1. 背景介绍：
以下都是本人的故事：中考的时候，我因为发挥不佳，不幸考到了二类校，好在家里支持，让我借读去了市里最好的学校之一。在高一的时候，成绩排在年段800+名，基本是垫底的，高二分科的时候，没有太多选择，只能选文科，因为我知道，只有文科才有可能迎头赶上，高二的时候，我开始认真学习，成绩在普通班逐渐排到了前十，前五，一直到高二下期末考的时候，排到第一，高三的时候，因为我们学校是外国语学校，很多同学都保送了，我成绩也就稳定在班级第一，抛开保送生，我在年段也能排在10名左右，实验班的同学都知道普通班有一个借读生，开了挂。
上一张我的高考成绩单
那年高考，真tm难，侥幸考了省前200名，但是还是离真正好大学的好专业有差距，所以无奈选了某985的经济学，进入经济学院后，又考入了一个经济学实验班，这可以说我人生的一个转折点。在这个奇葩的实验班中，我们要全英文上课考试写论文写作业，要上15学分的数学分析，6学分的大学物理，这些“奇葩”的课程安排，无意间为我后来的发展垫下了基础。想象一个文科生上这种课的痛苦。。。
美国研究生申请阶段，由于本科的数理统计课的兴趣激发，所以决定往统计专业申请，刚好当时有个叫“数据科学”的专业吸引了我的目光，于是抱着试一试的态度就去了，实际上当时根本不知道什么大数据，机器学习，算法是啥东西。研究生第一年，很自然的除了课内的统计课，我一门心思只想做金融，于是连考了2级CFA也就是特许金融分析师，而且基本都是8A以上通过。正当我做着成为金融大亨，迎娶白富美，走向人生颠覆的美梦，现实击倒了我，国外的大投行我甚至收不到任何一个实习的面试机会。。。我懵了，于是脑海闪过了一个做数据的念头。
研二前，我申请了gap一年，这一年时间，我开始疯狂找实习，刚开始是很困难的，由于没有什么实践和项目经验，基本没有人理我。好在一个Amazon的pm赏识我，让我从数据分析师做起，在Amazon一共做了6个月的数据分析，后来事情就变得越来越容易，Intel的BI分析师实习，美团的算法实习也就随之而来。在实习的日子里，除了做好本职工作外，我每天回到家必须再额外学至少3小时的东西，才能让我往前追赶。。。
终于，在研二前的暑假，也就是这个校招，我算是侥幸拿到了一些offer，包括头条，美团，阿里，腾讯，华为等等，都是算法offer，天道酬勤。
2. 如何转算法
校招这一年我看的书和刷的题：
《统计学习方法》李航：看得非常细，手推了里面的每个公式
《机器学习》周志华：基本没咋看，只看了上面那本没涉及到的
《Python与机器学习实战》 何宇健：实现了里面的大部分代码
《剑指offer》：其实主要是在牛客上刷了两遍题
leetcode：大概200多题
学习方法：重点（CS科班大佬们可跳过退出这个帖子啦，希望和我一样的转专业狗可以看看）
接下来就是干货了，前面这些其实都是废话。
工具：一本有机器学习算法数学推导的书(《统计学习方法》)，vpn，草稿纸，一个笔记本，一个笔记本电脑
对于每个算法/模型，要做以下几件事情：
1. 看一遍理论推导，不会的不懂不理解的地方Google it
2. 自己盖上书在草稿纸上推导一遍，忘了接着看书，然后接着盖上书重来一遍
3. 在笔记本上开一章专门针对这个算法的页，把书上内容复现在本子上
4. 在Google上搜索： （以SVM为例）SVM适用场景，SVM解决过拟合的方法，SVM损失函数，SVM的优缺点，SVM与其他分类方法的比较，SVM的分布式计算方法，SVM的复杂度，并讲这些内容记在本子上
5. 打开Google/github，搜索该算法的实现代码，不要调包。。。而是老老实实的跟着网上代码的代码自己写一遍
6. 找一个数据集，自己kaggle上找一个适合该算法的，跑一下，看有没有bug
7. 在Google上找到该算法的调包和调参指南。。。用刚刚的数据集当一次调包侠和调参侠
完成以上7步，算搞定一个模型，惭愧的说，因为时间有限(懒)，我并没有每个模型都做了以上7步，但基本也差不多。。。
3. 如何面试
在北京实习的一年以及校招的一年，我在找实习或校招的时候面过的公司包括头条(10面，拿过2个实习offer，以及校招offer)，美团(14面，拿了1个实习offer，3个不同部门的提前批offer，1个面到首席科学家但被拒的offer)，阿里(8面，实习被拒，校招拿offer)，腾讯(5面，校招拿offer)，百度(6面，拿过一个实习offer，校招被拒)，滴滴(2面，实习被拒)，网易(3面，校招和实习都被拒)，搜狐(2面，拿过实习offer)，搜狐畅游(2面，拿过实习offer)，京东(6面，拿过两个实习offer)，华为(2面，拿过一个校招offer)，其他还有一些外企和美国公司，就不提了。
我的经验就是，疯狂面试，从最开始的各种被拒，到后面的逢面必过，我只能总结两个要点：
1. 面试要变成你审问面试官而不是面试官审问你，要你带着面试官问你懂的问题，而不是他主动去问你不懂的问题
2. 对于算法题，如果不会，不要呆在那里，要先给出一个暴力解法，哪怕复杂度很高的loop也可以，然后不断与面试官交流，问一点写一点，让面试官觉得你是个聪明人，一点就通就行。
4. 写在最后
记得在高考前那段时间，每天5点起床，洗个头开始读书，和班主任说好，课全部不去上，全天在图书馆自习，就那样，拼到了第一，我很幸福。
记得在大学的时候，考托福去深圳考，在前一天的高铁上，还在看错题，结果累到肠胃发炎，尽管如此，还在疯狂看错题，最后功夫不负有心人，托福一战就考了104我是幸福的。
记得在美国考CFA一级的时候，去波士顿看前女友，时间赶到大巴和飞机上全在看书，尽管疯狂晕车，但我是幸福的，最后也以超过90%考生的9A1B过了一级，很幸福。
记得在打美赛的时候，整整3天没睡觉，写了26页的英文论文，最后拿到F奖，我是幸福的。
记得刚去美国第一年的时候，身边都是顶尖985的数学系学生，好几个竺可桢院的本科生，每节课我需要提前预习一遍，上完课还要复习一遍，不懂的挨个去敲门问，没什么钱，在学校的catering打工，书带在身边，每次上完菜或者摆完桌子，会有一个小时，怕吵，就在冷库里面看书，我是幸福的。
记得在美团实习那段时间，我每天早上7点起床，做一小时leetcode，或者看一个半小时李航的书，9点出门买个早餐，挤着坐10号线到惠新西街南口，上公司最后一趟大巴，10点到望京美团。干到晚上9点，蹭公司的打车报销，回到家，10点洗完澡开始继续学习，学到1点睡觉，每天6个小时睡眠，这段时间辛苦，但真的幸福。
兄弟们，成功没有捷径，唯有付出百倍努力，说读书无用论的，都是一些真的无用的人。
1. 背景介绍：
以下都是本人的故事：中考的时候，我因为发挥不佳，不幸考到了二类校，好在家里支持，让我借读去了市里最好的学校之一。在高一的时候，成绩排在年段800+名，基本是垫底的，高二分科的时候，没有太多选择，只能选文科，因为我知道，只有文科才有可能迎头赶上，高二的时候，我开始认真学习，成绩在普通班逐渐排到了前十，前五，一直到高二下期末考的时候，排到第一，高三的时候，因为我们学校是外国语学校，很多同学都保送了，我成绩也就稳定在班级第一，抛开保送生，我在年段也能排在10名左右，实验班的同学都知道普通班有一个借读生，开了挂。
上一张我的高考成绩单
那年高考，真tm难，侥幸考了省前200名，但是还是离真正好大学的好专业有差距，所以无奈选了某985的经济学，进入经济学院后，又考入了一个经济学实验班，这可以说我人生的一个转折点。在这个奇葩的实验班中，我们要全英文上课考试写论文写作业，要上15学分的数学分析，6学分的大学物理，这些“奇葩”的课程安排，无意间为我后来的发展垫下了基础。想象一个文科生上这种课的痛苦。。。
美国研究生申请阶段，由于本科的数理统计课的兴趣激发，所以决定往统计专业申请，刚好当时有个叫“数据科学”的专业吸引了我的目光，于是抱着试一试的态度就去了，实际上当时根本不知道什么大数据，机器学习，算法是啥东西。研究生第一年，很自然的除了课内的统计课，我一门心思只想做金融，于是连考了2级CFA也就是特许金融分析师，而且基本都是8A以上通过。正当我做着成为金融大亨，迎娶白富美，走向人生颠覆的美梦，现实击倒了我，国外的大投行我甚至收不到任何一个实习的面试机会。。。我懵了，于是脑海闪过了一个做数据的念头。
研二前，我申请了gap一年，这一年时间，我开始疯狂找实习，刚开始是很困难的，由于没有什么实践和项目经验，基本没有人理我。好在一个Amazon的pm赏识我，让我从数据分析师做起，在Amazon一共做了6个月的数据分析，后来事情就变得越来越容易，Intel的BI分析师实习，美团的算法实习也就随之而来。在实习的日子里，除了做好本职工作外，我每天回到家必须再额外学至少3小时的东西，才能让我往前追赶。。。
终于，在研二前的暑假，也就是这个校招，我算是侥幸拿到了一些offer，包括头条，美团，阿里，腾讯，华为等等，都是算法offer，天道酬勤。
2. 如何转算法
校招这一年我看的书和刷的题：
《统计学习方法》李航：看得非常细，手推了里面的每个公式
《机器学习》周志华：基本没咋看，只看了上面那本没涉及到的
《Python与机器学习实战》 何宇健：实现了里面的大部分代码
《剑指offer》：其实主要是在牛客上刷了两遍题
leetcode：大概200多题
学习方法：重点（CS科班大佬们可跳过退出这个帖子啦，希望和我一样的转专业狗可以看看）
接下来就是干货了，前面这些其实都是废话。
工具：一本有机器学习算法数学推导的书(《统计学习方法》)，vpn，草稿纸，一个笔记本，一个笔记本电脑
对于每个算法/模型，要做以下几件事情：
1. 看一遍理论推导，不会的不懂不理解的地方Google it
2. 自己盖上书在草稿纸上推导一遍，忘了接着看书，然后接着盖上书重来一遍
3. 在笔记本上开一章专门针对这个算法的页，把书上内容复现在本子上
4. 在Google上搜索： （以SVM为例）SVM适用场景，SVM解决过拟合的方法，SVM损失函数，SVM的优缺点，SVM与其他分类方法的比较，SVM的分布式计算方法，SVM的复杂度，并讲这些内容记在本子上
5. 打开Google/github，搜索该算法的实现代码，不要调包。。。而是老老实实的跟着网上代码的代码自己写一遍
6. 找一个数据集，自己kaggle上找一个适合该算法的，跑一下，看有没有bug
7. 在Google上找到该算法的调包和调参指南。。。用刚刚的数据集当一次调包侠和调参侠
完成以上7步，算搞定一个模型，惭愧的说，因为时间有限(懒)，我并没有每个模型都做了以上7步，但基本也差不多。。。
3. 如何面试
在北京实习的一年以及校招的一年，我在找实习或校招的时候面过的公司包括头条(10面，拿过2个实习offer，以及校招offer)，美团(14面，拿了1个实习offer，3个不同部门的提前批offer，1个面到首席科学家但被拒的offer)，阿里(8面，实习被拒，校招拿offer)，腾讯(5面，校招拿offer)，百度(6面，拿过一个实习offer，校招被拒)，滴滴(2面，实习被拒)，网易(3面，校招和实习都被拒)，搜狐(2面，拿过实习offer)，搜狐畅游(2面，拿过实习offer)，京东(6面，拿过两个实习offer)，华为(2面，拿过一个校招offer)，其他还有一些外企和美国公司，就不提了。
我的经验就是，疯狂面试，从最开始的各种被拒，到后面的逢面必过，我只能总结两个要点：
1. 面试要变成你审问面试官而不是面试官审问你，要你带着面试官问你懂的问题，而不是他主动去问你不懂的问题
2. 对于算法题，如果不会，不要呆在那里，要先给出一个暴力解法，哪怕复杂度很高的loop也可以，然后不断与面试官交流，问一点写一点，让面试官觉得你是个聪明人，一点就通就行。
4. 写在最后
记得在高考前那段时间，每天5点起床，洗个头开始读书，和班主任说好，课全部不去上，全天在图书馆自习，就那样，拼到了第一，我很幸福。
记得在大学的时候，考托福去深圳考，在前一天的高铁上，还在看错题，结果累到肠胃发炎，尽管如此，还在疯狂看错题，最后功夫不负有心人，托福一战就考了104我是幸福的。
记得在美国考CFA一级的时候，去波士顿看前女友，时间赶到大巴和飞机上全在看书，尽管疯狂晕车，但我是幸福的，最后也以超过90%考生的9A1B过了一级，很幸福。
记得在打美赛的时候，整整3天没睡觉，写了26页的英文论文，最后拿到F奖，我是幸福的。
记得刚去美国第一年的时候，身边都是顶尖985的数学系学生，好几个竺可桢院的本科生，每节课我需要提前预习一遍，上完课还要复习一遍，不懂的挨个去敲门问，没什么钱，在学校的catering打工，书带在身边，每次上完菜或者摆完桌子，会有一个小时，怕吵，就在冷库里面看书，我是幸福的。
记得在美团实习那段时间，我每天早上7点起床，做一小时leetcode，或者看一个半小时李航的书，9点出门买个早餐，挤着坐10号线到惠新西街南口，上公司最后一趟大巴，10点到望京美团。干到晚上9点，蹭公司的打车报销，回到家，10点洗完澡开始继续学习，学到1点睡觉，每天6个小时睡眠，这段时间辛苦，但真的幸福。
兄弟们，成功没有捷径，唯有付出百倍努力，说读书无用论的，都是一些真的无用的人。
