三月來實驗室就發現需要找實習。太匆忙了，之前什麼都沒有準備，就匆忙上陣了。自己本身對自己的定位是算法機器學習，最好是深度學習一類的。同時自己本身學過一點金融也想做數據分析一類的工作。於是就找了以下幾個實習：
螞蟻金服
阿里巴巴
宜信
360人工智能深度學習崗位
網易
結果很悲催這幾個實習一個都沒成功，究其原因是：知識儲備不夠、代碼功底不紮實、面試時沒有能拿出手的東西。
首先說說第一個有面試的螞蟻金服。師姐推薦的，數據研發崗位，看似不錯。一面簡歷面試通過了，二面HR面試，由於自己很愚蠢的在簡歷上寫上自己的目標是做計算機視覺相關的東西，而不是數據研發，被HR一通嘲諷，同時也沒有能夠說出自己在數據研發方面的理解。結果很簡單，悲劇了。。。。
再就是網易，很辛運的是自己的簡歷通過了篩選，原本以爲自己本科的專業會成爲我的絆腳石，還好。。。。筆試的內容很簡單，但內容很寬泛，有機器學習的、有C++的、有編程的、有數據結構算法的，還有操作系統的。其中有一道題記憶很深刻，就是說說什麼是AR，同時指出AR的應用方向。。我當時胡答一通。估計悲劇在這裏。當然也不排除我在機器學習問題回答的不完善上。。。。很多很簡單的內容，之前看過但之後就忘記了。。。還好要去面試的地方不在哈爾濱，而在杭州，如果真的能去的話，估計我也去不了。。。大哥不同意呀。這也算是一點點安慰吧。
再說說，宜信。沒想到數據研發崗需要考覈數據庫的內容，這就有點蛋疼了。基本全忘了。之前看的那個協同過濾來做推薦的算法，也是模模糊糊答上去的。結果也悲劇了。。
最後是4月底做的幾個筆試。360和阿里的算法崗位。先說說，阿里的吧。我真心覺得如果秋招的時候，我不用師姐內推，基本上就可以gg了。阿里算法的選擇題很簡單，但是後面兩個附加題，炸了。。。。 不太會做。考覈的方面我覺得完全是一個人的數學功底。難度我覺得挺大的。 最後說說，360。筆試基本上還挺靠譜，我覺得挺簡單，但是沒有通過我所在崗位的要求，估計那個崗位的分數挺高。自己的技能估計不符合。 最後說好的有面試的機會，但到了昨天我發現，就是4月30號，變成了我被刷了。。。。認爲最後可以同過筆試參加面試的公司，也順利gg了。。。。。
還好通過這次的找實習有了一點經驗也知道自己現在需要補充哪方面的技能，同時可以安慰自己的是，即使找到了實習，大哥也不會放我去的。蛤蛤。這算是最大的安慰吧。
現在我需要做的有這樣幾個方面：
1、如果想做深度學習，首先要有一篇論文發表。同時自己要很熟練的配置各種環境，熟悉各種CNN的層次結構，以及各種調參的trick，總之要自己實實在在的訓練調試一個網絡。就在caffe這個平臺使用就行，同時CUDA編程是一定要熟練的，不僅是各種接口函數，還要了解GPU編程的一些架構。最後要說的是，深度學習的書一定要多看，而且深度學習是機器學習的分支，一些機器學習的知識不要光浮在表面，還要會推導公式，針對一些很簡單的機器學習算法要很熟練的應用。之前轉載過一篇博客，之後的時間可以看看。
2、如果想要做計算機視覺，和深度學習的策略也相似，但還要學會一些凸優化、數理統計的數學內容，而且要找到一個方向做，同時也要清楚一點就是，一些計算機視覺常用的工具包自己也要會用，例如：opencv、python
3、以上兩個如果從根源來講，隸屬於算法類的崗位，所以算法的一些知識也需要回顧，同時算法崗位需要有很多領域的涉獵，數據庫、計算機網絡、操作系統，當然linux下的一些bash、vim語句也要很熟練的掌握。同時最基本的C++\python編程能力也不可缺少。。。。。
4、最後可以說說，數據分析崗位，上述的東西如果都很熟練的話，這個崗位也可以考慮。。。。。
綜合起來看，任務還是很艱鉅的。
先看看幾個可以提升自己簡歷的東西：GitHub和csdn的博客。這個可以搞一搞。
再就是編程能力的提升，幾本面試的書和麪試網站都可以試試。同時也可以在平時的項目的完成中，注意自己的代碼知識的儲備和能力的提升。
最後，要說說，靈活性的打算和做好持久戰的準備。堅持就是勝利，同時要記住一定要專一。
