本人在2019校招中拿到了阿里騰訊華為美團演算法崗的offer，面經在此，歡迎點贊 juejin.im/post/5ba19f…
在原帖下，很多人回覆並且希望我能開一篇如何從文科專業，經濟學專業自學轉演算法的帖子。正好現在人在美國，還在倒時差，睡不著就來寫寫這篇帖子。希望大家能從中有所啟發，再次強調，我非大佬，能拿到這些offer純粹是一些運氣和老天對我努力的獎勵，我離真正的演算法工程師差距還很大。
-
背景介紹： 本人是在國內某東南海邊小城市985上的本科，高中作為一個文科生，只想以後劃劃水在家和老爸做做生意。高考後，僥倖考了省前150名，但是還是離好大學的好專業有差距，所以無奈選了該985的經濟學，進入經濟學院後，又考入了王亞南經濟研究院，這可以說我人生的一個轉折點。在這個奇葩的經濟學國際化試點班中，我們要全英文上課考試寫論文寫作業，要上15學分的數學分析，6學分的大學物理，這些“奇葩”的課程安排，無意間為我後來的發展墊下了基礎。想象一個文科生上這種課的痛苦。。。 美國研究生申請階段，由於本科的數理統計課的興趣激發，所以決定往統計專業申請，剛好當時有個叫“資料科學”的專業吸引了我的目光，於是抱著試一試的態度就去了，實際上當時根本不知道什麼大資料，機器學習，演算法是啥東西。研究生第一年，很自然的除了課內的統計課，我一門心思只想做金融，於是連考了2級CFA也就是特許金融分析師，而且基本都是8A以上通過。正當我做著成為金融大亨，迎娶白富美，走向人生顛覆的美夢，現實擊倒了我，國外的大投行我甚至收不到任何一個實習的面試機會。。。我懵了，於是腦海閃過了一個做資料的念頭。 研二前，我申請了gap一年，這一年時間，我開始瘋狂找實習，剛開始是很困難的，由於沒有什麼實踐和專案經驗，基本沒有人理我。好在一個Amazon的pm賞識我，讓我從資料分析師做起，在Amazon一共做了6個月的資料分析，後來事情就變得越來越容易，Intel的BI分析師實習，美團的演算法實習也就隨之而來。在實習的日子裡，除了做好本職工作外，我每天回到家必須再額外學至少3小時的東西，才能讓我往前追趕。。。 終於，在研二前的暑假，也就是這個校招，我算是僥倖拿到了這些offer。。。接下來的一年，我除了瘋狂去CS蹭課，還得舔著臉找大牛prof要專案做research，我離成為一個合格的演算法工程師的路還很長。。。
-
這一年我看的書和刷的題： 《統計學習方法》李航：看得非常細，手推了裡面的每個公式 《機器學習》周志華：基本沒咋看，只看了上面那本沒涉及到的 《Python與機器學習實戰》 何宇健：實現了裡面的大部分程式碼 《劍指offer》：其實主要是在牛客上刷了兩遍題 leetcode：大概200多題 《演算法導論》：買來當滑鼠墊了。。。但是最後這年希望能好好看一下
-
學習方法：重點（CS科班大佬們可跳過退出這個帖子啦，希望和我一樣的轉專業狗可以看看） 接下來就是乾貨了，前面這些其實都是廢話。 工具：一本有機器學習演算法數學推導的書(《統計學習方法》)，vpn，草稿紙，一個筆記本，一個膝上型電腦 對於每個演算法/模型，要做以下幾件事情：
-
看一遍理論推導，不會的不懂不理解的地方Google it
-
自己蓋上書在草稿紙上推導一遍，忘了接著看書，然後接著蓋上書重來一遍
-
在筆記本上開一章專門針對這個演算法的頁，把書上內容復現在本子上
-
在Google上搜尋： （以SVM為例）SVM適用場景，SVM解決過擬合的方法，SVM損失函式，SVM的優缺點，SVM與其他分類方法的比較，SVM的分散式計算方法，SVM的複雜度，並講這些內容記在本子上
-
開啟Google/github，搜尋該演算法的實現程式碼，不要調包。。。而是老老實實的跟著網上程式碼的程式碼自己寫一遍
-
找一個資料集，自己kaggle上找一個適合該演算法的，跑一下，看有沒有bug
-
在Google上找到該演算法的調包和調參指南。。。用剛剛的資料集當一次調包俠和調參俠 完成以上7步，算搞定一個模型，慚愧的說，因為時間有限(懶)，我並沒有每個模型都做了以上7步，但基本也差不多。。。
下圖是本子長得樣子和裡面內容
最後希望大家能點個贊如果覺得有用的話，謝謝啦