盒子
盒子
文章目录
  1. 过去
  2. 现在
  3. 未来
  4. 计划
  5. 总结

自省

谨以此篇文章,审视一下自己的职业生涯经历,给自己定一个计划,然后去执行。

过去

2014年3月份,大四下半学期刚开学没几天,我就坐上了南下的列车,从哈尔滨到广州,再转到深圳,来到了第一家公司,华大基因,生物医疗行业。

从刚开始的实习,到16年四月份离职,两年的工作时间,工作内容主要是测序仪下机数据的流程分析软件开发和维护,将下机的fastq文件与参考基因组做比对,分析提取信息,生成交互式的网页报告;其它就是生物信息分析了。从头到尾看一下这两年,学会了很多东西,linux shell python这些编程相关知识,以及办公相关如ppt,邮件等。

总结一下第一份工作,成长很多,但是有三点遗憾:学了python但是学的不精深,大多数公司需求的后端开发框架等没有涉及;有机会搞算法开发,没有抓住;积累的生物信息分析相关的知识之后没有再用到,很快就忘掉了。

第二份工作一直持续到三天前,公司是在南山区的共济科技,主要做机房监控。

当时面试的岗位是python开发,面试官讲会用到openstack,当时我还挺激动,自己好好干会有前途;结果进公司半个月,因为另一个组有人离职,而我新到公司,就将我调了过去。交付组主要做公司监控平台产品的驱动开发,使用C++,MFC;从搞python到搞c,从开发到交付,当时想的是反正是在公司工作,哪里需要我我就去哪里,需要做什么就学什么,没有考虑自己的职业生涯道路。

总结一下第二份工作,积累了监控机房行业的业务知识,但本身编程技能方面没有大的提高;比较遗憾的是,当时转去交付组一个月之后应该提出转回开发的,和领导积极沟通,这是我有待于提高的。

现在

总结一下自身掌握的IT技能:
编程语言 python C++ 较为熟悉,html/css/js 较为一般
开发框架 VC的MFC用了一年,python的flask有小项目经验
数据库 使用最多的是微软的access(捂脸,应该学学mysql的)
操作系统 linux也比较熟练,shell较为一般
源代码管理工具 svn工作常用,git用来管理自己的项目
其它 自己写博客,囿于个人能力,没有什么干货;github也玩,但是不活跃

真的是不总结不知道,一总结吓一跳;对照上面的技能,这哪里敢说是工作三年的一份成绩单,刚毕业才勉强及格,真是惭愧。

未来

不能再这样下去,得给自己谋一个出路。

我的选择是转行做机器学习,通过自学一些皮毛,做个实际的项目,然后厚着脸皮去面试,先进入一家做机器学习的公司,然后踏实学习和工作,并且以后不再换了,在这个行业中沉淀下去。

选择做机器学习,一个主要原因是较为热门,至少接下来的几年属于有发展前景的行业,并且薪水相对丰厚;其次就是自己也觉得机器学习很有用处,换句话说有兴趣去探索,将来如果能做出点成绩,也算是个人价值的实现。

计划

如何入手机器学习?

网上的一篇文章给我启发。

干货 | AI 大行其道,你准备好了吗?—谨送给徘徊于是否转行 AI 的程序员 2017-08-15 章华燕 AI科技评论

提炼精髓如下文。

文章中讲到,机器学习的必经之路,首先是打基础,分三个部分:数学,经典算法,编程技术;然后是实现简单算法,即三部分融合;之后是参加竞赛项目,如Kaggle,获取经验;最后是实际项目,这就是参加工作之后的事情了。

具体的学习路径:
数学基础,主要集中在微积分,线性代数,概率统计当中。
微分的计算,是机器学习中大多数算法的求解过程。如梯度下降,牛顿法等。
线性代数,主要用于高效的计算。其内容如矩阵,向量等运算。
概率统计,应用也很广。如极大似然思想,贝叶斯模型等。

经典算法:
感知机,KNN,朴素贝叶斯,K-Means,SVM,AdaBoost,EM,决策树,随机森林,
GDBT,HMM等。
这些算法可分成三类:有监督学习,无监督学习,强化学习。
有监督是事先知道结果,可以称为分类;无监督是不知道结果,称为聚类;强化学习
通过激励使其不断提高。

编程技术:
我有python vim就够了。

总结

到现在思路就清晰了,通过各种手段提高自己数学基础,以及经典算法学习,将基础打好,
然后参加kaggle项目竞赛,以此谋求一份机器学习相关的工作。当然根据多数招聘岗位
的描述,还要熟练使用机器学习框架,如tensorflow。

时间是在一个月左右,flag已经立好,到时候是能够完成目标,还是啪啪打脸,就看自己
努力了。我会尽量将自己的学习历程写成文章,作为足迹,也是对自己的激励。

-->