Java轉python機器學習，並沒有大家想象的那麼美好！

輾轉幾年Java開發，換了幾份工作，沒一個穩定的學習、工作過程。中間也相親幾次，都是沒啥結果。換工作頻繁也嚴重打亂了和姑娘接觸的節奏。糟心工作連著遇到幾次，也怪自己眼光有問題。

2018也找了2次工作，中間有4、5個月沒有工作。看了個世界盃，看了個亞運會。也怪自己這段時間一直是換工作、找工作，節奏太亂了。當然，節奏不亂也可能不會比現在好吧。誰說的準呢？

Java轉機器學習——為啥呢？

主要有以下三方面原因：

1、Java感覺遇到瓶頸。Spring、Mytatis、設計模式等等，原始碼看不動了。主要是可能真的覺得沒有意思了吧。很可惜，3年多了，沒在大廠待過，小網際網路也沒做到高階Java工程師。

2、傷心了。小網際網路或者小團隊經歷——在之前的幾篇面試寫到過一些，讓自己覺得非常不爽。碰上過創業忽悠公司，就為了做了東西，然後賣了解散走人，公司和招聘來的人都是C×O們資本運作的工具。

也有公司組建團隊就為了試試市場，覺得不行或者做完了不需要這麼多人了，馬上裁掉。

還有那種噁心的團隊，同事間背後說壞話，領導直接推責任的。哎，苦逼頻繁換工作，也是醉了，真是荒廢啊，這幾年。經歷還真是豐富，對自己的職業技能發展真心沒有任何好處。

3、學到過機器學習相關內容。上學期間接觸過相關的一些理論，發現看一些機器學習內容還是看的懂。起碼知道啥是矩陣乘法，LeetCode也刷了將近80題了，也記住了一些方法。

10周自學機器學習過程——迷茫

個人基礎背景：

知道矩陣乘法

知道梯度下降、牛頓迭代，不知道原理和實現

會用Python，但機器學習的包不會用

知道有個東西叫LR，還有叫神經網路的，具體是啥就不知道了

主要看了2個教程，絕不打廣告，實話實說：

Andrew Ng的機器學習課程，Coursera的課程和史丹佛公開課。

機器線上學習課程，花了幾百塊。這個線上學習很適合面試，由於自己錯過了集訓課程，只好學個基礎課了。

除了上面的課，還做的事：

學習Python機器學習相關包、NumPy、Pandas、Sklearn、Pyplot等等；

Kaggle入門題，泰坦尼克倖存問題，用sklearn等，把排名弄到了8%。主要學習了資料處理、模型訓練流程。

機器學習面試過程——難

6周學習過後開始試水機器學習市場，也正好是世界盃結束的日子。由於沒有經驗，先投了幾個試試，鍛鍊一下，都是小公司。

可能是這個市場還是挺寬容的，接到的回覆有不少，一些電話面試就直接掛了，一些聯絡發簡歷後也掛了。

面試機會也挺多，但是深感知識深度、專案經驗不足。下面說說面試吧，由於簡歷專案經歷少，被問的涉及內容也少。

LR（必問）。這個涉及內容很多，自己也是實現過，用在過Kaggle專案，但是很多理論還是說不清楚。面試遇到的問題：最大似然、loss Function、推導、適合場景、引數、迴歸、分類、梯度下降（mini Batch、SGD），

決策樹相關。GBDT、xgboost、隨機森林等。會問推導、演算法流程、bag和Boost模式區別、剪枝演算法，

模型欠擬合、過擬合、資料清理、特徵選擇等等。

機器學習整體處理流程。認識資料、資料清理、特徵選擇、資料變換、構建模型、模型訓練、交叉驗證，

寫寫程式碼，只遇到了LeetCode簡單題（主要沒有大廠面試機會，小公司又不考，大點網際網路會考），

講講簡歷上寫的專案。我的只寫了一個Kaggle那個泰坦尼克問題（現在想想真是敢寫啊，幹到前5%也行，自己都沒到）。還寫了畢業論文和一些Java工程，湊了一頁多。

面試感受和Offer

感覺就是難啊，機會多，從學習群發現轉專業的真多。上學就學機器學習相關的優勢大。年齡可能也是問題吧。

拿到了3個offer，一個差點offer，都是新組建的演算法團隊。

（1）網際網路金融，很小的公司。幾十個開發人員，只有一個演算法——就是面試的我。面試官是技術總監，完全不懂演算法。聊得很開心，我也提醒他了，他們需要一個有經驗的人，我可能不太適合。還面了2次，第二次還是週六，在一個咖啡館。

本以為是合夥人聊聊業務，誰知道是真的機器學習面試。還問了原始碼實現、賽馬問題。聊了好久，當場給了offer。據說面試人是哪個大廠的，每週去這個公司幾次。總之最後我也沒弄明白關係。

不過有了之前的工作經歷，這次問的比較多。那邊總監團隊說演算法面試官是朋友關係，演算法面試官說自己是合作伙伴，人力又說不打算短期招聘演算法了。我也是被這種搞怕了，雖說工資對沒經驗的我還算高，但還是沒去。

（2）感覺是傳統軟體公司，給各種企業做軟體服務的，團隊據說幾百個開發。面試官也是不太懂演算法。還說為了匹配工資，按照高階Java頭銜入職，做演算法工作。

也是沒幾個人的演算法團隊（很可能我就是第一個），還得兼顧開發，感覺有點怕，透露著各種奇怪的感覺。沒啥實質演算法內容面試。這個感覺面得很空虛，所以沒去。

（3）入職的公司，也是小演算法團隊，剛組建，職位資料探勘。面試很開心，有筆試，答得不好。技術面基本圍繞分類、資料處理流程來問。涉及一些NLP的內容，不太會，也就沒問太多。2天完成2面，技術、人力和leader。差不多3、4周給了offer。

雖說工資不高，但是感覺很好，一個國企，技術團隊還沒到100人，演算法組當時面也是隻有1,2個人，不過能給比較充足的學習和嘗試時間。

（4）同學內推網際網路公司，沒發offer，面得很開心，還吃了他們的食堂（味道還行）。面的很全面，機器學習、LeetCode那種寫程式碼、還有數學題。二面的領導問了GBDT具體流程，還挺詳細。我把GBDT論文裡邊的演算法虛擬碼寫出來了。

還問了EM，這個真心不會。最後定的職位是Java開發，負責演算法模型和業務程式之間模組。最後，據說被人力pass了，理由是之前工作換的頻繁，這次找工作也沒明確目標，職業規劃不明確。

總 結

轉個工作專業真的很難，沒有運籌帷幄，全職學習去轉......這個真心說啥呢？哎！感覺應該在之前的工作中去學習，這樣換個專業還算平滑，不會有各種壓力。也可能是自己一直沒想好，工作也變動頻繁，一時衝動吧。

創業團隊倒閉、裁員打亂了學習節奏。已經這樣了，啥也說不好。3個月，最後拿到offer還是自己在學了6周時候面試的公司。只能感嘆面試人承受能力了。

工作中用的方法目前不太需要深究理論，還在基礎搭建過程，有充足學習時間。發現寫寫資料處理的Python，比做Java時候有意思。

當然這種有意思也可能和團隊氛圍有關係吧。現在又開始感覺機器學習、深度學習發展略快，自己有點跟不上節奏了。

理論基礎還沒學完，工作中內容還得學習，新的技術也得關注著。目前有點地基不牢、時間不夠用的感覺。

綜上：沒有好的職業規劃，換工作真的太危險，中間的空檔期是很大問題。經濟壓力，轉業失敗，新的工作就會比之前更好嗎？

所有都是在看運氣的感覺，這次可能真是自己幸運了！現在倒是覺得，工作中好好學習，對面試公司或部門能有機會深入瞭解，就一定要先問問，靠譜的還是內推（前提是內推人別不久就離職了）——能帶來很多面試中無法瞭解到的內容。

路途坎坷的幾年工作，傷心了2017和2018，不知道2019會如何呢？