• 毕业想找互联网技术工作,读研应该怎么做,做什么


    你想进什么公司,和你读什么计算机方向,关系不是很大。只要是理工科的学生,面对技术岗位,其实机会是差不多的。


    至于你想什么职位,那显然和你的专业/方向关系较大,比如说很多大数据职位,就明确表示要求你DM/ML/NLP/IR背景,但是这也只是说这些
    学生可能更有优势些,事实上,数学和统计学出身的,很多搞这个非常牛逼的。


    所以,不要问选什么导师,选什么方向;也不要问我的实验室很水老板很菜我还能找到好工作吗?你要问的是:我想毕业去互联
    网公司,我读研的这几年是应该打酱油呢,还是打地沟油?


    想找一个好的互联网技术类、研发类工作,无非就是以下4点,你任选一点,做好了,都是有利的,哪4点?具体如下:


    1,语言层面。

     

    你是想搞C++还是Java?选定一门语言后,多看一些这方面的书。


    C++,不用说了,effective,more effective,inside the C++ object model,等等。


    Java,最好能看点虚拟机相关的。尤其是Java虚拟机的内存管理。以及多线程、线程池、设计模式等。

    问题来了:学C++好还是学Java好呢?语言争论每天都在发生,真的好无聊。建议按照方向和兴趣来选择,不靠谱的说:


    如果是想做大型游戏开发、底层研发、系统研发、驱动研发等等,就选用C/C++。


    如果是想做网站开发、网络研发、上层开发、Android开发等等,就选用Java。


    顺便说一下,有空可以学学Python。


    2,算法层面。


    学好算法。这个有两条路,最好是并行,那就是看书和做题。


    看书的话,主要有《算法导论》、《算法》(Robert Sedgewick著)、《算法竞赛入门经典》、《挑战程序设计竞赛》


    找一本认真看,认真思考。证明过程可以不看,但是算法思想最好能懂,以及实现,最好能在纸张上写出来。复杂度总要知道吧?


    研一的时候,我就把算法导论上的很多算法,都自己亲自coding了下。


    特别复杂的数据结构,比如红黑树、B树,没空就别搞了。互联网面试一般都不要求的。


    主要是排序、查找、简单DP、贪心、图算法和搜索。 根据身边同学的面试经验,二分搜索和快速排序,是面试常备了。看书的时候,如果有
    时间,可以思考几个问题:

    a,这个算法的时间空间复杂度,各是多少?如何分析?


    b,工程实现里,都有哪些trick?如何加速?


    c,这个算法可能用在哪些方面?有哪些应用?你比如说吧,求交集的算法,就广泛用在倒排索引、新浪微博共同关注、计算Jaccard系数等
    等上。


    除了看书,还有就是很重要的:刷题啦。主要有poj,zoj等。找一个网站,认真刷一些题目,踏踏实实的,别浮躁。


    3,项目层面。

    如果实验室比较牛,基本上忙项目就足够累死累活了;不过做了相对给力的项目,对于找工作,还是有很大帮助的。基本上不用怎么愁了。
    如果老板这儿没项目呢?

    如果实验室比较水,那就尽量去实习。大公司的实习经验很能给简历加分。如果老板不让你出去实习。ok,既然实验室很水,说明自由时间
    比较多,那还是可以干很多事。比如说,github上就有很多开

    源项目,你可以选择一两个著名的,阅读源码,然后尝试自己也参与进去。


    说几个我比较感兴趣的开源项目吧:redis,spark。


    4,专业层面。


    你对数据挖掘很精通,你对推荐系统很熟悉。你在NIPS,SIGIR上发表论文无数;你是百度推荐大赛,阿里巴巴大数据比赛冠军常客。


    也就是说,除了尝试发顶会论文,还可以参加各种比赛。本专业本领域里都有什么比赛可以参加呢?搜一下微博或者知乎,或者问下师兄师
    姐,不就知道了?


    专业层面,可以做的东西非常多。比如,你对数据挖掘很感兴趣,那么数据挖掘中的常见模型,我们了解多少?机器学习,我们掌握到什么
    程度了?举个例子:


    a,SVM和logistic regression这两种model,有什么特点?各自的适用场合?


    b,feature selection的常用方法有哪些?为什么lasso可以作为feature selection?


    c,Adaboosting为什么不容易over-fitting?你能不能从statistical view来解释解释?

    d,哦,你和我说,你不是搞学术研究,你反感Learning Theory,你说你是一个工程师,那你写了多少代码?

    scikit-learn,weka,以及spark,你会用哪个工具?(熟悉一种工具)


    你有自己下载一些数据集跑跑实验吗?你有参加一些大数据相关的竞赛吗?(动手实验/参加比赛)

     

    专业层面,能做的,要做的,还有很多。


    哦,最好熟悉下linux的基本使用。


    如果能在读研期间做到这里的一点或者几点,到时候甚至不需要翻《编程之美》或者leetcode就毫无压力啦。 最后说几点个人感受。

    a,算法牛,项目牛,实习经历牛,长得又帅,又精通很多语言,这种人,是不多见的。


    也就是说,你想拿一个好offer,一般只要有一两点突出,就可以了。


    b,互联网面试,除了个别公司个别面试官,一般都是要考查(考查?考察?这两个词有什么区别?考察是调研、研究、分析的意思)算法的
    。你研一的时候准备,看书做题,总比研三的时候抱佛脚来的好吧?

    况且,算法的学习,也不仅仅是为了面试吧?可能是受益终身的。或者,吹牛皮装逼作为谈资,也是可以的。


    c,别轻易说我就要去某某公司。到时候,你会发现,选择比你想象的多。


    也有可能比你想象的还少,为什么?


    就看你有没有做到我上面说的这些了。

  • 相关阅读:
    Git 中 .gitignore 的配置语法
    DMX512协议
    k8s 报错总结
    yum 源配置
    docker 安装 docker-compose
    docker 搭建 Harbor 仓库
    linux 远程执行命令
    远程从服务器A拷贝文件到服务器B
    docker 搭建私服仓库
    awk和xargs清除docker 容器、镜像
  • 原文地址:https://www.cnblogs.com/microsoftmvp/p/4393735.html
Copyright © 2020-2023  润新知