今天推荐的这篇文章是一位互联网程序媛写的跳槽日记。她本硕毕业于985计算机专业，先后就职于央企和BAT。这一篇就是她跳槽到互联网的学习笔记，希望能对大家有所帮助，感兴趣的读者也可以关注公众号，听听更多程序媛的故事~
坦白说，我这个人不算聪明，基础也不咋样，这次跳槽我一开始是很没信心的，甚至想把这次尝试当做试水，如果受打击太多，就再修炼半年，明年过完年参加金三银四的跳槽旺季。
好在幸运了拿到了几个大厂的 offer ，比如美团啊，字节啊，阿里啊等等，所以我觉得像我这样的菜鸡都能做到，那大家也可以。
我把这次跳槽计划命名为：牛宝宝计划。
一、战略方针
有的人适合突击战，有的人适合持久战，我属于后者。我自认为自己的耐力还可以，所以我一开始就告诉自己：我的基础薄弱，也没有大厂经历，这次跳槽不要急于求成，找到自己的问题抓紧补救。
所以我给自己制定了半年的学习计划。这个时长肯定跟高考、考研没法比，不过我觉得在跳槽中也算是不短的时间了，我知道我的同事本来想随便试试结果就拿到 BAT offer 的，也有准备一个月就跳槽成功的。
但我好在有自知之明，所以不会去盲目比较和要求自己，按照自己的节奏定计划。
第二点我觉得为什么要拉长战线，是因为我现在的工作不能保证每天稳定的学习时间，有些时候线上出问题了就得去灭火，隔三差五没有时间学习也是很正常的。如果这个时候我还要逼自己快速有 offer，可能自己先崩溃了。
二、定目标
我这次的目标是想进互联网大厂，因为我一直没有这方面的经历，所以内心非常渴望。
此处需要注意：
1、不要一开始就直接投大厂，先拿一些小公司练练手。
2、大厂往往意味着有很多部门，各个部门都可能招算法工程师，要先看看这个部门在集团中的地位。
就我个人而言，我给自己的定位是，肯定是进不去大厂的核心部门（比如阿里的淘系，字节的抖音，滴滴的网约车等），所以我要搏一搏的是大厂稍微二类的部门。
3、如果是猎头联系你帮忙内推的话，一定要提前了解好要面试部门的技术栈。我面试滴滴那次就老惨了，猎头给我推了最核心部门，而且技术栈完全不一致，比如基础的编程语言、我大多项目是线下、而人家有丰富的线上模型。
整场面试下来，伤害性不大，侮辱性极强。真的是感觉在浪费双方时间，还严重打击了我的战斗气势。
三、学习方向
我本身是算法方向的，所以我在准备面试的时候主要按照三个方面准备：
1、算法知识，包括但不限于机器学习、深度学习、常用框架等
2、LeetCode 刷题
3、项目经历 + 软实力
下面逐一详细介绍。
四、算法知识
1、查招聘信息
招聘的 APP 有不少，我自己使用的有 脉脉、boss 直聘、拉钩等。
注意此时不是一上来就投简历，而是先看看各个公司的 JD，再对比自己的项目经验里有没有哪些是能够挨上边的（其实这个时候就可以大概知道简历该写哪些东西以及如何完善了）。
比如我随便在脉脉上搜了一个算法工程师的职位要求：
以上面为例，提到的技术基本都要 match，模型要会，并体现在简历中。
工作年限要求这个我倒是觉得不用严格遵守，有时候要求 3 年以上，但只有两年工作经验，也是可以去试试的，大概率技术栈 match 的话，拿到面试机会问题不大。
2、通过上一步，就能知道现在业界都注重哪些算法模型和框架了，如果你恰好使用过，那真是太开心了，再补充一下理论知识。
复习期间我一共看了三本书：
李航的《统计学习方法》，周志华的西瓜书，Hulu 出版的《百面机器学习》，结合网上的一些资料整理的笔记。
关于每个知识点要会到什么深度呢？举个例子：比如使用过 Xgboost 框架，那么就要弄懂以下几个问题：
1）Xgboost 与 GBDT 的区别？
2）Xgboost 与 Lightgbm 的区别？
3）怎么处理缺失值？
4）有哪些缺点
…
（我自己的面试真题之后再单独写一篇文章，如果你感兴趣的话，请等等我。。。）
其他类似的模型也要多多深入学习。当然了，以我个人经验来看，是做不到在第一次面试之前就掌握所有问题的，而且每个公司的关注点也不完全一致，还是要在面试过程中积累问题，如果没答上，面试之后赶紧学会，以备下次提问。
以防小伙伴们太过焦虑，其实面试过程中有问题答不上是很正常的，而且有的面试官就喜欢就一个问题不断往下深入提问，看你到底懂得有多底层，最后总会有答不上来的时候。
以我个人经验来看，一场面试中，有一两个问题没答上，是不太影响通过面试的，你只要保证大部分内容是你提前准备好的，其他的临场发挥也不是不行呀。
3、是不是所有 JD 里提到的模型全都要会？
答：大可不必。
你只要学会你工作中用到的相关的模型就行了，面试过程中主动引导面试官的提问方向，基本就不能提问到你完全陌生的领域，当然如果你引导了面试官提问，结果自己没答上，这种自己给自己挖坑的行为，请在面试结束后扇自己一个大嘴巴。
我个人的情况是，工作项目中使用逻辑回归和树模型比较多。所以我的学习路径就可以归纳为：
线性回归 --> 逻辑回归 --> 决策树 --> 集成模型 --> GBDT --> Xgboost --> Lightgbm --> 深度学习
像一些概率图模型，马尔科夫等等就完全没有问过我（幸好没问，问了我也不会啊）。
当然了，如果你精力充沛，准备的越充足越好啦，其实我也是看过 KNN 模型， Kmeans 等聚类模型滴。
五、LeetCode 刷题
我上一篇文章分享了我的刷题笔记，如果你没看过，双手奉上链接哦：
2021 程序媛跳槽记：必刷LeetCode算法题（附解题报告）
重复的内容我就不墨迹啦，这里主要想说一下对我个人比较有用的刷题方法论。
我不知道你们是不是和我一样，就是刚刷完一道题，第二天再做都不能一遍 AC，闹心死。
后来我为啥跟自己和解了呢，因为我想到当年考研的时候，我其实英语成绩还可以，差不多 80 分左右吧，可我背单词也不能做到背一遍就记住了呀，哪怕是我擅长的科目我还得千锤百炼呢，更何况是我一看到题目就发怵的 LeetCode。。。
所以我就借鉴了我背单词的方法：利用艾宾浩斯遗忘曲线，如下图。
大概意思就是给这个记忆程度进行了数值计算，得出事件发生多久之后你还能记住多少的结论。
我根据自己的学习时间，给上图进行了微调来制定我的刷题和复习计划：
每隔 12 小时、24 小时、2 天、4 天、一周、两周、一个月、两个月来复习一遍做过的题目。
比如我习惯晚上刷一道新题，假设是 6.1 号，然后我会在第二天 （6.2 号）早上复习一遍，第二天晚上 （6.2 号）再复习一遍，6.3 号、6.5 号、6.8 号、6.15 号、6.30 号、7.30 号左右再复习一遍同一道题来加深印象。
现在 Chrome 不是有标签分组的功能了嘛，我就按照日期来个大致分组，粗略地知道每周大概刷了什么专题的题目，复习的时候也知道该复习前面哪一周的了。我的 Chrome 长这样：
每个数字代表日期，比如 3.6 就是 3月6号以及这之后几天的题目。
再说一说我遇到的坑：
1）每次刷同一道题错的地方都不一样
恭喜你，每次都暴露了不同问题，哪里有问题哪里就是解法出现了偏差，可能是算法，可能是对编程语言的性质不够了解，总之是个好事。
2）心态不稳
每次我都会大喊一声：为啥还是不对啊啊啊
好在我喊完之后还能继续做题，如果实在崩溃的时候就歇一歇，没啥大不了的，面试也不一定考这道题。
但请相信我，坚持到后边，真的是越刷越快。
六、项目经历 + 软实力
项目经历这个事儿就得因人而异了，毕竟每个人的项目经历都不一样。
我就不太会把做得很普通的事情说得高大上，一开始我的亲朋好友看了我的简历都开始劝我：要不别找算法了，换个方向吧。。。
还没开始呢就有人劝退我了，打击程度可想而知。
偏偏我又是个好强的性子，非要亲自试一试。
恰好我看到了我们今年校招生的简历，他的简历就包装的很好，其实算法都差不多，我就模仿他的简历来改（太丢人了，做简历的水平竟然不如应届生，跳槽路上真是随时都可能自我否定）。
改简历真是一个没有尽头的事情，千万不要以为做一遍就万事大吉了，甚至随着面试过程，要不断进行微调，所以一开始的预期就别搞错。
我个人觉得这方面考察的重点是：
1、对自己做过的事情有清晰的理解和复盘
2、沟通成本低：较短时间内介绍出项目的难点是什么，你自己的价值体现在哪里？
3、还有对未来的思考：如果现在再让你优化，你能从哪些方面入手？
大多数程序员表达能力都欠佳，比如我，这个就得自己没事儿多练练，找人帮忙 mock interview 也行，自己没事儿就自言自语叨咕叨咕也行，尽量抓住重点和面试官的吸引力，如果看出来面试官都开始心不在焉不想听了，就抓紧调整自己的表述策略吧。
、沟通成本低：较短时间内介绍出项目的难点是什么，你自己的价值体现在哪里？
3、还有对未来的思考：如果现在再让你优化，你能从哪些方面入手？
大多数程序员表达能力都欠佳，比如我，这个就得自己没事儿多练练，找人帮忙 mock interview 也行，自己没事儿就自言自语叨咕叨咕也行，尽量抓住重点和面试官的吸引力，如果看出来面试官都开始心不在焉不想听了，就抓紧调整自己的表述策略吧。
想分享的太多，持续更新中 。。。
下面是作者的公众号，欢迎大家的关注！
