投递简历后，我才意识到理想与现实之间存在不小的距离。市场上的优质数据分析岗位通常对学历背景、院校层次、实习经历和项目经验都有较高要求，部分岗位还格外看重数学、统计学和计算机相关专业背景。对于刚刚转方向、没有相关实习经历的我来说，仅凭短时间积累的技术基础，很难在竞争中脱颖而出。
秋招期间，我投递了许多岗位，但大部分简历都石沉大海。偶尔获得笔试机会，也常常因为准备不足而无法通过；即便进入面试，面对项目细节、算法原理和实际业务问题，我也很难给出令人满意的回答。一次次没有反馈的投递和接连不断的笔试、面试失利，让我一度陷入强烈的自我怀疑。我开始担心自己的选择是否正确，也怀疑一个没有实习经历、没有科班背景的学生，是否真的能够进入计算机行业。
现在回头看，那段经历虽然令人迷茫，却也是我职业方向发生转变的重要阶段。数据分析的求职结果并不理想，但此前的学习并非毫无意义。Python编程、数据处理和机器学习知识，为我后来学习大模型技术打下了基础；不断投递和参加笔试面试，也让我逐渐认识到，求职不能只凭兴趣选择方向，还需要结合自身积累、岗位需求和行业发展趋势进行判断。
秋招结束后，我没有继续盲目投递，而是重新分析自己的优势与不足。我阅读了大量技术博客、行业报告和求职经验分享，也关注了人工智能领域的发展趋势。结合已经具备的Python和机器学习基础，以及市场对大模型相关人才不断增长的需求，我决定调整求职方向，在春招中重点尝试大模型开发岗位。
确定方向只是第一步。由于大模型开发涉及的知识范围较广，我需要继续补充深度学习、Transformer架构、大语言模型应用、模型微调、知识库检索、智能体开发等相关内容。为了弥补缺少实习经历的不足，我把更多时间投入到项目实践中，通过完整项目证明自己的学习能力和技术水平，而不是只在简历中简单罗列掌握过的工具。
这段时间，我逐步完善自己的技术栈，也更加重视项目经验和作品呈现。我不再满足于“学过某项技术”，而是努力把知识转化为可以运行、可以展示、可以解释的项目成果。每完成一个项目，我都会重新梳理技术方案、实现过程、难点与改进方向，确保自己能够在面试中清楚说明为什么这样设计、遇到了什么问题，以及最终如何解决。
与此同时，我也开始调整面对失败的心态。过去，一次笔试或面试失利就可能让我陷入自我否定；后来，我逐渐把每一次招聘考核都视为检验学习成果的机会。笔试中不会的知识点，结束后及时补充；面试中回答不好的问题，立即整理复盘；项目被质疑的地方，则继续修改完善。正是在一次次失败、复盘和改进中，我对技术的理解逐渐深入，表达能力和面试状态也不断提升。
春招期间，我继续投递大模型开发和人工智能相关岗位。与秋招时的迷茫相比，这一次我的方向更加明确，技术准备和项目经历也更加充实。经过多轮笔试和面试，我最终获得了三个工作机会：一个来自传统行业的大型企业，一个来自机器人领域的初创公司，另一个则是我目前所在的公司。
综合考虑岗位内容、发展方向和个人兴趣后，我最终选择进入现在的公司，从事交通智能体开发工作。从最初学习数据分析，到转向大模型开发，再到真正进入人工智能相关岗位，这条路并不是提前规划好的直线，而是在不断尝试、碰壁和调整中逐渐清晰起来的。
回顾整个求职过程，我深刻认识到，暂时没有获得理想结果，并不意味着此前的努力没有价值。虽然我最终没有找到数据分析工作，但那段学习经历为我留下了Python和机器学习基础，也成为我转向大模型开发的重要支撑。很多时候，学习成果并不会立刻以预期的方式得到回报，却可能在之后成为连接新方向的桥梁。
我也逐渐明白，就业并不是简单地选定一个热门岗位，然后学习几门课程就能获得结果。企业真正关注的，往往是求职者能否运用技术解决实际问题，是否具备持续学习和适应变化的能力。对于跨专业求职者而言，学历和专业背景短时间内难以改变，但技术能力、项目经验、作品质量和面试表现都可以通过持续投入得到提升。
在这里，我想给正处在人生选择路口的学弟学妹几点建议。
第一，不要因为一时迷茫就否定自己。就业、考研和出国都是值得选择的发展道路，关键不在于哪条道路看起来更好，而在于是否适合自己。作出选择后，应当给自己一定的时间持续投入，不要因为短期内没有结果就轻易放弃。
第二，如果决定就业，就要尽早了解真实的招聘市场。不要只根据岗位名称或网络上的热门讨论选择方向，而应认真查看招聘要求，分析岗位所需的学历背景、技术能力、实习经历和项目经验，再结合自身情况制订学习计划。
第三，重视项目经验和个人作品集。尤其对于计算机和人工智能相关岗位，仅仅学习课程、记住概念并不足以证明自己的能力。一个能够实际运行、逻辑完整并且可以清楚讲解的项目，往往比简历上堆砌大量技术名词更有说服力。
第四，有条件的同学应尽早寻找实习机会。实习不仅能够丰富简历，更重要的是帮助我们理解企业如何开展真实项目、如何进行团队协作，以及技术怎样应用于具体业务。对于计算机类岗位而言，一段高质量的相关实习经历通常具有非常重要的价值。
第五，要学会从笔试和面试中成长。求职没有反馈、笔试未通过、面试回答不理想，都是很常见的经历。不要把单次失败当作对个人能力的最终判定，而应及时复盘知识盲区、表达问题和项目不足。只要每一次失败都能带来具体改进，求职能力就会逐渐提升。
从放弃考研到参加秋招，从数据分析求职受挫到转向大模型开发，再到最终获得三个offer并从事交通智能体开发，我走过的并不是一条顺利的道路。但正是这些试错和挫折，让我逐渐找到真正适合自己的方向。
希望仍在迷茫中的学弟学妹相信，暂时没有收到反馈，并不代表自己找不到工作；最初选择的方向没有走通，也不意味着所有努力都被浪费。保持行动，持续打磨技术，完善项目和作品，主动争取实习与面试机会，并在每一次失败中总结经验。当能力积累到一定程度，曾经看似走不通的道路，也可能在新的方向上迎来转机。
