来自：进击的龙
人生的每个时期都很重要，读研期间，更是如此。
计算机专业的硕士，专硕两年，学硕三年。两三年的时间，稍不注意，也是转瞬即逝的。
计算机是强调实践出真知的学科，我们选择了这条路，除了想要学到有趣的知识，也希望毕业时找到心仪的工作。
如何合理的规划三年的时间，就成了一个重要的问题。
其实，留给我们的时间，不足三年。
通常，找工作的时间点，是毕业前一年。也就是说，如果是两年制研究生，2019 年入学，2021 年毕业，在 2020 年底秋季就需要找工作了。真正的准备时间只有一年，你说紧张不紧张。
虽然说找工作的时期分为秋招和春招，但大家都明白，春招就是一个尾巴，那时候求职难度会上升不少。
所以，问题来了，在短短的一两年之内，如何合理的规划，让自己在招聘市场上拥有不错的主动权和选择权。
我认识不少大公司的 hr，也认识不少找工作的朋友，从他们反馈回来的情况来看，企业比较看重的是：实习经历、论文情况、竞赛经历。
我自己的情况，是实习经历和竞赛经历比较丰富，没有发表过论文。之前曾经写过一篇文章介绍，感兴趣可以看看：读研，竞赛，与实习。
关于这三个方面，我有一些不成熟的想法，或许对你有点帮助。
1. 实习经历
这里的实习经历，其实可以理解为项目经历。好的项目，无论是在实验室做的，还是在企业做的，都是加分项。
当然，名气很大的企业，例如 BAT 的核心部门的项目，更能够吸引面试官的注意力。
但，如果去了有名的企业，做的是零碎的活，没有值得探讨的项目，可能会减分，面试官甚至会有些怀疑你的能力。
之前我有位同学，去百度待了几个月，就心生离意。一问，才知道，原来这几个月都是在机械重复的采集、清理数据，接触不到真正的项目。
所以，我的建议是：
如果实验室抓得紧，就好好在实验室做项目，尽量争取做含金量高、能够锻炼人的项目；
如果能够偷偷溜出来实习，争取去好的公司、好的部门实习。实在不行，退而求其次，先去小公司实习，积累经验。然后再去大公司实习，我就是这样做的；
重要的是，做有价值的项目，比在哪做项目重要。在大公司打杂，不如在小公司参与核心项目。
2. 论文情况
由于大多数学生都是被捆绑在实验室的，去实习的自由度较少，论文便成了衡量研究生生涯学习质量的一个不错指标。
近几年来，由于 AI 行业火爆，相关的论文数量也变得高产，手握论文的硕士生数量激增。
前几年可能一篇 A 类会议的论文，就可以争取到大厂的 sp 或者 ssp offer。但现在，我也见过身边有几篇顶会的同学，找工作不太如意。
但毋庸置疑的是，论文对于好的工作、好的薪资，有着至关重要的作用。
例如，腾讯每年的大咖、阿里的阿里星、美团的北斗计划以及华为的科学家，里面最重要的指标，就是学生发表论文的数量与质量。
所以，如果想在学术上有所发展，尽量做一些有意义的文章，不要为了发论文而发论文。
一句话总结，好论文比差论文强，差论文比没论文强。
3. 竞赛经历
其实，在我看来，相对于实习项目和学术论文，竞赛是排在两者之后的选择。
如果在实验室无项目可做，或者对某个领域感兴趣，但不知道如何入门，我推荐，去做一下相关的比赛。毕竟参与竞赛的好处，有很多。
首先，有详实的数据，要知道，自己做项目，收集数据，是件很艰难的事情。
其次，有明确的目标。这点很重要，自我学习，一个算法来回折腾，可能最终懂不懂、通不通，界限都很模糊。但是参加比赛，有着明确的评估指标，最终自己做出的成绩，以及整个过程的进步，是能够量化的。
而且，在竞赛中，有一点很令人折磨，也很令人享受。就是与同龄人的直接竞争。比赛时，每一次结果的提交，成绩排名都会同步在排行榜上。上升了，还是下降了，这些信息都会牵动自己的神经。这个过程，会激发我们的斗志，对于模型、任务的细节，思考的会更加深入。
竞赛的结果，写不写在简历上，得看整个过程，而不是仅仅看最终的成绩。
如果对这个比赛，自己真的投入了很多精力，有了深入的思考，就可以写在简历上，因为它是一个自己认真对待的项目，有思考、有努力，和面试官交流时，就有了可以沟通的内容。
所以，好的成绩是锦上添花的，而认真对待的态度，可能才是你的核心竞争力。
如果将读研比作经营一家创业公司，两年的时间很短，实习、论文和竞赛，是三个投资方向。我们的资金，是自己拥有的时间和精力。
我尝试过兼顾，但感到较为艰难，最终还只是在实习和竞赛方面，有所积累。曾经投过一篇论文到 A 类会议，被拒了。
还是结合着自己目前的实际情况，来判断对什么方向，进行投资，比较靠谱。
身边的同学，找到不错的工作的，基本都是在某一方面有所长。例如，项目做得很用心、很精彩；发了几篇优秀的论文；或者在竞赛中取得了不错的成绩。
别人的路，对自己来说只有参考作用，它只是一个证明可行的模板，而不是固定不变的路径。结合实际情况，有所取舍，不断的去摸索适合自己的路线，这才是最靠谱的。
以上，希望对你有所帮助。
方便交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。
方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。
记得备注呦
推荐阅读：
【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文
【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency Parsing
【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译
【一分钟论文】Semi-supervised Sequence Learning半监督序列学习
【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing
详解Transition-based Dependency parser基于转移的依存句法解析器
让更多的人知道你“在看”
8210
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
