最近很多剛?cè)雽W(xué)的學(xué)弟學(xué)妹給我們留言，聽說算法崗現(xiàn)在競爭很激烈，還能轉(zhuǎn)機(jī)器學(xué)習(xí)嗎？實(shí)習(xí)對(duì)于找工作重要嗎？

看完他們的疑問，三年前的經(jīng)歷在我眼前歷歷在目。

研一修完畢業(yè)學(xué)分后，我去創(chuàng)業(yè)公司實(shí)習(xí)了一年。期間，我從爬蟲入手，一路摸爬滾打，實(shí)現(xiàn)了千萬級(jí)微博評(píng)論自動(dòng)抓取，在即將成為“爬蟲專家”前，受師兄指點(diǎn)轉(zhuǎn)向DL算法。

下面我以「就業(yè)」為導(dǎo)向，分享一條親身經(jīng)歷的學(xué)習(xí)路線。參考這個(gè)方法，在深度學(xué)習(xí)方向拿到offer進(jìn)大廠，不是啥難事兒。

一、研一：基礎(chǔ)理論學(xué)習(xí)

研一的主要工作是學(xué)理論，打基礎(chǔ)。

然鵝學(xué)校的課程基本屬于科普講座，很多內(nèi)容僅靠上課是遠(yuǎn)遠(yuǎn)不夠的。

這里我把第一年的學(xué)習(xí)任務(wù)細(xì)分了4個(gè)方向。

1）深度學(xué)習(xí)理論

基礎(chǔ)不牢，地動(dòng)山搖。沒有扎實(shí)的基本功，無論是做科研還是做項(xiàng)目，都很容易捉襟見肘。

那怎樣學(xué)習(xí)效率最高呢？

如果你覺得看大頭書很枯燥（比如《深度學(xué)習(xí)》花書），我推薦你直接看吳恩達(dá)和李宏毅老師的深度學(xué)習(xí)視頻課。

內(nèi)容既權(quán)威又有趣，看完會(huì)讓你覺得學(xué)習(xí)簡直是一天中最快樂的事！

這些網(wǎng)課都有配套的編程練習(xí)，學(xué)一課做一課，養(yǎng)成好習(xí)慣，及時(shí)查漏不缺。

看完視頻，如果想檢測一下自己的學(xué)習(xí)效果，推薦你參考我在知乎的一篇回答，看看第一部分“理論基礎(chǔ)”問題，自己能輕松解答多少。

如果你是面試官，你怎么去判斷一個(gè)面試者的深度學(xué)習(xí)水平？[1]

例如了解前向傳播反向傳播，以及鏈?zhǔn)角髮?dǎo)；給一個(gè)兩層的MLP和簡單的二維向量，能推導(dǎo)出 forward propagation，再用 chain rule 推導(dǎo)出 back propagation。

2）確定研究方向

經(jīng)過前面的理論學(xué)習(xí)，你應(yīng)該發(fā)現(xiàn)深度學(xué)習(xí)領(lǐng)域有很多細(xì)分方向，例如語音、自然語言處理、視覺、強(qiáng)化學(xué)習(xí)、純深度學(xué)習(xí)理論。

所以第二步我們要明確自己的研究方向，并在之后兩年的學(xué)習(xí)中有所突破。

如果你喜歡語音交互，熟悉C++，可以選擇語音識(shí)別、語音合成等研究課題；

如果你喜歡研究文本和對(duì)話，熟悉Python和爬蟲，可以選擇自然語言處理方向；

如果你喜歡圖片與視頻，熟悉Python，對(duì)算法落地也很感興趣，可以選擇計(jì)算機(jī)視覺方向；

至于強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)理論研究等方向，如果不是自身基礎(chǔ)非常扎實(shí)或有優(yōu)秀的師兄師姐指導(dǎo)，建議謹(jǐn)慎入坑。

這一步大家不要著急，既要了解不同方向，更要認(rèn)真了解自己，包括能力、性格、特質(zhì)。如果對(duì)自己研究領(lǐng)域沒有熱愛和興趣，到了中后期會(huì)非常痛苦，即便再換方向，沉沒成本也會(huì)很高。

好比讓你挑一道菜吃十年，什么才會(huì)是你的首選呢？

3）閱讀經(jīng)典論文

選好方向之后，下一步的重點(diǎn)是閱讀該領(lǐng)域的經(jīng)典論文，包括傳統(tǒng)方法，以及近期熱點(diǎn)。

如果你和我一樣主攻自然語言處理方向，那應(yīng)該對(duì)最早期的神經(jīng)網(wǎng)絡(luò)語言模型(2003)、靜態(tài)詞向量word2vec(2013)、動(dòng)態(tài)詞向量ELMO(2018)、預(yù)訓(xùn)練語言模型BERT、RoBerta、GPT(2018-2020)，以及近期流行的prompt訓(xùn)練(2021)都有清晰的認(rèn)識(shí)，明白哪些場景適用哪種方法。

然后再往下細(xì)分，選擇子領(lǐng)域內(nèi)的論文閱讀。

如果研究對(duì)話系統(tǒng)，對(duì)于常規(guī)的分類、匹配算法應(yīng)該非常熟悉，同時(shí)了解基于神經(jīng)網(wǎng)絡(luò)的DST算法，不同召回策略等等。

還不知道怎么搜論文的同學(xué)，這里教你兩種萬能搜索方法。

1. 正向檢索

在谷歌學(xué)術(shù)、arxiv、ACL Anthology輸入英文關(guān)鍵詞，檢索相應(yīng)主題的paper，注意查看發(fā)表年份和引用數(shù)量。

或者直接查找近年的survey文章，在綜述中查看主要的研究分支和related work。

2.反向檢索

在谷歌學(xué)術(shù)的搜索結(jié)果頁面，點(diǎn)擊某一篇論文的“被引用次數(shù)”，跳轉(zhuǎn)進(jìn)入引用了該論文的所有paper。

底層邏輯是引用了A論文的其他論文，基本都和A論文所屬的研究領(lǐng)域一致。

這兩種檢索方法，可以大幅提高查找文獻(xiàn)的效率。

4）強(qiáng)化一門主流編程語言

通過以上3步，我們已經(jīng)具有了相對(duì)系統(tǒng)的理論基礎(chǔ)。然而“巧婦難為無米之炊”，有idea卻無法通過編程實(shí)現(xiàn)，還是白搭。

所以接下來，我們要給軍火庫增添幾樣重型武器，包括一門主流編程語言(深度學(xué)習(xí)一般用Python)，深度學(xué)習(xí)框架(推薦Pytorch)，服務(wù)器調(diào)用(Linux指令)，IDE使用(Pycharm或Vscode+jupyter?lab)等。

有了這些工具，開發(fā)深度學(xué)習(xí)項(xiàng)目會(huì)方便很多。

而且從目前大家都在卷的情況看，coding已是基本功，是技術(shù)崗?fù)ㄟ^面試的底線。

一邊學(xué)習(xí)，一邊每天在leetcode上刷1～2道算法題，校招找工作會(huì)事半功倍。

進(jìn)入研二，大家可選的路更多了。有的同學(xué)繼續(xù)在實(shí)驗(yàn)室從事科研，以做實(shí)驗(yàn)發(fā)paper為目標(biāo)，有的同學(xué)已經(jīng)走出校園開始提前實(shí)習(xí)。

這兩種選擇沒有好壞，關(guān)鍵要適合自己。最怕每天窩在宿舍吃外賣打游戲，畢業(yè)只多了張文憑。

二、科研與學(xué)術(shù)

有些同學(xué)是主動(dòng)從事科研的，例如我身邊就有本科發(fā)表頂會(huì)，碩士畢業(yè)已手握6-7篇CCF-A一作的巨佬。

也有導(dǎo)師不放實(shí)習(xí)，“被迫”滯留實(shí)驗(yàn)室的同學(xué)。研二時(shí)的我就屬于這一類，雖然拿到了大廠實(shí)習(xí)offer，又被勸退重回學(xué)校搞科研。

總的來說，做科研四分靠實(shí)力，三分靠努力，還有三分天注定。

實(shí)力首先指理論扎實(shí)，具有敏銳的學(xué)術(shù)嗅覺，懂得挖掘idea；英語閱讀、寫作過關(guān)，用詞地道，知道怎樣寫paper容易中稿；同時(shí)編程強(qiáng)悍，能快速迭代實(shí)驗(yàn)，驗(yàn)證結(jié)果。

有同學(xué)可能某方面薄弱些，可以通過大三大四以及研一研二的努力來彌補(bǔ)。

即便手握七成概率，paper能否中稿還和評(píng)審人的口味等“隨機(jī)因素”相關(guān)，有一定運(yùn)氣成分。

所以做科研挺有風(fēng)險(xiǎn)的，如果忙活了2-3年沒中論文，碩士生涯幾乎等于nothing。

之前聽一位985師兄說，他們實(shí)驗(yàn)室有50多個(gè)深度學(xué)習(xí)方向的博士，每當(dāng)夜深人靜之際，經(jīng)常能聽到博士宿舍樓傳來哭聲(科研壓力太大，沒有達(dá)標(biāo)數(shù)量的paper畢不了業(yè))。

甚至還有博士生在實(shí)驗(yàn)室做實(shí)驗(yàn)，做著做著就哭了。

三、項(xiàng)目與實(shí)習(xí)

相比之下，在互聯(lián)網(wǎng)公司找到一份實(shí)習(xí)要容易很多。

雖然內(nèi)卷天天有，但只要研一沒摸魚，研二進(jìn)一家第一第二梯隊(duì)的大廠一般問題不大。再不濟(jì)，也能去偏頭部的創(chuàng)業(yè)公司。

在公司實(shí)習(xí)，主要是積累項(xiàng)目經(jīng)驗(yàn)，把之前學(xué)習(xí)的理論落到實(shí)處。同時(shí)提前了解公司的管理流程、開發(fā)部署環(huán)境等等。

實(shí)習(xí)經(jīng)歷將會(huì)是簡歷的一大亮點(diǎn)，越來越多大廠開始更加重視實(shí)習(xí)。一段充沛的實(shí)習(xí)經(jīng)歷（3個(gè)月以上）絲毫不遜色于發(fā)表一篇頂會(huì)論文。

這是我導(dǎo)師部分碩士的畢業(yè)去向，有很多學(xué)術(shù)大佬，他們也會(huì)提前去公司實(shí)習(xí)。有的順利轉(zhuǎn)正，有的跳槽拿了更好的offer。

如上，走大廠實(shí)習(xí)轉(zhuǎn)正是拿到校招offer的很好選擇。部分大廠（如阿里）很多hc很早就預(yù)定給實(shí)習(xí)生轉(zhuǎn)正了，走常規(guī)秋招難度要大很多。

如果想實(shí)習(xí)導(dǎo)師卻不放人，建議提早和導(dǎo)師溝通協(xié)調(diào)。如果只能留在實(shí)驗(yàn)室，趕緊看看有沒有靠譜的項(xiàng)目，能提供指導(dǎo)的師兄師姐。

如果導(dǎo)師放養(yǎng)，又不讓實(shí)習(xí)，還不給機(jī)器，那兄弟你只能自求多福了！

四、總結(jié)

研究生2-3年的時(shí)間非常短，如果熱愛學(xué)術(shù)，想要對(duì)整個(gè)研究領(lǐng)域產(chǎn)生個(gè)人影響，建議先出門右拐讀個(gè)博。

另外，深度學(xué)習(xí)也沒有想象中的那么高大上。大部分業(yè)務(wù)導(dǎo)向的算法崗，很多時(shí)候在和數(shù)據(jù)分析打交道、跟各個(gè)部門對(duì)齊需求，真正讓你訓(xùn)模型跑實(shí)驗(yàn)的比例其實(shí)很低。

在工業(yè)界，模型是否新穎不是最重要的，通過A/B測試，驗(yàn)證算法能給公司真正帶來經(jīng)濟(jì)效益才是關(guān)鍵。

為什么還有那么多同學(xué)反饋算法面試好難呢？

因?yàn)樯嘀嗌?，除了?jì)算機(jī)，還有各個(gè)專業(yè)的同學(xué)一起往里卷，門檻自然水漲船高。因而有了“面試造火箭”的說法，公司也正好通過面試刷掉一批想渾水摸魚的人。

從這個(gè)角度看，提早選擇開發(fā)崗也是一種不錯(cuò)的折中。開發(fā)崗需求大，和算法的薪資差距也越來越小。

不管選擇什么，認(rèn)真了解自己，適合自己的才是最好的。

千淘萬漉雖辛苦，吹盡狂沙始到金。

無論什么崗位，成長、薪水、福利都是和付出成正比的。只有自己努力，才能在研究生階段學(xué)有所成，收獲滿意的offer！

- END -

覺得還不錯(cuò)就給我一個(gè)小小的鼓勵(lì)吧！