Sea Bass 给年轻工程师的建议

kuan_li_lyg

已于 2024-08-22 18:46:32 修改

阅读量1k

点赞数 24

文章标签：人工智能机器人自动驾驶 python MATLAB 学习方法学习

于 2024-08-16 20:16:27 首次发布

本文链接：https://blog.csdn.net/weixin_46300916/article/details/141268168

版权

系列文章目录

前言

Sorry, I can’t hear you from all the way up here…

你也许已经接触过 “冷邮件 ”或 “冷DM ”的价值，可以用来联系你认为有影响力或有启发的人。的确，良师益友是一件美妙的事情，在过去的几十年里，互联网和社交媒体为有抱负的专业人士/研究人员等开辟了与榜样零距离交流的渠道。

不知出于什么原因，少数人决定把我作为他们的联系人之一。不过，根据我的经验，很多人都会把这个建议看得太简单，然后发送一份普通的复制粘贴 DM，并附上--老实说--无法回答的问题。我见过的一些例子是

“你能发给我一些学习机器人技术的资源吗？
“要想在 X 公司找到工作，我应该关注哪些技能？
“我应该追求硬件还是软件/工业还是学术？”

伪知识分子的回答总是 “看情况”。但事实确实如此！每个人都有不同的技能组合和兴趣爱好，如果我（或任何人）带着自己的偏见，在没有任何先前交流的情况下就规定一个路线图，那就大错特错了。你必须通过反复试验来决定。

此外--这也是我决定写这篇文章的原因--我遇到过数量惊人的人，他们出于自私的原因决定利用这种动态。这通常是一些人在社交媒体上推销产品或提高自己的知名度。由于我对 “影响者文化 ”的不满与日俱增，我在此尝试为有抱负的工程师提供真正的建议。

免责声明：我是一名机器人软件工程师，你会在我所有的例子中看到这一点。如果你从事的领域与我大相径庭，请随意发挥你的想象力。

一、聚焦问题而非工具

我应该学习哪种编程语言？
我应该购买 Arduino 还是 Raspberry Pi？
如何更好地掌握机器人操作系统 (ROS)？

这些问题有一个共同点。它们告诉你，提问者认为学习如何使用特定工具很重要，大概是为了提高他们将来的就业能力，因为招聘启事要求提供这方面的信息。它们还表明，这个人要么没有要解决的具体问题......要么至少他们没有传达这个问题，因为这个问题对于工具本身来说是次要的。

这是我的第一条建议：首先想想你要解决什么问题，然后再寻找合适的工具。在我成长的过程中，我父亲经常重复（典型的父亲风格）：“工程就是解决问题”。这应该始终是我们的指导原则，其他的一切都要以此为基础。

当我开始我的职业生涯时，我并不是这样想的。我毕业后的第一份工作是在 MathWorks，当时公司有多达 90 多种基于 MATLAB 和 Simulink 的产品。就像要成为神奇宝贝大师一样，我尝试了徒劳无功的 “一网打尽”；也就是说，按照各自的教程学习使用所有工具箱，然后在 “我现在知道如何使用该工具 ”的方框里打勾。我真的相信，积累这些知识会让我成为产品更有力的支持者，从而成为一名更好的员工。

后来，通过观察成功销售工程师的演示，我意识到真正的力量来自于结合这些工具箱来展示现实应用。我记得我看到过一个机器人手臂的全三维模型，它的机电一体化程度很高，感知模块可以检测可抓取的物体，基于模型的控制器可以避开障碍物并在嵌入式系统上运行。这个应用可能只使用了 MathWorks 所有工具箱的 20%，但却比所有工具箱的教程加在一起还要令人印象深刻。为什么呢？因为他们可以让潜在客户相信，他们可以设计和控制一个真实的系统。雪上加霜的是，我不需要学习其余 80% 的工具箱就能看懂这个演示！

The “eye-opening” MATLAB robotics example. Special shout-out to Carlos Santacruz who taught me a lot about what makes a good demo.
Source: MathWorks.

不要因为 “将来会有好处”，就参加大量的网络研讨会，选修大量的课程/教程，从而陷入追逐证书的陷阱。自己动手做一些事情，而不是跟着别人的步骤走，不仅会更有成就感，而且通过关注实际问题，你还能更深入地学习工具。此外，从实际错误中学习会比只练习精心设计的 “快乐路径 ”的教程更能让知识深入人心。

尽管如此，课件、网络研讨会等仍有其价值。根据我的经验，在开始阶段做一点这样的 “被动学习 ”可以帮助你掌握该领域的基本概念、术语和关键人物。但是，你不应该相信或声称自己纯粹是通过 “吃 ”而不是 “做 ”来了解一个主题的。必要的下一步是通过完成一个大型项目来实际应用这些知识。

Kendrick already knew this, by the way.

二、诚实工作

当我参与招聘时，或者一般来说，当我想知道我是否会喜欢与某人共事时，我会寻找一些特质，这些特质告诉我的远比纯粹的技术能力要多。

你如何验证自己的工作是否正确？
你会先尝试寻找答案，然后再提出更深思熟虑的问题吗？或者，你是否需要不断得到帮助？
当别人对你的工作提出反馈意见时，你是否会记录下来并在稍后进行处理？或者你只是想把它从肩上卸下来，然后继续前进？

我曾与几位初级员工共事过，他们接到任务后，很快就完成了，然后骄傲地说已经完成，可以开始工作了。这时，我经常会问一个简单的问题：你怎么知道它能行？

如果你觉得很难回答这个问题，那就说明激励机制出现了偏差。这是我的理论（未经证实）：我们都想把工作做好，这很容易转化为尽快完成任务。这肯定会给上司留下深刻印象，对吗？嗯......不会。如果你不小心，这将导致不利的结果：

你的工作实际上是不正确的，因为没有经过彻底检查。
你会因为问得太多太快而惹恼你的同事，因为你不想被阻拦而耽误完成分配给你的任务。
因为急于 “解决所有的意见 ”并继续一天的工作，你最终会以非生产性的方式对反馈做出反应。

让我明确一点：做好工作并不意味着要快。这意味着要耐心地解决各种问题和反馈意见，提出一个好的解决方案，而且你有信心这个解决方案会奏效......并且会一直奏效下去。

2.1 检查工作

在我的职业生涯中，我能想到的两种情况是，我在审查一些工作时，发现这些工作遵循了这种错位的激励机制，即一个人试图完成任务而不是做正确的事情。

我的一位前同事最近加入了我们的团队，并在小组会议上提交了他们的第一个案例供审查。他们高兴地报告说，他们在仿真中实现了一个 PID 控制器，用来调节......什么东西的位置（这并不重要）。当我要求查看 PID 控制器的输出时，它一直在上限和下限之间剧烈摆动。这个例子 “起作用了”，因为位置似乎在跟踪参考信号，但控制器本身并没有调整。事实上，我们将参考信号改为一个不同的、但可信的值，仿真立即变得不稳定！这就是检查工作的典型教学时刻。

另一次情况则更加微妙。我当时正在监督一个开源项目，该项目涉及一个软件组件的重大重构。这个拉取请求非常大，而且已经进行了很长时间的来回审查，所以我觉得每个人都很疲惫，只想把一些东西合并进来。我们认为事情已经足够好了，所以同意按下绿色按钮，稍后再处理后果。最后的结果是，在接下来的几个月里，我们需要进行大约 10 次（是的，10 次）后续错误修复。在某些情况下，一些无辜的事情被忽略了。在另一种情况下，通过忠实地遵循教科书的符号实现了一些花哨的新数学，但却没有按照实际编写代码的方式重新排列数据。

第一个教训是显而易见的：对代码及其底层数学进行更多测试是有好处的。然而，第二个教训是关于项目规划和循序渐进。因为有一个单一的变更列表让被指导者和指导者都筋疲力尽，我们让低质量的代码偷偷溜了进来，我们直接付出了代价。这正是为什么软件领域强烈建议尽可能减少拉取请求，并在提交的工作项目中包含测试的原因。

Check your work! Especially if you’re as bad at math as I am.
Source: WikiHow

2.2 回应反馈

除了检查自己的作品，任何重要的作品都会经过同行评审。当你想到评论时，你可能会有一种直观的反应，比如 “哦，太好了，虽然我完成了工作，但接下来几天我还得面对随机的评论”。

当有人提供反馈意见时，他们通常是出于好意。同行可能会利用自己的知识和经验，建议以不同的方式做事，因为他们认为这样做可能会为你或组织省去一些你可能没有考虑到的麻烦。也可能只是简单地指出一个你没有发现的愚蠢的错别字或数学错误。

当你收到反馈意见时，不必盲目接受或当场辩解。无论哪种反应，都会告诉我，你在优先考虑走最少努力的道路，而不是汇聚到一个好的解决方案上。我建议你把反馈意见写下来，稍后再思考，然后自己决定是否应用它。如果你不知道该如何处理某个具体项目，不妨与提出建议的人跟进，以澄清任何疑问。通常情况下，你会找到一个合理的方法来推进工作。

切勿对技术反馈意见耿耿于怀。除了我们在本节中提到的 “尽快完成 ”这一误解外，还有另一种误解，即只有当你的工作出色到没有任何意见时，你才算做得很好。如果出现这种情况，并不是因为你完美地完成了任务，而是因为你的同行对你的工作不感兴趣。经验最丰富的工程师仍然会收到大量相互矛盾的反馈，他们需要解决这些问题；这并不是因为他们的工作做得不好，而是因为人们对工作有足够的关心，以至于他们开始想象如何消耗这些工作，并想象工作可能失败和/或需要改进的地方。即使感觉需要付出更多努力（因为确实如此），但这也是一个好迹象，说明你的工作获得了足够的关注，以至于被仔细审视。

在我的领域里有一句格言很好地概括了这一部分。“世界上有两种软件：一种是人们抱怨的软件，另一种是人们不用的软件"。

To be clear, veering into the right is the bad thing here.

三、实质重于参与

[内容警告：热门话题］

在这篇文章的开头，我们强调了社交媒体的一个积极方面：让你有机会接触到鼓舞人心的人，否则你很难甚至不可能与他们进行对话。然而，社交媒体也有一些非常令人担忧的缺点，这已经不是什么秘密了。

问题在于，绝大多数社交媒体平台都鼓励参与，因为参与是一种可量化但却存在致命缺陷的成功代表。企业界称之为关键绩效指标（KPI）。参与度关键绩效指标是一个数字量，与内容的价值无关。如果获得了大量的 “赞 ”和 “转贴”，就意味着参与度提高了。事实上，一些领导者（他们也可能是电动汽车和商业航天公司的领导者）甚至放宽了对平台上仇恨言论和机器人的容忍度，然后自豪地宣称他们的参与度直线上升。同样，优化也是错误的。

我想说的是，你应该警惕有影响力的人、“顶级声音 ”和类似的人，他们会让你误以为成功其实不需要付出努力。你可能会遇到这样的说法

学习我的课程，只需 5 个小时就能成为机器学习专家！
如果你不使用 X 技术，未来十年你就会被淘汰。
订阅我的时事通讯，我将向你发送我的生产力黑客白皮书。

这些都有一个共同点：它们都在利用你的不安全感和/或紧迫感，让你付出一些东西来换取即时满足感。在上一节中，我概述了急于求成和马虎了事的危害。这其实也没有什么不同，但有一个例外：不是你在错误的激励机制下无辜地行事并被更有经验的同行纠正，而是有一个外部行为者为了他们自己的利益，积极地试图将你的思维引向这些错误的激励机制。他们可能是想获得更多的人气，提升自己在社交媒体上的地位（这反过来又能帮助他们在网络和现实世界中获得更好的机会），也可能是想推销产品。归根结底，这些人将你视为他们自己成功的附属品，如果你幸运的话，他们这样做至少能给你提供有价值的信息。你可以把他们当作娱乐的来源，但请不要认为他们可以取代实际的教育。

新闻和教育之间有一个重要的区别。像 Hacker News、TechCrunch 和 IEEE Spectrum 这样的技术新闻来源，像 MKBHD 这样的评论员，或者像 Hard Fork 这样的播客都很好，因为它们提供的是信息和/或娱乐，并不承诺你能从中获得任何有形的专业知识或资格。同样，也有一些真正有影响力的人坦率地将自己作为新闻和娱乐来源。我特别提醒你注意那些声称你可以通过走捷径获得专业知识的人。如果这些捷径只能通过某种交易获得--无论是金钱、个人信息，还是在社交媒体上请求参与，我的警告就会加倍。

就教育而言，有两类人你应该注意：

出于善意分享知识的人：如果有人利用业余时间或者因为已经获得资助而免费开发内容，这通常是一个安全的赌注。这个人的成功与你的参与无关，因此他们的意图很可能是好的。不过，你应该承认，互联网上存在大量低质量甚至完全错误的信息。没有任何保证，您应该经常交叉检查您的信息来源。我的博文也不例外。
那些卖东西的人不会诉诸荒谬的说法：你不可能在 5 个小时内成为机器学习专家，但你或许可以在这段时间内通过 PyTorch 学习神经网络的基础知识。你不可能购买一门能让谷歌自动聘用你的课程，但你可以购买一门包含大量数据结构和算法练习的课程。你不可能买到能将上市时间缩短 6 个月的软件，但你可以买到能自动完成相机校准程序的软件。你就明白了。

在考虑在哪些内容上花费时间和/或金钱时，一个很好的 “理智检查 ”方法就是问自己：这是否有助于我在现实生活中实现某些目标？如果你在喝早咖啡时浏览了某个有影响力的人的页面，并 “喜欢 ”了一堆有趣的短视频，那么这也许是娱乐，但不是教育--同样，如果你把它当作教育，这也是可以的。另一方面，如果你发现了一个开源资源库，或者购买了一门课程，帮助你解决了学校或工作中的一些长期问题，这才是真正的教育材料。

关于本节的 “辣味”，还有一些补充意见：

我并不是说不允许你推销自己或自己的产品。我只是说你应该明确自己的意图。如果你要推销什么东西，不要把它伪装成建议或思想领袖：实事求是地介绍你或你的产品，并与受众建立信任。这将带来长期的回报，我个人在软件销售和营销方面的经验可以证明这一点。
如果你真的想帮助他人，我想你对本节内容不会有任何异议。如果你有异议......也许是时候向内看一下了？

四、承认生命是有限的

在我 20 多岁的时候，我有一个 “我想学习的机器人知识 ”清单，并认真地想过要通过一二十年的经验来系统地学习这些知识。随着时间的推移，我发现了这个策略的一些问题......如果你还能这么说的话：

随着我学到的东西越来越多，我也发现了更多我不知道的事情，其中一些我又添加到了我的清单中。很快，我就不堪重负了，20 多岁那年，我在 Coursera 上了大量课程，主题五花八门，令人眼花缭乱。不出所料，我已经忘记了其中一半以上的内容，因为我再也用不上了。
随着年龄的增长，我发现与大学时代相比，我用于学习的时间和精力越来越少。不过，正如我的朋友乔-肖纳克（Joe Schornak）在与我聊天时指出的那样，随着经验的积累，我们的学习效率也会越来越高。这也算是一种平衡吧，尽管我们最终在花时间学习什么方面会变得更有选择性。
新作品仍在不断出版！举个例子，想想 10 年前的人工智能专家是什么样子，消失在岩石下，今天又重新出现。

因此，不幸的是，作为个人，我们不可能积累无穷无尽的知识。我们在这个世界上的时间都是有限的，即使在有限的时间里，除了纯粹追求知识，我们也有其他事情要做。(没错，我们中的一些人也有自己的生活！）这意味着两件事：

虽然你可能有很多专业兴趣，但实际上你必须选择一个适度的子集来学好，其他的就只能粗略了解了。这就是 “T 型工程师 ”概念及其可笑变体（见下图）的由来。问题的关键在于，在职业生涯中，你只能发展出相当有限的一套深厚的专业知识 “卷须”，但这并没有关系！
根据前面的观点，你需要依靠他人。在当前，这意味着要与那些 T 形（或 M 形，或其他形状）与你不完全重合的人合作。特别是对于像机器人这样的跨学科领域来说，这是构建需求旺盛的复杂系统的唯一途径。否则，你就永远是个业余爱好者。展望未来，这也意味着我们有责任向下一代传授我们所掌握的知识，让他们以更新鲜的活力和更先进的技能改进我们的技术，从而超越个人的生命。

Different shapes of engineers… totally unscientific, but it’s a good illustration.
Source: Ihor Bekh, Innovecs

五、回馈！

你完成了一项具有挑战性的任务，并学到了一些新知识。

有人帮助你实现目标吗？一定要感谢他们！每个人都喜欢听到自己如何积极地影响了别人的生活。最近，我遇到了 7 年前我指导过的几个孩子（当然，他们现在已经长大成人了）。他们都就读于一流大学的 STEM 专业，前途无量。即使我在他们的成长过程中只起到了微不足道的作用，但能与他们重逢，看到他们已经取得了如此大的进步，以及他们在未来的岁月里还会走得更远，我还是觉得非常不可思议。

学以致用！一旦你学会了，就试着制作一些材料来帮助他人--无论是博客、视频、开源代码，还是在你的学校或工作岗位上发表演讲等等。首先，这可以帮助你巩固自己的知识，在简历上也很好看。此外，我们总是将自己与那些我们认为比自己强的人相比较，但事实上一定有比我们强的人存在。或者我应该说：如果你能做些什么的话，还没有！我在上一段中提到的这些孩子，在我第一次见到他们之后的 7 年里，他们也做了自己的一份辅导工作，因此，我找不到比这更完美的例子来强调让这些信息代代相传的重要性了。