程式設計師讀研如何提高技術之我見

你想進什麼公司，和你讀什麼計算機方向，關係不是很大。只要是理工科的學生，面對技術崗位，其實機會是差不多的。

至於你想什麼職位，那顯然和你的專業/方向關係較大，比如說很多大資料職位，就明確表示要求你DM/ML/NLP/IR背景，但是這也只是說這些學生可能更有優勢些，事實上，數學和統計學出身的，很多搞這個非常牛逼的。

所以，不要問選什麼導師，選什麼方向；也不要問我的實驗室很水老闆很菜我還能找到好工作嗎？你要問的是：我想畢業去互聯
網公司，我讀研的這幾年是應該打醬油呢，還是打地溝油？

想找一個好的網際網路技術類、研發類工作，無非就是以下4點，你任選一點，做好了，都是有利的，哪4點？

• 語言層面
• 演算法層面
• 專案層面
• 專業層面

具體分析如下：

語言層面

你是想搞C++還是Java？選定一門語言後，多看一些這方面的書。

C++，不用說了，《Effective C++》，《More Effective C++》，《Inside The C++ Object Model》等等。

Java，最好能看點虛擬機器相關的。尤其是Java虛擬機器的記憶體管理。以及多執行緒、執行緒池、設計模式等。

問題來了：學C++好還是學Java好呢？語言爭論每天都在發生，真的好無聊。建議按照方向和興趣來選擇，不靠譜的說：

如果是想做大型遊戲開發、底層研發、系統研發、驅動研發等等，就選用C/C++。

如果是想做網站開發、網路研發、上層開發、Android開發等等，就選用Java。

順便說一下，有空可以學學Python。

演算法層面

學好演算法。這個有兩條路，最好是並行，那就是看書和做題。

看書的話，主要有《演算法導論》、《演算法》（Robert Sedgewick著）、《演算法競賽入門經典》、《挑戰程式設計競賽》

找一本認真看，認真思考。證明過程可以不看，但是演算法思想最好能懂，以及實現，最好能在紙張上寫出來。複雜度總要知道吧？

研一的時候，我就把演算法導論上的很多演算法，都自己親自coding了下。

特別複雜的資料結構，比如紅黑樹、B樹，沒空就別搞了。網際網路面試一般都不要求的。

主要是排序、查詢、簡單DP、貪心、圖演算法和搜尋。 根據身邊同學的面試經驗，二分搜尋和快速排序，是面試常備了。看書的時候，如果有時間，可以思考幾個問題：

• 這個演算法的時間空間複雜度，各是多少？如何分析？
• 工程實現裡，都有哪些trick？如何加速？
• 這個演算法可能用在哪些方面？有哪些應用？你比如說吧，求交集的演算法，就廣泛用在倒排索引、新浪微博共同關注、計算Jaccard係數等等上。

除了看書，還有就是很重要的：刷題啦。主要有poj，zoj等。找一個網站，認真刷一些題目，踏踏實實的，別浮躁。

專案層面

如果實驗室比較牛，基本上忙專案就足夠累死累活了；不過做了相對給力的專案，對於找工作，還是有很大幫助的。基本上不用怎麼愁了。

如果老闆這兒沒專案呢？

如果實驗室比較水，那就儘量去實習。大公司的實習經驗很能給簡歷加分。如果老闆不讓你出去實習。ok，既然實驗室很水，說明自由時間比較多，那還是可以幹很多事。比如說，github上就有很多開源專案，你可以選擇一兩個著名的，閱讀原始碼，然後嘗試自己也參與進去。

說幾個我比較感興趣的開源專案吧：redis，spark。

專業層面

你對資料探勘很精通，你對推薦系統很熟悉。你在NIPS，SIGIR上發表論文無數；你是百度推薦大賽，阿里巴巴大資料比賽冠軍常客。

也就是說，除了嘗試發頂會論文，還可以參加各種比賽。本專業本領域裡都有什麼比賽可以參加呢？搜一下微博或者知乎，或者問下師兄師姐，不就知道了？

專業層面，可以做的東西非常多。比如，你對資料探勘很感興趣，那麼資料探勘中的常見模型，我們瞭解多少？機器學習，我們掌握到什麼程度了？舉個例子：

• SVM和logistic regression這兩種model，有什麼特點？各自的適用場合？
• feature selection的常用方法有哪些？為什麼lasso可以作為feature selection？
• Adaboosting為什麼不容易over-fitting？你能不能從statistical view來解釋解釋？
• 哦，你和我說，你不是搞學術研究，你反感Learning Theory，你說你是一個工程師，那你寫了多少程式碼？

scikit-learn，weka，以及spark，你會用哪個工具？（熟悉一種工具）

你有自己下載一些資料集跑跑實驗嗎？你有參加一些大資料相關的競賽嗎？（動手實驗/參加比賽）

專業層面，能做的，要做的，還有很多。

哦，最好熟悉下linux的基本使用。

最後的話

如果能在讀研期間做到這裡的一點或者幾點，到時候甚至不需要翻《程式設計之美》或者leetcode就毫無壓力啦。 最後說幾點個人感受。

• 演算法牛，專案牛，長得又帥，又精通很多語言，這種人，是不多見的。

也就是說，你想拿一個好offer，一般只要有一兩點突出，就可以了。

• 網際網路面試，除了個別公司個別面試官，一般都是要考查（考查？考察？這兩個詞有什麼區別？考察是調研、研究、分析的意思）演算法的。你研一的時候準備，看書做題，總比研三的時候抱佛腳來的好吧？

況且，演算法的學習，也不僅僅是為了面試吧？可能是受益終身的。或者，吹牛皮裝逼作為談資，也是可以的。

• 別輕易說我就要去某某公司。到時候，你會發現，選擇比你想象的多。

也有可能比你想象的還少，為什麼？

就看你有沒有做到我上面說的這些了。