校园招聘是应届生从学校走向职场的重要一环，对于大多数应届生而言，能够找到一份理想的岗位，对未来的职业发展和个人成长都有很大的帮助。最近无意之中翻到了当年自己校招的简历，从现在的角度来看，基本上属于一轮游的简历，可能连初筛都不一定能够通过。如果想要在校园招聘中找到一份不错的工作，一定要在本科和硕士期间进行必要的积累，毕竟只有日积月累的获取经验，才有可能在校招的竞争中脱颖而出。

由于自己是从数学系转行到机器学习领域，所以下面谈的简历基本上还是以互联网的机器学习和人工智能的方向为主，至于产品，市场等其他岗位，可以关注其他博主的资料。不同方向的岗位，在撰写简历方面其实相差还是比较大的。

如果要写简历的话，通常会选择使用一些招聘网站的在线撰写简历的功能，或者直接使用 word 的模板来进行编写，甚至使用 LaTex 中的 ModernCV 模板。下面就是 LaTex 中的 ModernCV 模板所生成的简历。

一般情况下，对于应届生的校园招聘而言，简历会包括以下几个常见的内容：

1. 个人简介：姓名，性别，年龄，联系方式等；
2. 教育经历：本科/硕士/博士学位，博士后（工作经历）；
3. 实习经历：大中小公司的实习经历；
4. 科研经历：本科/硕士/博士所在实验室的项目；
5. 比赛成绩：ACM，Kaggle，数学建模，大学生数学竞赛等比赛成绩；
6. 其他条件：编程技能，Office，英语成绩（四六级，托福，雅思等）；

基本上所有的招聘都是候选人之间的横向比较，因此想要拿到不错的 offer 就一定要在候选人之间脱颖而出才行。下面基于以上六点分别来分别介绍一下。

个人简介

个人简介这一块对绝大多数而言都没有问题，只要是想找工作的人都会认真写这一块，只看这一块其实大家都不会有太大的差异性。

教育经历

从教育经历这一块来看，就开始有区分度了。不同的学历的面试标准和要求是存在一定差异性的，不同的学校也是存在一定的区分度的。当然学校的区分度并不是指 Top 2，C9，985，211 的学生就一定会通过面试，在面试的过程中，任何学校的候选人都存在机会。不同公司的不同部门会根据自身的实际情况招聘最合适的候选人，并且最合适的候选人并不是最强的人。

在招聘的时候，不同的部门有着完全不同的招聘需求，有的部门需要 CV 方向的人才，有的需要 NLP 方向的候选人，有的则需要机器学习和强化学习方面的博士大咖。如果将 CV 的候选人推送到一个机器学习岗位，那明显是不合适的，该岗位的面试官很有可能会直接放弃这份简历，理由就是岗位不匹配。甚至，在同一个岗位上，也会略有差异，毕竟每个候选人的经历和条件还是不太一样的。

在留学申请学校的时候，也会存在某些极其优秀的候选人拿不到一些学校 offer 的情况，此刻就有一种说法叫做“overqualified”。意思就是候选人的能力明显高出许多，就算该学校发出了 offer，这位候选人也存在极大的可能不来，所以宁可直接发出拒绝信。在招聘的时候其实也是这样的，不同的岗位有着完全不同的定位，如果面试官判断这位候选人即使拿到了 offer 也存在不会接 offer 的可能性，那么即使候选人能力再强，也有可能直接发出拒绝信。

实习经历

从实习经历来看，这一块在所有候选人中的区分度是最大的。有的候选人在大学期间就早早出来实习，个人简历上至少有三到五个实习经历，每个实习期间从 2 个月到 1 年不等，并且都是国内或者国外的大型互联网公司实习经历。实习的项目经历非常丰富，在面试期间就可以基于自己的项目侃侃而谈，相比之下，没有实习经历的候选人在这一块就会占据劣势。

从个人的发展而言，如果有条件实习，那还是请尽快实习，毕竟时间不等人，而且实习的机会也是非常有限的。在实习期间，能进大公司实习就果断去大公司实习，实在不行的话从小公司开始实习也是可以的，有一个甚至多个实习经历对未来的求职会好很多。

如果想实习的话，那么实习的工作时间最好长一点，一般建议三个月至半年甚至一年以上。毕竟两个月的实习真的学不到什么东西，还容易给正式员工挖坑。实习的第一个月，能够掌握公司的常用开发工具和平台就已经算不错了。实习的第二个月能够做简单的数据分析和算法开发工作。如果实习两个月就走了，那么对现有团队的帮助其实非常有限。从正式员工的角度来看，两个月的实习生基本上做不了任何工作，虽然为社会培养人才很重要，但是也要避免由于实习生的跑路导致项目受到重大影响。从项目开发和迭代的角度来讲，新手写的代码会很坑，迟早也要推翻重写，甚至还不如从一开始就不要写。

科研经历

科研经历这一块也有区分度，不同的导师能够给学生带来的资源完全是不一样的。有的导师跟业界联系紧密，培养出来的学生基本上可以拿到各大公司的大咖岗位。相反地，有的导师连机器学习都没搞清楚是啥就让学生搞科研了。学生在选择自己导师的时候，对于导师的背景可以先调研清楚，避免入坑了之后耽误自身前途。

如果导师所做的项目是公司实际业务与科研相结合的，那这就是最合适的导师。首先，基于导师接到的公司业务，可以拿到公司的部分数据；其次，基于这些数据，学生可以做相应的科研，甚至发表论文。不仅有实战的经验，也会有相关的论文产出。对学生未来求职相关岗位有很大的帮助，如果导师更加靠谱一点，能够在工业界大力推荐学生，那么学生求职就会顺风顺水了。

比赛成绩

不同的比赛区分度其实很大，有的比赛具有很高的含金量，但是有的比赛就非常水。对于不方便参加实习的学生，日常参加比赛也是非常有必要的，否则简历就会更加空洞了。但是，如果个人简历中只有一些 kaggle 比赛，或许这份简历在 2015 年是够用的，但是在 2022 年就大概率不够用了。因为很多的候选人都会有相关的比赛经历，很难从中脱颖而出。

其他条件

其他条件包括编程技能，Office 办公室技能，英语成绩等。这些技能对于大部分学生而言都是具备的，区分度也相对有限。

以上的这些只是个人在近些年工作的部分经验总结，不一定正确，也不一定适合所有的人。大家在撰写简历的时候还是要多加总结，然后扬长避短，欢迎大家一起讨论。最后，祝大家都能够找到满意的工作。

程序员是当今社会中诸多职业的一种，也是优秀的计算机等理工专业毕业生所追求的职业之一。在社会大众的认知里面，程序员就是像电影里面的黑客一样，在一个暗无天日的小空间里，面对 Linux 系统编写各种酷炫的程序，最终解决了某个技术问题或者搭建了某个网站。

从程序员的发展历程来看，各大互联网公司都会根据自身的情况，制定各种各样的级别体系，然后再进行职级的横向对比。每一个职级的程序员都有着自己的发展目标和成长路径，其奋斗目标显得相对清晰明确。按照别人制定好的计划或者路径来走或许能够走到某个位置，但总感觉缺少了一点个性化。程序员在大公司绝不仅仅是写代码而已，日常与产品经理的沟通，与其他公司的程序员沟通都是日常工作的一部分。写代码所占据的工作量其实只是一部分而已，绝对不会是全部的工作。

刚工作的时候接触到一本书《软技能：代码之外的生存指南》，作者自己就是一个优秀的程序员。然后结合自身的发展情况，个人的成长履历以及行业的发展，撰写了一本关于程序员软技能的书籍。近两年，这本书有了第二版，也是对第一版有了很大的改进和补充。

在书中，作者从一开始就提出了一个观点，“经营自己的职业生涯就是经营一家企业”。每一个程序员在刚开始工作的时候，就要树立一种为自己工作的理念。从一个打工者的心态转化成经营一个企业，所提供的服务就是“软件开发”，“数据分析”等工作内容。既然是经营一个企业，那么就必须要有营销的意识。进行必要的自我营销也是提升个人竞争力，个人魅力，甚至提升薪水的一种方法。

从作者的讲解中可以看出，自我营销的方式有很多种，常见的包括但不限于：

• 博客：搭建属于自己的博客；
• 视频：无论是 YouTube 长视频还是抖音快手的短视频均可；
• GitHub：程序员进行自我宣传的最佳平台；
• 书籍：撰写书籍有助于在大众面前提升曝光；
• 技术会议：能够参加各种各样的技术会议有助于提升个人影响力。

而在做自我营销的过程中，除了自身要有一定的知识储备对外宣传之外，更重要的则是坚持不懈地做某件事情。坚持做一件事情的难度是远高于心血来潮做事情的。在不同的自我营销平台上，由于观众是略有差异的，因此在内容侧需要进行必要的调整和重组，以迎合更多观众的喜好。坚持不懈地做某件事情也有利于在社交平台保证稳定的活跃度，可以长期的获得必要的流量。在现有的互联网环境下，有流量就可以带货，做培训，开直播，甚至提供必要的收入来源。

在做程序员的时候，最重要的就是生产力，拥有优秀的生产力可以大量提升效率，也可以提升收入。为了获得更高的生产力，每日/每周/每月的计划就需要提前安排。通过各种 Calendar 日历工具提前安排自己的工作，基于 Rescue Time 等时间管理工具来安排有效的工作时间。培养一个好习惯有助于经营自己。

作者在有段时间内进行了“艰苦工作”的模式，不仅完成自己的日常工作，还在工作日晚上和周末制作在线课程，且每周更新自己的博客内容。在持续工作的过程中，作者开始拥有了源源不断的被动收入，不仅包括博客的收入，还包括一些 APP 的收入，甚至投入的房地产也获得了不错的收益。

在获得成功的路上，作者也推荐了一些书籍，例如《影响力》，《意志力陷阱》等。同时也强调了走出舒适区这一个重要的概念，每个人其实都愿意在自己的舒适区呆着，很难主动地走出自己的舒适区，毕竟万事开头难。一旦走出了舒适区，如何坚持做某件事情又是一件有难度的事情。这些问题作者都基于亲身经历进行了详细解答。

作为一个职场中的程序员，除了日常的努力工作之外，到底还有多少东西需要了解和学习呢？相信这本书会给读者提供一个全新思路和参考答案。

本文来自微信公众号：界面新闻（ID：wowjiemian），作者：佘晓晨，采访：佘晓晨、陆柯言、司林威，编辑：文姝琪，题图来自视觉中国

腾讯宣布给特别贡献员工发100股股票的那天，李剑锋的反应颇为平淡。

在别人看来，这是一份令人艳羡的年终奖励。作为一家成熟且庞大的互联网公司，腾讯选择用股票这样看得见、摸得着的东西激励员工，也起到了不错的效果：一些入职未满一年的员工也得到了这份奖励，恰逢过年前夕，“感谢小马哥”在社交网站上刷屏了。

但李剑锋觉得，和自己付出的劳累和巨大的工作压力相比，6万多的股票“真的不算什么”。

一个不可否认的事实是，如今，当互联网大厂采用各种各样的途径激励员工时，很多方法不管用了。

还有相当一部分年轻人，在进入大厂的时候就未曾“被激励”。入职一家国内TOP3的电商大厂之后，张微非常明白自己想要的是什么。她不需要鸡汤、也不需要公司的承诺。她看中的，只是自己的发展前景，和当下可见的物质回馈。

2021年3月，一篇来自于阿里内网的文章《致阿里》出现在社交网络上。《致阿里》基于年轻基层员工的视角，表达了他们对于工作、待遇和公司价值观等等的看法。重点在于，文章把年轻基层员工和职级更高的老员工进行了对比，引发了阿里内网激烈的讨论。

很多和发帖者处于同一“阵营”的年轻员工认为，如今公司用心灵鸡汤鼓励员工奋斗的价值观已经过时，也不该强求员工“热爱公司”；另一批站在对立面的高管和老员工则表示，想要获得回报就应该拼搏奋斗，用热情激励员工干活没有错。

关于公司应该如何激励自己，发帖者还在文章中表示：“温饱只是最基本的需求，可问题是一家文化拉垮待遇也拉垮的公司，只会不断的抹黑消耗阿里巴巴这个曾经让人看起来羡慕和憧憬的光环。”

过去十年间，互联网的飞速发展让彼时的年轻一代感受到巨大的机会。很多人走进大厂，期冀着物质和自我价值的双重发展。但在进入大厂之后，很多激励过他们的东西正在失效。对于早期入职互联网大厂的老员工来说，公司的价值观却是的的确确“深入人心”的。

是大厂的激励不够，还是年轻人太难被满足？答案可能都不是。互联网行业发展至今，个体和组织都在变化，而两者之间，还存在着不小的沟壑。

消退的“价值观” 

很难说那些口号有没有发挥作用。

“创新”、“正直”、“协作”，这些词出现在大厂的新员工培训手册上，出现在公司的墙上，也出现在高管的演讲里；有时候，张微能感觉到它们实实在在地渗透到了岗位里。

比如在具体的运营工作中，她会记得坚守原则，留意和其他小组同事的合作，以及回绝供应商逢年过节的一切礼物。但说到底，这也是因为公司的价值观和个人做事的原则相吻合，而非刻意为之。

对于苏曼来说，口号就更加熟悉了。

毕业参加面试，HR问她怎么看待华为的“狼性文化”。她表示认同，不单单是为了通过面试。在她心里，这种文化本质上是强调奋斗者为本。对于一个初出茅庐的大学生来说，这意味着多劳多得。而华为给她的薪资也远远高于同班同学，为公司奋斗成了理所当然的事情。

《华为传》一书中，“狼性文化”被概括成“一种推崇激进、坚韧、善于发现新机遇的品质”，同时，狼性文化强调集体意识，围绕项目或任务进行团队作战。

在一些前辈身上，这种精神体现得格外明显。他们经常告诉苏曼这样的年轻员工，大家要“一起打胜仗”、“一起分享胜利的果实”。苏曼会因此设想未来可能拥有的职级和收入，“你会觉得他们的状态似乎不错，所以愿意朝着那个方向努力。”

崇尚“狼性文化”的华为有一个激励的传统为人熟知：员工全员持股。直到今天，这依然是华为用来激励员工的一个重要方式。苏曼坦言，在公司内部，他们戏称，工资是零花钱，真正的回报是股票。

但等待更多的分红意味着什么？和公司共进退，一年、两年、三年，甚至更久。

有老员工起到表率作用，他们告诉新入职的员工，“刚开始工作，不要在乎一两千的工资差异，三年之后绩效好的话，收入会呈指数级增长。”

根据媒体报道，华为19级（在华为，员工的职级分为13~23级）以上的员工年薪在150万~200万之间。据一位华为员工描述，在现阶段，表现较好的情况下，应届生入职5年之后才可以达到18级。

此外，在华为，员工的薪酬除了工资和股票分红之外，还有海外补助。后两者是很多员工收入构成的重要部分，而不少老员工正是通过早年开拓海外市场实现了“财富自由”。

“一开始是挺受激励的，但过了一段时间，你就会在日复一日的工作中感到疲惫。”随着工作压力的加大，苏曼的热情正在消退。她意识到，老员工说的这些回报，前提是熬过了三年，并且继续熬下去。

张微没有感受到太大的落差，因为从一开始，她就没有被公司的激励打动过。

入职之后，公司领导在大会上鼓励年轻人多多奋斗，传达“能奋斗也是一种幸运”的观点。在张微看来，这些分享完全谈不上“激励”，更不用说那些华而不实的公司周边了。

一些手段甚至起到了反作用。

在现代社会的公司组织中，团建是一种常见的激励方式。促进员工之间的感情、传递企业的价值观、让公司变得更有趣，团建会将这些目的一一覆盖。尤其是在人员复杂、强调团队合作的互联网公司，人力资源部门将团建视为一种必要的激励方法，费尽心思组织员工活动。

张微对公司的团建甚至到了反感的地步。一次团建中，公司让大家进行“花式”的自我介绍，还要用表演的方式学习企业的价值观。“非常尴尬，我不明白这样对提升工作能力到底有什么好处，有的团建还会占用周末。”

十年前的“热情” 

时间拉回到2010年以前，对于当时的年轻人来说，互联网公司的吸引力远比不上光鲜的外企。但他们却更加认同公司的价值观；与此同时，他们也得到了实打实的“物质激励”。

2007年，张建波从一所国内知名技术院校毕业，和同批应届生相比，他拿到的offer算不上突出。但回望在华为工作的这些年，他觉得公司在精神和物质上的激励都很有效。

一些激励方式延续到了现在——例如为期两个月的、纯粹的“价值观培训”。更多的传递是“集体主义精神”在日常工作中的体现：张建波清楚地记得那句口号：“胜则举杯相庆，败则拼死相救。”

“对于大公司来说，这并不是一个口号，它需要有一整套的流程机制去支撑。”入职之后，这种价值观的传输实施到了工作中。他认为，这套口号背后是上一环和下一环之间、跨部门之间的紧密合作机制，“某一个环节出问题很容易被发现，最终形成了一个自觉的、责任制的工作状态。”

同样在2010年之前入职腾讯的郝强有相似的感受。入职腾讯之后，他遇上了“3Q大战”，整个公司在内部时刻强调价值观，尤其是在做产品的时候。团队开会时，大家会考虑产品设计和功能是否符合公司的原则。“不一定是特别认真的强调，但也随时挂在嘴边。”

除了股权之外，郝强印象最深的激励是公司评选的荣誉奖项。在他看来，虽然腾讯当时的发展比不上现在，但当时的员工还是很看重这些荣誉带来的激励。“并不能带来多少钱，但比钱带来的动力要更强。”

将“多劳多得”贯彻到底的华为则把荣誉直接转化成了收入，对于被外派到海外的张建波来说，这种即时的激励格外有效。

在当时，华为的基本工资和涨幅并不高，而海外市场急需扩张，项目奖金鼓励员工持续奋斗。“把一件事情做好之后，可能下个季度一笔钱就到你的账户里了。如果一年做了2-4个项目，激励就会反映到年终奖里，这个感觉是很好的。”

一些看起来仅仅是头衔的荣誉，例如“金牌员工”，也意味着相当一大笔物质回报。张建波称，这意味着你的考评是A，能够比别人多出2-3倍的年终奖。

“当时的我们，对物质生活还是有强烈的向往。”张建波说。

自我和组织发生碰撞

时代变了。

“既得利益者”——一位阿里的员工这样形容那些认同公司文化的前辈。张微的看法也一样，“可能在行业的起步或爆发阶段是有很多机会，当时的奋斗者相比身边人确实会得到巨大的回馈，但在今天，付出和回报的比例和当时一定不同。”

随着人员的扩张和公司架构的成熟，日益庞大的中国互联网公司都在建立更完善的考核体系，和创业时期的“X号员工”相比，年轻人获得回报的周期更长，难度也更大了。

对于80后来说，他们虽然没有经历过物质匮乏的时代，却在大厂的起步期加入了公司，见证过公司的发展给自己带来的改变。

而物质收入只是造成看法差异的因素之一。更多的区别在于，组织发展到了新的阶段，员工们成长的环境也完全不同。

苏曼和张微都毕业于中国顶尖的985高校，同批进入公司的同事大多拥有漂亮的履历和较高的学历水平，找到一份薪资不错的工作对他们来说不是难事。

他们代表的，是一群生于90年代中后期、受过良好高等教育的新一代“互联网人”；这批年轻人成长于中国经济高速发展的时期，也更加重视人文关怀和自我价值。

根据脉脉发布的人才报告，2020年，19家互联网企业的人才平均年龄为29.6岁，其中字节跳动和拼多多的人才平均年龄仅为27岁。

张微认为，大厂激励效果减弱的原因在于，每代人的观念不同，社会发展到今天，很多年轻人意识到自己不是“工作机器”。“在工作以外，这个世界有太多美好的风景、事情和情感需要去体验；在一个相对丰富复杂的环境里成长，完全丢掉生活去工作很难保持心态的稳定。”

时不时的，一些不好的消息还会让张微更加警惕公司的激励。“每次看到拿着稍高一些薪水的同龄人猝死的新闻，我都去提醒自己，无论如何，生理和心理健康是最重要的。”

在张建波周围，一些老同事经常抱怨，“现在的年轻人不好管”、“都要哄着”。老领导觉得他们“太喜欢反抗”，但张建波和郝强能够理解年轻员工的看法。

他们一致认为，80后虽然没有经历物质匮乏的时代，但受到的教育相对保守，更加服从“家长制的管理”——更不用说从“苦日子”过来的70后。

一位阿里高P级别员工表示，他也明显感受到《致阿里》中提到的一些问题，但对于公司的制度和价值观，他认为，“谈不上认不认可，只能说这是合理的。”

看起来，大厂的价值观和对于员工的激励方式，这十年来并没有发生太多的变化。但这也正是矛盾所在：当自我和组织发生碰撞，擅长“拥抱变化”的互联网大厂需要思考的是，如何让自己的激励方式持续行之有效。

郝强认为，大企业的价值观通常都是一些基本的工作原则，这是任何时候都通用的；问题在于，团队中有老员工和新员工，在激励的细则上，需要做出更多的调整。

归根结底，这是一场关于大厂组织架构和组织文化的考验。也许，应该调整的不一定是价值观，而是传达价值观的方式；应该调整的不仅是激励的数量，还有激励的内容和初衷。

（应采访对象要求，文中李剑锋、张微、苏曼、张建波、郝强为化名）

本文来自微信公众号：界面新闻（ID：wowjiemian），作者：佘晓晨，采访：佘晓晨、陆柯言、司林威，编辑：文姝琪

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉，请联系tougao@huxiu.com

第一次来深圳的时候应该是在 2011 年左右，作为博士生每年都有 21 天的假期，那自然是会回到家乡与家人团聚。从新加坡回大陆的话一般来说都有廉价航空（Tiger），所以为了省钱会制定一条较为折腾的路线。每次从新加坡返回家乡的时候都选择先去香港，再从香港进入深圳，最后从深圳返回贵州。笔者当时对深圳的印象也挺好，无论是从自然气候，空气环境，城市建设等方面，深圳与新加坡都是十分相似的。

在 2011 – 2012 年期间，笔者每年都会回国，会时不时地往返香港与深圳，笔者也经常拿这两座城市做比较。当时在香港居住的地方是钻石山的星河明居，附近拥有荷里活广场（Hollywood Plaza）和一些便利店，因此日常生活用品和做饭材料都可以在荷里活广场买到，整体来说生活也算方便。当时的星河明居有 A，B，C，D，E 这几栋，住的那一个屋子大约 50 平左右，有三个房间，再加上客厅的话总共有四个居住场所，所以日常的租户是 4 人。有一个房间就特别小，测量了一下大约只有 4 平左右。在居住的闲暇之余还去周边的房产中介看了一下，50 平左右的这个房子大约的价位是 550 万港币，总体来看，这些房子的均价大约是 10 万港币 / 平左右。

从星河明居到罗湖口岸其实并不花太长的时间，从观塘线转到东铁线，再进入罗湖也就大约 1 个小时。一旦进入了罗湖，总想着也需要比较一下深圳和香港的房价，当年也在深圳的福田和罗湖浏览了一些小区的房价，当时福田不少小区的均价还在 2 万以下，在罗湖也能够找到 1 万多的小区。

当时关注的房子基本上都是小户型，毕竟即使是小户型也会远好于在星河明居只有 4 平方的房间。福田或者罗湖的一室一厅的面积都是在 20 – 40 平左右，一般来说不会到 60 平。当时关注的不少小区房价相对于香港还是便宜许多的，两者的距离仅仅相差了一个罗湖口岸。

当年关注过位于八卦岭的鹏益花园这个小区，小户型（一室一厅，小于 40 平方）的价格是有明显变化的。在 2013 年的时候，60 万人民币基本上可以拿下一套小户型，但是从链家的官网来看，房价处于一个高速上升的势头，不管是由于学区房还是其他原因，整体的房价都在提升。据不完全统计和肉眼观察，鹏益花园的房价基本上是：

1. 2010 年大约是 10 k / 平；
2. 2014 年大约是 20 k / 平；
3. 2019 年大约是 50 k / 平；
4. 2020 年大约是 90 k / 平；

除了鹏益花园之外，还有南山的诺德假日花园，同样呈现了较大的增长势头。从链家的交易记录来看，可以看到小区的交易价格大约是：

1. 2010 年大约是 20 k / 平；
2. 2016 年大约是 70 k / 平；
3. 2020 年大约是 140 k / 平；

无论是鹏益花园，诺德假日花园还是深圳的其余小区。在短短的十年时间，二手房的价格大约涨了 8 – 9 倍。这对于应届生而言，如果是 2010 年来了深圳之后就迅速买房，虽说不一定能够保证财务自由，但是也足以节省一大笔钱，而且房产的资产增值幅度有很大可能已经远超工资上涨的幅度。如果是 2015 年来深圳的应届生，虽然也经历了 2015 年房价迅速增加的一段时光，但是估计也没想到有的小区在短短的 5 年之后还能够继续保持一定的涨幅，并且有些地区的涨幅基本上是翻倍了。

在 2020 年的初期，深圳的房价又一次出现了上涨的势头，整体的价格相对于 2019 年确实涨了不少。即使是从 2020 年的 8 月份算起，深圳的房价也呈现了稳中有升的局面，从价格上来看并没有出现下降的趋势。

10646元！2019年深圳市在岗职工月平均工资（即社平工资）出炉。记者分别从深圳市医疗保障局、深圳市社会保险基金管理局获悉，从7月起我市各项社保缴费基数和待遇偿付基数也随之调整，涉及到2019年全省全口径从业人员月平均工资、2019年深圳市在岗职工月平均工资的，分别按6756元、10646元/月计算。

这十年来的变化，使得深圳的二手房房价已经快追上了香港，2020 年的深圳房价已经不是 2010 年的水平了。但是其工资水平其实并没有发生那么多倍的变化，能够在早期入手购房的人说不定已经财务自由，但是对于刚来深圳的应届生而言，在深圳安家的成本就会变得越来越高，根据深圳市的调查，深圳市最新的社平工资为 10646 元。其链接是：我市最新社平工资为10646元/月 工伤发生人数下降15.28%。

从深圳的平均工资和二手房均价来看，如果只是靠个人的薪水想要攒到深圳核心地段的房子首付确实是一件较难的事情，如果家里面能够提供必要的支持确实能够帮助应届生解决问题。此时，有的同事会选择在深圳打工，然后想办法供二线家乡城市的房子。毕竟无论在哪里工作，最终都是为了能够过上更好的生活。（未完待续）

从小听过不少家长或者老师的“谎言”，读初中的时候，老师们总是说让大家努力学习，只要考上了高中就可以轻松学习了，毕竟从高中考大学是相对容易的；在高中的时候，老师们也总是说让大家继续努力学习，保持学习劲头不放松，等考上了大学就可以开始真正的素质教育了；但是到了大学的时候，才发现所谓的学习生活并不是跟高中老师所说的一样。从某种程度来看，大学教育在某些时候也是一种应试教育，跟高中的模式没有太大的区别，要想获得某门课程的好成绩同样也需要花费很多时间和精力的。

笔者在读博士的时候，在刚入学的第一年总想在很短的时间内做完某件事情，甚至在刚入学的第一个学期都没有在周边进行游玩和娱乐，也没怎么进行休息，一直在尽力地学习各种数学课程，阅读科研论文。等到了博士第二年的时候，心态就出现变化，毕竟博士生做论文并不是花费几个月就能够搞定的，科研与学习是有本质区别的。科研是一种生活状态，无论博士生在办公室，在路上，在家里，甚至在吃饭的时候，都可以思考问题，不断地考虑论文中的突破口，不停地进行各种各样的演算和尝试，在每一次的失败中寻求成功的路径。如果科研是一种生活状态，那就不太可能出现读完，写完某篇论文就不用继续努力付出的情况。对于博士生而言，科研与生活会长期并存，互相交织在一起。

其实无论是在中学，大学，研究生，还是博士阶段，甚至到了工作时期，都不太可能出现度过了某个阶段，下个阶段就无比轻松的情况。在不同的阶段都有着完全不同的任务和目标，都有着截然不同的挑战和困难。在小学，中学，大学的时候，大家还是以学生的身份而存在；到了研究生，博士阶段的时候，大家就要考虑未来的生计问题了；等到了工作期间，大家考虑和谈论的事情基本上就是事业，成家，立业等家庭问题；到了生儿育女的阶段，大家商讨的应该就是学区房，小孩成绩等诸多问题了。因此，无论在人生的哪个阶段，并不会出现丝毫没有任何压力的情况，也很难出现一个阶段过去了下一个阶段就很轻松的事情，说不定下一个阶段比上一个阶段更加的艰难。

在人的一生中，学习，工作，生活三者将会一直共存，进入工作阶段并不意味着学习的停滞，在学习期间也不意味着不需要生活，在工作阶段更不意味着可以永远不休息。生活和工作在每个人的人生中其实是不可严重割裂的两块，对大多数人而言，是很难做到不需要工作而只需要生活的，也很难做到不需要生活而只需要工作。当然，在某个短暂的阶段我们完全可以做到放弃其中的某一样而努力做到另外一件事情，但是以长远的眼光来看，工作与生活其实是长期并存的关系。

在一线城市工作，虽然日常会承受 995 甚至 996 的工作压力，但是总还是可以找到休息的机会。不过据说有的公司是 007 的工作状态，那么估计这些员工是没有生活了。但是 007 的工作状态也不会持续一辈子，毕竟人的体力和精力都是有限的，在某个合适的时刻这种工作状态会被改变的。如果不想拥有高强度的工作压力，就要合理地降低自身的欲望。如果想在职场发展中持续地赚到钱或者维持高收入，就必然要保持自身的竞争力。而竞争力的来源包括工作时长，技术能力，管理能力等诸多方面，其中工作时长是最容易体现竞争力的一个方面，这也许正是 996 的由来。但即使是高强度的工作，也可以尝试在工作间隙进行必要的休息和生活，例如午饭和晚饭的时间。工作人士可以在这两个时间段做一些自己喜欢的事情，体验一下与工作完全不同的生活。

工作在某些时候就跟读博士一样，千万不能够想着读完了博士就怎么怎么样，而是要学会把大任务拆解，安排好每个时间段的工作。只要每天，每周，每月，每年做完一定的任务之后就及时享受生活和体验人生。只有这样才能够保证自身的能量充足，能够长期在工作中保持战斗力。工作是人生的必经阶段，也是日常生活的一部分，为了更好地生活，我们需要努力的工作，但是并不需要为了工作而放弃所有的生活。

在工作的时候，通常任务有日常的常规任务，也有充满挑战的创新性任务。在做常规任务的时候，可以搞一些可以提升效率的工具，减少重复工作的时间。在做创新性项目的时候，就要一往无前地全力以赴，毕竟创新性的工作除了给人带来工资与收益之外，还能够给人带来巨大的成长，为今后的工作做必要的铺垫。只做重复性的工作很容易让人产生疲惫的心理，在互联网这种充满风险和挑战的地方还是要做一些对自己有提升的工作。一旦目前的工作都已经手到擒来，没有任何挑战，那就可以考虑去找一些更有挑战的项目来提升自己了。

工作与生活是不能被分割的两部分，很难放弃其中的一个而只选择另外一个。在日常的工作中，通过项目来精进自身的能力，在工作中获得一定的成就感。在生活中及时地享受人生，在娱乐之余及时地给予自己一定的奖励，只有这样，才能够更好地平衡工作与生活。

​之前笔者写过不少文章，其中不仅包括技术和数学文章，还有一些日常学习工作的心得，甚至还写过几篇关于旅游的流水账，但是却很少写关于人物的文章。最近我打算写一篇关于人物的文章，用于纪念在工作中一起战斗过的伙伴 Jett。

许多年前，我还在学校读书的时候，就有前辈告诉我，交朋友的时候基本上就只能够在学校，离开了学校之后在职场中想交到合适的朋友是比较困难的。当时作为一枚职场菜鸟的我，也只能够表示对这句话的认同。直到在工作后遇到了 Jett，我对这个观点就有了自己的看法。

我是2015年7月作为校招生进入公司，Jett 则是2015年10月通过社招进公司的。当年虽然两人身处同一个部门，但是由于不在一个中心，也不是同一条业务线，并且这两个中心平时也没啥日常工作的交集，因此我和 Jett 同处一个部门许久却互相不认识对方。就好比在学校里面，虽然身处同一个院系，甚至同一栋宿舍楼，由于种种原因而不认识对方。

随着工作时间的增加，到 2016 年的时候笔者就已经过了新手保护期。所谓新手保护期，就是每一个新人其实都有一段适应公司的过程，公司也会给人一定的保护时间，但是一旦过了这个时间就不算新人了。大约到了2016年5月份的时候，部门内部启动了一个用机器学习的方法来做安全对抗的项目。当年的安全中心并没有机器学习的从业者，因此需要从其他中心抽调人手去支持他们的项目。在一些机缘巧合之下，我作为数据团队的代表，就和安全团队的同事们同在安全大数据项目组。在公司里面，机器学习的人员通常都是和开发人员通力合作，各司其职，共建一个项目。在项目初期，其实 Jett 也不负责与我对接，后续随着项目的进一步发展和迭代，Jett 就成为了安全中心与我对接的人。

虽然 Jett 是和我对接的人，但是 Jett 主要也是负责平台开发，之前 Jett 在进入公司之前好像没有做过前端，但是在项目初期好像做了一些前端方面的工作，在邮件里面得到了领导的赞扬。这个应该是我对 Jett 的第一印象了，那就是一个靠谱的开发人员。当时虽然是成立了项目组，但是还是作为一个试点的工作来做，无论是算法的调研和平台的工作，都由我们两个来完成。这些项目在初期都是一大堆人在里面，但是随着项目的进展，人数都会越来越少，然后领奖的时候又出现了一大堆人。在项目的初期，我当时应该也只会 SQL，连 Python 都不算很熟悉，更没有开发过大型项目了。即使是作为一个试点的项目，其实个人也有着巨大的压力，毕竟这个方向在公司当年还处于一个相对不那么清晰的状态，也不知道该怎么做，甚至也不知道有什么资料可以查。不过作为一个 PHD，虽然写代码的能力不行，但是读论文和搜索资料的能力还是有点的。当时记得花了很多时间在网上找来找去，总算找到一两家号称做这个方向的创业公司，运气够好的是当时它们居然都发表了相关的论文。后来把它们的论文整理成资料和PPT，跟相关的同事沟通了一下，就打算复现这几篇论文。

当然，做项目总是有着各种各样的风险，况且当年本人的技术实力确实也不怎么样，写过不少的 SQL，做过很多数据分析的工作，查过一些数据方面的问题，至于其他方面也就那么回事。在项目的调研阶段和初期，大约是5月份-8月份，其实也没有什么特别大的产出，主要也是在积攒技术经验，把 Python 的各个工具库熟悉了一下。不过在公司里面总是有考核的，到了9月份的时候压力就比较大了，毕竟最终还是要对上线的效果负责的。在9月底的时候，我和 Jett 被拉去星巴克喝了一杯咖啡，然后被下达了任务和命令，也就是在十月份完成机器学习的效果指标。

既然被拉到星巴克去喝咖啡，也就是说明在9月份的时候，模型的效果都不算太好，估计再这样干下去也没有办法完成既定的目标。不过目标这种事情制定的时候都是根据当时的情况来制定的，很有可能会随着时间的变化而产生变化。虽然说目标总是在发生变化，但是整体的大思路是没有改变的。当时，作为开发人员的 Jett 问我要不要修改 XGBoost 的模型源码，我连忙说不用不用，其实就算让我改，我也没有本事修改别人的源码。既然不会修改模型的源码，那就只能够从数据和特征来入手了。在机器学习领域，只要把数据和特征处理好了，基本上就能够保证模型的效果和质量。于是 Jett 和我当时把成千上万条数据一起看了一遍，结果是发现正负样本有一部分混在了一起，于是模型的效果无论如何都做不好。

对于在校学生而言，通常来说都是 Python 跑完模型，然后得到一个模型文件，用它继续离线预测就可以得到最终的结果。但是在工业界，很多机器学习项目都需要进行上线的工作。这种时候只靠一个机器学习人员的战斗力是无法解决问题的，不可避免地需要有开发人力的介入。此时 Jett 发挥了作为一位开发人员的强大战斗力，一个人就能把线上的代码全部完成，没有让我撰写任何一行 C++ 的代码。在码农界有一种“结伴编程”的说法，也就是两个人共同搞一份代码，共同搞一个项目。我是负责数据处理和离线模块，Jett 是负责平台开发。有一次在核对数据的时候，把 Python 的预测结果和 C++ 的预测结果进行核对。也就是为了交流方便，那次我把 Mac Air 搬到了 Jett 的桌子上，两个人并排坐在一起，一起核对数据的准确性和可靠性。

不过核对数据只是机器学习项目的第一步，并且也是长期需要做的一步，因为数据总是会出现各种各样的问题。即使数据没有问题，也不代表最终的模型效果达标。到了2016年10月中旬的时候，我俩的压力也已经很大，每天晚上都在万利达五楼加班到十点以后。每天我都在训练模型和数据分析，Jett 每天也在做平台开发的工作，虽然我不懂他在做什么，但是总是感觉很忙的样子。而且项目经理每两天都会催一次进度，顺带着会有各种大大小小的会议。其实当时 Jett 是作为业务部门的人，压力更大的是压在他那一边。在思考了大半个月之后，在一个星期日的夜晚，我去华润万家买了一堆小本子，把整个项目的细节仔仔细细地思考了一遍，突然灵光一现，发现其实有一个优化点，于是就顺手写在了小本子上。到了周一的时候，我把小本子上面的想法去实现了一遍，结果效果瞬间提升，业务指标瞬间完成。当我把这个好消息告诉 Jett 的时候，Jett 还在 RTX 上说了一句：“等我去哭一会”。最终我俩猛加班两天，把模型往线上一扔，效果直线上升，而此刻的报表系统早已齐备，瞬间就看到了效果的提升，甩掉前面的模型五条大马路。

在2017年初的时候，模型的整体效果已经很好了，整体的路线其实已经基本走通。因此后续更多的是平台建设方面的工作，这一块做得更多一点的是 Jett，最终他还真是完成了无算法人员参与就能够自动接入各种业务的全自动流程。不过随着时间的流逝，我俩都各自都被抽调去做其它的项目，合作的时间和机会在项目成功之后就变得越来越少了。万幸的是，在2017年9月5日-2017年9月9日，我俩共同去了台湾进行了一次团建。参见《五日台湾行》。

后来，由于种种原因，我也不再继续从事安全方面的工作，与 Jett 的交集也越来越少。虽然后面也有吃饭聚餐等时候，但是却没有了在一个项目中一起为了一个目标奋斗的机会，心中不免有少许遗憾。随着去年的大调整，Jett 和我已经不在同一个部门。今年 Jett 由于家庭原因离开了公司，恐怕短期内已经再也没有通力协作，互帮互助的机会了。也许这个项目是我俩共同做的最后一个项目，但是当年在万利达五楼共同奋斗的时光，却是一段珍贵的回忆。

本次 PPT 用做腾讯读书会上的个人分享。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

目前笔者已经在互联网行业从事机器学习方向三年有余，经常也被问到做机器学习算法工程师是一个什么样的体验，同时也常常在其他平台上看到其他人问类似的问题。于是提笔写下此文，供有志投身于这个行业的人参考。

日常生活

读数学博士的时候，通常的日子是这样的：

根据论文或者某个讲座得到的信息来提出某个数学猜想 -> 然后开始在 Google 上搜索论文 -> 再花费几周到几个月的时间来读论文，并且思考这些论文的优点和缺点 -> 思考 -> 思考 -> 思考 -> 继续读更多的论文 -> 思考 -> 思考 -> 思考 ->…-> 放弃。。。。

在互联网公司做机器学习的时候，通常的日子是这样的：

根据行业的PPT或者业务中的某些痛点来提出技术方案 -> 然后开始收集数据，不仅要问遍组内，还要去其他组收集各种各样的需求 -> 根据之前的技术方案来进行数据的预处理 -> 撰写特征工程 -> 训练模型 -> 调参 -> 调参 -> 重新收集数据 -> 数据的预处理 -> 收集更多数据 -> 调参 -> 调参 -> 调参 ->…->放弃。。。。

业务理解

就做机器学习的经验来看，通常来说在做业务之前，一定要清楚的弄明白项目的业务需求是什么，弄清楚这个问题是什么比一开始就写代码重要得多。意思就是在回答问题之前，一定要把问题的内容弄清楚。有的时候，虽然看上去是一个很大的需求，但是实际操作起来的时候使用一些简单的办法也能够达到项目指标。有的时候，虽然看上去很简单，但是实际操作起来并不是一件容易的事情。从之前做理论数学的经验来看，通常数学里面的一些问题是是非题，不能够添加条件的。在 PDE 等方程领域，定理的条件越多，表示定理越不值钱。不过在工作中，这些条条框框会相对减少很多，只要能够达成项目目标，无论是添加样本，添加特征，添加服务器数量其实都是可以的，并且要把机器学习模型和业务指标有机结合才能够达到最终的项目指标。

一般搞数学科研的时候都是单打独斗，通常来说都是自己干自己的事情，别人也没办法帮自己。但是在工作中是不一样的，工作中除了干好自己的事情之外，周边的很多资源其实是可以在一个合理的范围内去争取的。无论是人员的数量，还是人员的种类，只要最终能够达成项目目标即可。无论是算法人员，还是开发人员，产品经理，最终都是要为一个项目的结果负责的。之前听过一句经典的话“失败的项目里没有成功的个人”，因此，无论怎么做，最终都要保证项目尽量成功。

数据清洗和特征工程

而在机器学习算法工程师的日常生活中，除了上面的小段子之外，其实最重要的是样本层和特征层的处理工作。在学术界，都是使用开源的数据，别人都已经完全标记好了，学术圈的人通常来说只需要在这些数据的基础上提出更好的模型，更创新的算法即可。但是在工业界就完全不一样了，不要说有人帮你标记数据了，有的时候连数据在哪里都不知道，数据的质量如何也不知道，因此更多的时候是进行数据的处理和清洗工作。之前做一个项目的时候，准确率和召回率始终上不去，但是等把样本里面的脏数据清理掉之后，模型的效果瞬间提升了一个档次。在脏数据面前，再好的模型都是没有用的，在训练模型之前，一定要先看一下数据层的问题。

除了数据的问题，通常来说在一些场景下，样本的数量并没有那么大，因此深度学习等方案不一定特别适合。在这种情况下，一般就会使用传统的机器学习方法，并且会使用一些基于业务的特征工程。这种时候就需要机器学习从业者对业务有一个精准的理解，只要业务理解得好，有的时候写一些简单的规则就可以解决问题。特征工程也是机器学习里面的一个重要问题。

持续学习

在人工智能这个领域，无论是 CV，NLP，还是机器学习，里面的技术迭代都是非常快的，而且是需要相对专业的人才能够从事这些领域。在这种情况下，机器学习从业者的持续学习就显得尤其重要，几年前的技术在新的业务场景下就未必适合，可能需要使用其他的模型或者框架才能够更好地解决问题。所以，除了完成日常的搬砖工作之外，建议每天抽一点时间来阅读论文，保持对业界技术的跟进和迭代。不过这个行业鱼龙混杂，有的时候论文或者 PPT 里面的技术框架其实没有办法复现，能够精准地判断哪些方案好，哪些方案差绝对是算法工程师必备的关键能力之一。

编程能力

如果是在工业界的话，编程能力是非常重要的。因为从事算法的人通常来说会有一些算法上的优化，工程上的改进，数据分析之类的工作。在这种情况下，首先需要有一定的业务直觉。而业务的经验积累需要通过各种各样的基础数据提取，在海量的数据分析工作中逐渐积累的。在这种情况下，提取数据的工具就是必须要掌握的，例如 SQL 等。其次，分析数据的工作也是必须要具备的，无论是使用 SQL 来进行分析，还是使用 Python 来做数据分析，都是自行编程解决的。再次，在从事机器学习方向的时候，不可避免的就会进行算法的效果对比。而在这种情况下，算法的效果对比是需要机器学习从业者通过写程序来实现的。最后，工业界的算法通常来说都强调上线，如果能够自行把离线，上线，效果验证，ABTest都做完，其实是最好的状况。在这种情况下，通常 Python 就不太够了，需要使用 C++ 或者 Java 等其他编程语言。因此，熟练使用多种编程语言也是一个算法工程师的能力。

常用工具

在互联网公司里面笔者用过的机器学习工具大概有这几个：

1. XGBoost：做分类的工具，提供离线的Python训练和在线的C++调用功能，方便机器学习从业者训练模型和线上部署；不仅在推荐场景可以用，在安全，运维等领域都有着用武之地。
2. Tensorflow：这个也不用多说了，深度学习的经典工具之一，离线训练和在线服务都是不错的。
3. ScikitLearn：单机版本的机器学习工具。方便学生在校学习知识，文档详细感人，关键是还开源。其实在工业界，如果数据量不大的话，其实用 ScikitLearn 就基本上够用了。
4. Pandas：表格类数据或者时间序列数据的经典工具。尤其是在时间序列的处理上面有特别独到的优势，应该还有其他功能，但是笔者暂时了解不多。Pandas 的接口和函数特别多，每次遇到问题的时候可以搜一下，其实比自己重头写好得多。
5. Spark：在大数据的情况下用得比较多，通常是推荐系统一类的，海量样本的前提下，单机版的模型根本搞不定，因此会用分布式的工具。
6. SQL：提数工具。如果不掌握这个的话，基本上什么都做不了。。。。。
7. FbProphet：稍微小众一些，Facebook 的开源工具之一，在时间序列预测的场景下才能用到。

工作感受

给自己压力。一般来说，转专业求职是一个艰苦的过程，但是入职之后的生活则更加辛苦。因为公司的考核是每半年甚至两个月就一次，所以，在这种情况下，任何人都需要有一个上手的速度。有的人因为在学校学过相关的内容，或者之前实习过，因此上手的时候比较快；但是有的人转专业就面临上手慢的情况。其实这些对于应届生来说都可以理解，毕竟所有的人都需要有一个适应的过程。在这种情况下，在工作的初期一定要给自己一定的压力。意思就是说：在刚工作的第一年，每三个月就要让自己有一个飞速的提升；在工作的第二年，每半年就要让自己有一个提升；后续的话，每一年都要让自己有提升才是关键。因此，无论是本专业还是转专业的同学，都建议在前两年工作的时候，多给自己一些压力，只有这样，才能够让自己有更好的进步空间。

对业务的理解。公司里面有很多东西并不是直接使用开源代码就能够发挥作用的，在公司里面无论做什么事情，最重要的一点就是对业务的理解。在对业务的理解方面，老员工相对于新人来说确实有着不少的优势。其次，在做业务的过程中，通常都会经历很多的坑，无论是别人主动挖的，还是自己踩坑踩出来的，都是自身宝贵的财富和经验。而这些经验只能够通过靠做大量的业务来获得。如果要想长期保持自身的优势，通过长期的训练和学习确实是一个有效的办法。无论是天才还是普通人，要想提升自身的技术，不花一定的时间去学习是不可行的。因此，无论在任何时候都不能够放弃让自己学习和充电的机会。

勇于接受新的挑战。公司里面除了已有的项目之外，通常来说都会开启各种各样的新项目，在这种情况下，如果有机会做新的项目，也就是别人没有做过的项目。这种机会已经要把握住，因为对于新人来说，能够接触全新的项目肯定是好过维护已有的项目的。但是几乎所有的人都是从维护旧的项目开始的，只有旧的项目做好了，才有机会拿到新的项目。

不要永远抱着已有的方向不放手。在公司里面，业务方向总会或多或少的发生变化，随着部门的调整，方向的变化，所做的内容总会发生一些变化。在工作的时候，最好不要抱着我就是来做这个方向的，除了这个方向之外其他的内容我一概不想做。因为当时的工作岗位未必能够提供你想做的方向，但是说不定能够提供其他的研究方向。有的时候，在公司里面，根据方向的变化来调整自己的工作内容也是一个必要的技能。而且，在公司的时候，一定要多做一些有挑战的项目，只有通过这些项目，才能够让自己的技术壁垒更加深厚。当然，在求职的时候，每个人都有着自己的想法和选择，所以，在求职的时候，是可以选择一个自己喜欢的方向来做的。

经验总结

通常来说，在干了两三年算法工程师之后：（以下是从其他地方看到的小段子，出处忘记了~~~）

1. 能够熟练写各种脚本；
2. 80%的时间在写脚本；
3. 能够说出几种机器学习算法的名字；
4. 轻松完成各种脏活累活（叫小弟做）；
5. 对无法解释的结果已经习以为常，能够强行解释一波，让领导信服；
6. 调参前，都会去寺庙烧柱香；
7. 桌上堆着很多崭新的技术书籍，没怎么翻过，大概都会有一本叫做《统计学习方法》的书。

 

从2015年11月左右开始写订阅号的文章，至今也有大半年的时光了。其中得到了很多朋友的帮助和建议，也有朋友在后台留言，在此感谢大家。不过在看到一些问题的时候，有一些想法，在此写出来和大家一起分享。

PS：自己踏入社会也没多长的时间，可能其中也会有一些偏见，希望大家多多指教。

1. 范例思维

在写《博士生涯》系列文章的时候，有的朋友会在后台留言咨询这类问题：“在NUS读完PHD之后能否去美国或者欧洲做博士后？能否回国去985，211高校？”

关于这一类的问题，可能和大家在中学，大学所受到的教育有关系。在中学的时候，大家只有一个目标，那就是高考，所有事情和所有人都必须围绕着这件事情转，沿着这条路走下去。但是到了大学之后，就会明显的发现身边的同学不再只围绕着学习这一件事情，比方说有很多同学会去参加社团活动，有不少同学会去做社会实践，当然也有一批同学依旧以学习为主业，持续着中学的生活。其实，这几种生活方式都是可以接受的，毕竟在18岁之后，很多事情就需要自己亲自做决定。这个时候就会带来一个问题，如果学生明确知道自己想做什么事情，那就不会产生迷茫，肯定就一股脑的做下去了。但是，很多学生是不清楚自己该做什么，不该做什么的。那么在大学里面就会有老师，辅导员甚至学长学姐来给大家提供经验，告诉大家应该做什么，只有做什么能够带来最大的收益。

到了国外攻读博士学位的阶段，这种环境就会产生巨大的变化。不再有老师的就业辅导，不再有辅导员这个职位，甚至没有学长学姐的经验总结。用常见的话说就是：一切皆有可能。比如，在NUS读PHD的过程中，自己亲眼见过自己的朋友遇到过各种各样的悲剧。有的是导师辞职离开学校，把学生留在学校不闻不问的；有的是即使导师在学校，也对学生的科研不关心的；有的是拖着学生长期不给毕业的。身边的朋友也做过各种各样的选择，包括读博期间换导师的，转专业的，甚至退学的。至于毕业的去向，不仅有去欧美做博士后的，有去大学做助理教授的，也有去投行的，甚至有去互联网公司的。每个人都有着自己的生活，除了特别亲密的朋友，你不再会去关心别人做什么样的工作，过什么样的生活了。每个人根据自己的情况，走着完全不同的路，根本就没有模板一样的人可以模仿。每个人都需要为自己的选择负责，为自己的未来做着准备。

2. 线性思维

还有一些经常碰到的问题就是：“在NUS读完PHD，能够去投行工作吗？”，“在读博士期间需要去考CFA吗？”，“博士毕业工资能够拿多少？”，“这个硕士生或者博士生的项目竞争力如何，值得去读么？”

这些就是典型的线性思维，就是做了事件A，必然会导致事件B的发生。在现实生活中，人的发展不仅要考虑自身的情况，还需要考虑历史的进程。也就是说，很多时候并不是因果关系而是某种相关性导致了事件的发生。首先，读PHD，没有人能够保证博士生一定能毕业。其次，学生也不知道自己要读几年才能够毕业，只能够根据师兄师姐的毕业年限计算一个期望值。再次，导师给学生的推荐信质量也是不同的，师兄能够去985，说不定由于导师不喜欢某学生导致该学生只能够去二本教书，即使这个学生的论文发的水平远远高于师兄。并且跟一些厉害老板的学生的出路也不见得比一些普通老板的学生出路好。最后，能不能够去投行，能拿到多少工资基本上都是因人而异。曾经见过纯数学的同学去投行做quant，去互联网公司写代码，做着和博士论文基本上没有关系的工作。真正厉害的人，不在于多读了一个学位或者考了一个CFA，而在于那些让他们厉害的背后因素，一些其他人根本不具备的素质，比如性格，意志力等。

3. 学生思维

之前某天写过一篇转行的文章，有人在后台留言：“这些技术能不能进了企业再开始学？”，“转行到底要花多少时间？”，“在公司有没有人带着干活？”

在学校的时候，无论是本科，硕士，还是博士阶段，学生都可以告诉老师，虽然我不会，但是我愿意学。但是按照普通企业的招聘标准，一般都是观察这个人能否胜任该岗位的需求（或者说有潜力胜任这个岗位），而不是看这个人愿不愿意学。在企业工作，是需要时刻有产出的，无论是成功的项目还是失败的项目，都需要给出一个交代。企业是一个商业机构，需要员工有产出，然后从中获取利润的，而不是像学校一样的培训机构。

至于转行的时间肯定是因人而异的，不同的人有着不同的思维方式，不同的知识结构，所能够做的事情也会有所不同。不过如果想好了要转行的话，早准备肯定胜过不准备。还有的人会问如何快速的学习HIVE，C++之类的，这一类问题实在是不知道怎么回答。不过如果有一个人问我，如何在十天内快速学会实变函数，我一定会告诉他这是一件不可能的事情。

刚进公司的时候，一般来说会企业都会指定一位导师，给新人划定工作的范围，甚至有明确的deadline，看上去其实和学生时代没有什么两样。但是如果只是抱着完成任务的心态来工作，那这个项目基本上就完蛋了。上级一般来说会希望员工主动去思考一些问题，主动做一些事情，甚至有一个较为长远的规划。做这些事情都是希望员工能够成长起来，能够在工作中独当一面，能够和别的团队甚至和其它公司竞争。在学校中，一般来说老师都会主动教学生很多知识，希望学生学会这些技能。但是在工作中，有人主动传授知识和技能，绝对一种可遇而不可求的事情，很多技能都需要自己主动地去学习。别人出于援手帮助是由于他们的好心，如果没有出手也不必苛责。每个人在公司里面都有着做不完的业务，忙不完的事情，实在是没有多余的时间去指导其他人。既然在别人都可以自学成才，为何不自己动手主动学习，丰衣足食？在大多数情况下，一定要放弃“老师教才会学”的学习方法，企业雇佣一个人是用来产生价值的，而不是不是消耗公司资源的。

4. 不独立的思维

在学校的生活中，除了读PHD期间课题的未知性，在中学，本科，硕士的作业甚至论文几乎都有标准答案，考试也有规定的范围。在学生生涯中，除了读博士阶段，一般来说老师都会告诉学生该怎么做，不该怎么做。但是到了工作中，处处都是未知，每一天都是一种“考试”，没有固定的答案可以参考，没有现成的模版可以参考。学生思维的人一般都会以一种被动的方式去接受任务并完成任务，当然这并没有错。不过以职场的角度来说，这样就会处于一种非常被动的方式，一般都会在做一些繁重而没有多少技术含量的任务。在职场混，不但要学习，还需要主动给业务方甚至自己的团队出谋划策，想各种方案应对当前的问题。

在实际工作中，不仅需要提升自己的技能点，亲自动手做调研的工作，还需要学会和业务方沟通，想办法从其它地方获取资源供自己调用，甚至知道如何管理项目。如果独立负责一个小项目的话，不仅需要自己把控项目的进度，积极反馈产品的不足之处，还要推动项目其余成员去做该做的事情，一起把项目做好做大。在项目的进展中，不仅需要把具体的任务落实到每一个人身上，还需要实时地与大家沟通，了解项目的困难点和关键时间点，更好的完成项目。