ヾ(≧▽≦*)o Hi!¶
这里是麦旋风巨好吃(ricolxwz)的小本本哦!
重定向说明¶
原站https://ml.ricolxwz.de, https://gk.ricolxwz.de, https://misc.ricolxwz.de于近日停止服务, 目前已经重定向到本站: https://note.ricolxwz.de. 该转发服务将维持3个月, Cloudflare转发规则只能有三个orz.
哲学¶
提升代码能力最高效的方法, 就是参加一个完整的项目或者比赛, 系统锻炼解决问题的能力. 例如, 对于机器学习, 最经典的例子就是Kaggle上的Titanic生存率预测任务, 把这个比赛完整做一遍, 就能学到数据准备, 数据分析, 模型构建, 预测输出整个链路的内容. 对于深度学习, 可以联系阿里天池平台的新冠疫情相似句对判定大赛, 根据文本对判断相似性, 可以系统练习文本预处理, 分词, 模型构建和训练等知识点. 如果能够花点时间把这套代码吃透, 代码能力绝对有很大提升.+
研一的主要工作是学理论, 打基础. 类似于了解前向传播反向传播, 以及链式求导, 等等. 第二步是确定研究方向, 例如语音, 自然语言处理, 视觉, 强化学习, 纯深度学习领域, 既要了解不同方向, 更要认真了解自己, 包括能力, 性能, 特质. 如果多自己的研究领域没有热爱和兴趣, 到了中后期会非常痛苦, 即便再换方向, 沉没成本也会很高. 选好方向后, 下一步的重点是阅读该领域的经典论文, 包括传统方法, 以及近期热点, 然后再往下细分, 选择子领域内的论文阅读. 运用正向检索和反向检索大幅提高查找文献效率. 第四步是强化一门主流的编程语言, 从目前大家都在卷的情况看, coding已经是基本功, 是技术岗通过面试的底线, 一边学习, 一边在leetcode上刷1-2道算法题, 校招找工作会事半功倍.
做科研, 四分靠实力, 三分靠努力, 还有三分天注定. 即便手握七成概率, paper能中与否还和评审人的口味等随机因素相关, 有一定运气成分. 相比之下, 在互联网公司找到一份实习要容易得多. 在公司实习, 主要是积累项目经验, 把之前学习的理论落到实处, 同时提前了解公司的管理流程, 开发部署环境等等.
深度学习没有想象中那么高大上. 大部分业务导向的算法岗, 很多时候在和数据分析打交道, 跟各个部门对齐需求, 真正让你训练模型跑实验的比例其实很低. 在工业界, 模型是否新颖不是最重要的, 通过A/B测试, 验证算法能否给公司真正带来经济效益才是关键.