数分 概率论 线代 离散最好加个抽代

CSAPP → network/OS/distrubuted system/db/parallel computing/compiler/graphics/pl/security → advanced ver(读最新论文的那种)
基础数据结构 /算法 (leetcode) → 算法分析(是分析课 带证明，包含了均摊分析、NP)/更高难度 oj → advanced ver.

之后某个方向搞啥现场再学吧。北美大佬三到六年基本能把所有基础课+两三门 advanced ver 课程上完

1. 菠菜和驻日外包（特别是 N 包）都是坑 别去
2. 新加坡工作压力也不算小，不过比起国内还是好很多
3. 新西兰 澳洲之类基本就是去养老了，前景不行
4. 北欧虽然需求大，但是语言难+永居政策严格+收入较低
5. 北美虽然前景不错，但是语言+签证要求高

自己选择

然而美国牛逼的工程师基本都在湾区、西雅图、NYC

这种协议闭源？不怕留有后门？

1. 目前那些 x 周入门机器学习的性质和某胖的演讲差不多，都只是为了贩卖缓解焦虑的大力丸
2. 真正的深度学习能落地的情景比较少，集中在 CV/NLP 等几个狭小的领域，而且 research 搞得大网络上的 acc 要想落地还有很多距离。传统方法的应用场景（例如中文分词）还很大
3. 不仅是国内，国外需求量大的人才更接近于懂一些 AI 知识，也精通原来本职工作的人。并不是说会了 AI 就能草鸡变凤凰。
4. 偏实用的就看 fast ai 的那一套 Practical Deep Learning For Coders, Part 1，和 google 的 ml crash course。之后再深入的话就去看 cs229。统计学习方面需要的知识和数学系搞的那一套关系不大，如果跟不上回去补下高数、概率论、线代三门就好，如果补不上那只能做做应用了。不过大多数时候作为 sde 前两门课的 ml 已经足够实用了。

rpath 了解一下

薪水 = max(技术能力, 学历, 社会关系, 背景, 组织能力, 情商)。大佬们某一项远远大于其它的，当然会说提升这项没用。

@wngwei 因为读研有没有用是看个人的。对于比较靠前的几个 985 的优秀 cs 本科生国内读研纯粹就是浪费时间，他们本来的学历在国内已经够用了，国内的老板大多数带不动他们。但如果本来没有学历、技术也不行就是另一码事了

1. 没股份的就是白干 国内期权都是废纸
2. 创业和告白一样，都是胜利的凯歌，不是冲锋的号角

v2ex 没私信功能 还是留个邮箱吧

主要是很多人没有自觉筛选出关键信息的习惯，无脑引用全文在回复长篇大论的时候很鸡肋又没用。

例子：

10 楼：一大段铺垫信息。观点 1 ；观点 2 ；观点 3

错误的回复方式：

回复 10 楼:
> 一大段铺垫信息
> 观点 1
> 观点 2
> 观点 3
blahblah

正确的回复方式：

回复 10 楼:
(略去和自己回复内容无关的部分)
> 观点 1
对观点 1 的回复
> 观点 2
对观点 2 的回复

@xiqingongzi 祝好运。每个人都有自己擅长的方向，没有必要认为所有人都适合 /不适合某种路线

@xiqingongzi 以为自己成了异形高价螺丝钉，其实是从一个还凑合的圆形螺丝钉变成了一个还没别的六角螺丝钉好用的劣质模仿品。

@xiqingongzi 不存在的。学艺不精哪一行都会被替代

@xiqingongzi 只有“前端”和“后端”还是太 naive，data science, internal tools, platform, security, networking 照你这么说离业务远是不是都要完蛋了

@xiqingongzi 没啥卵用。infra 笑笑不说话。