新手入职，一年内就晋升高级算法工程师，做到以下几点，你也可以

• 本文的一切内容只是根据我自己的经历整理得出来的，可能并不适合每个人，甚至也有很多属于弯路，只作为一个参考就好~

• 我还记得刚入学的时候研三即将毕业的师兄在就业分享会上讲过下面一段话：

• 知道自己想做什么

• 知道自己能做什么

• 积极明确的职业规划&找到身边的职业榜样

• 基础知识建设很重要

• 经历成就简历

• 面试是有一定运气成分的

• 机会总是留给有准备的人

• 从事一份最适合自己的工作

基础知识建设

• 基础《统计学习方法》和周志华老师的西瓜书，进阶的可以看ESL或PRML
• 领域内的书和paper，CV,NLP，强化学习这个就每个人都不一样了，找自己适合的看
• 然后再推荐一下Coursera这个网站，如果你不太喜欢看书，喜欢看视频的话，这个很适合，另外这里还有编程实践的模块，理论和实践相结合，挺不错的。
• 读研期间大概在这个网站上刷了50多门课，有人问哪来这么多时间，读研期间我基本都是逃课的（不建议大家学习），然后看视频基本是1.5-2倍速播放~
• 后来也是机缘巧合帮助黄海广博士一起整理了一门课程的笔记，受到了广泛的好评~

关于竞赛

在实验室工作之余，自己也参加了一些相关的竞赛，由于时间原因和个人能力原因可能名次不是太好，不过还是学到了很多东西，也认识了很多小伙伴和大佬们，收获还是很大的
在实习期间也看到过一些同学的简历，基本都是有比赛经历在里面的，感概现在整体水平是水涨船高了

建议大家 「初期还是以学习为主，之后可以好好去做一个为自己的简历加分」 ~ 另外就是比如因为时间久远或者是组队分工的原因，如果一些比赛自己不是对完整方案非常清楚，就不建议写在简历上了， 「一定要写自己熟悉的」

下面是简单例了下自己大概好好做过的一些比赛(其实还有几个划水的，就不上了)

• 2016.10 - 2016.11 2016CCF大数据竞赛-搜狗用户画像挖掘 rank 26/894
• 2017.03 - 2017.04 kesci-携程出行产品销量预测 rank2/245 https://github.com/shenweichen/ctrip14
• 2017.04 - 2017.05 京东JData算法大赛 高潜用户购买意向预测 rank 13/4242
• 2017.05 - 2017.06 腾讯社交广告竞赛 移动App广告转化率预估 rank 20/1650 https://github.com/shenweichen/Tencent_Social_Ads2017_Mobile_App_pCVR
• 2017.11 - 2017.12 2017CCF大数据竞赛 蚂蚁金服-商场中精确定位用户所在店铺 rank 20/2845

关于论文

硕士期间能发相关领域顶会的人应该是在学术方面很优秀了，但是据我了解大部分同学还是没有的，不过没关系，我们不能发，但是我们可以多读多写，领域内经典papar一定要了解，发展脉络心里要清楚，对于一些经典的方法，抽空可以去实现一下

多读paper，一方面了解一下业内的最新进展，一方面自己的知识也可以更体系化

我自己的话也是抽空实现了一下，https://github.com/shenweichen/DeepCTR

不仅能加深自己的理解，放在简历里也是加分项

后来又和小伙伴一起开发了DeepMatch

关于面试

如果把面试的难度看作一个随机变量，那我们能做的就是将它的方差降低到最小。
我觉得面试官从拿到你的简历开始，就已经给了你一个打分，剩下的过程就是尝试去印证他打分的合理程度。所以在写简历的时候一定要确保简历上的内容都是自己做过且非常熟悉的。

一般一场算法岗位的技术面试考察的内容无非涉及一下几块：ML/DL/RL算法基础知识，结合简历和业务应用的相关知识，基本的编程能力，数理统计和智力逻辑题

• 我们在学习一个算法或者模型的时候，一定要学着类比和关联，比如很多人说自己熟悉逻辑回归LR，那么问问自己，下面这些内容你都了解吗？

• LR归一化问题，什么情况可以不归一化，什么情况必须归一化，为什么

• 提到LR损失函数要能知道交叉熵，为什么是它，以它为损失函数在优化的是一个什么东西，知道它和KL散度以及相对熵的关系

• 提到LR的求解方法，比如SGD，知道SGD和BGD的区别，知道不同的GD方法有什么区别和联系，二阶优化算法知道什么，对比offline learning和online learning的区别

• 提到调参，知道模型不同超参数的含义，以及给定一个特定情况，大概要调整哪些参数，怎么调整

• 提到LR的正则，知道l1l2的原理，几何解释和概率解释

• LR的分布式实现逻辑是怎么样的，数据并行和模型并行的区别，P-S架构大概是怎么一回事

• LR作为一个线性模型，如何拟合非线性情况？特征侧比如离散化，交叉组合，模型比如引入kernel，又可以推广到FM等model上，

• 个人感觉如果一场面试中大部分时间是你在向面试官输出你的知识，而不是等他来问这样的一问一答的话，那么基本就是ok的了

• 关于编程题目，leetcode 多刷刷，一般medium居多

• 关于概率统计和智力逻辑题，这个网上也可以网上搜搜看看~

——————————————————————————————————————

关于晋升

昨天系统里正式公布了晋升结果，非常荣幸的从一名算法工程师成为了高级算法工程师。过去一年里的努力和付出获得了认可，曾经的困难，委屈和不被理解随着时间的推移也逐渐被忘记。非常感谢在阿里的这480天里帮助和指导过我的师兄，同学，同事和老板们，感恩相遇。

阿里是一家很棒的公司，尤其是对于刚刚毕业的应届生来说，在这里可以充分的将学校书本里所学的知识和企业的实际应用需求进行连接，接触到行业内的领先技术，获得一个非常快速的成长。同时身边充满了各种大牛，每个人都有自己独特的优势和亮点，值得学习。

当然，今天这篇文章不是来夸公司的，主要还是希望借此机会分享一些的想法，尤其是**「刚刚毕业工作或即将毕业工作的同学们」**～

放低姿态，从最简单的做起

刚毕业的同学，尤其是**「算法岗」**的同学，很容易产生一个想法。就是师兄或者主管给我安排的任务是太简单，没什么技术含量或者看起来没什么用。再想想自己手握X篇顶会，Y个竞赛Top，Z个上千star的开源项目，拒掉了多少家offer来到这里，就让我做这个？就这？没错，就这。

• 首先工作的安排是取决于业务的形态和发展需要的，主管不会去浪费你一个人力去做那些真正没有用的事情的，一定是业务确实有需要。
• 第二，对于新同学来说，做一些简单的任务也是让自己熟悉工作的一个过程，从简单的任务不会觉得学习曲线过于陡峭。
• 第三，通过这些相对简单的任务，可以展现出自己做事情的方法和逻辑，当主管觉得你做事还算靠谱后，自然会安排更有难度更有挑战的工作。

保持学习，向身边优秀的同学看齐

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Android工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则近万的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Android移动开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Android开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注：Android）

最后笔者收集整理了一份Flutter高级入门进阶资料PDF

以下是资料目录和内容部分截图

里面包括详细的知识点讲解分析，带你一个星期入门Flutter。还有130个进阶学习项目实战视频教程，让你秒变大前端。

《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》，点击传送门即可获取！

a3fN2NQu-1711992127054)]

《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》，点击传送门即可获取！