全栈其实面试很吃亏。因为全，所以深度难免不够。所以要展示全栈，就要广且深的技术栈。我个人觉得其实广且深，差不多得工作 10 年不停学习能达到。

我的个人经验就是你的能力可能要再深入一下。履历的重要性是有，但能力的重要性更高。我履历一般，非科班，创业公司，小公司等等的。但进大厂也没多难，估计时机比你好一些，去年 10 月底开始找的。但我所有面试的拿 offer 率也挺高的。所以我觉得你可以考虑一下自己其他原因。如果能力强，那你可以业余维护一套框架类的开源项目，这种履历就很强了。

节奏太慢。语速，文稿内容，都是要节奏快一点。我觉得基本可以压缩到 1 分钟之内讲完，没必要 的就不用讲了。

模型结构创新，应该不是对方问你的重点。毕竟，很多想出来的结构脱离数据和业务，根本就不 work 。

听你这个像是 DL 的调参。说起来很多 paper 上讲的那些 story，差不多就是你需要回答的。可以结合实际项目来。我做的是普通 ML 的分析，最多工作量就是数据清洗，分析相关性，提取一些处理不好的 case 。调性能主要就是做特征，分析各种 case 。超参一般就 grid search 一下，不太像 DL 玄学调参。

针对你的问题，模型优化主要就是：1. 做数据，增强，清洗异常值等等； 2. 做特征，结合业务背景； 3. 讲一些 DL 常见 trick，优化过程里的梯度问题：BN 、ReLU 、跨层连接，局部化先验：conv，压缩：1x1 conv 也叫 matrix factorization，注意力机制的 trick ；结合业务可以讲一些优化，比如图像分割网络里面的连接方式就是为了 local+global 信息兼顾之类的，这些点都是可以谈的优化点； 4. 速度上和模型精简上也有很多优化可以谈，不过这个不是调参工程师的范畴，但基本的还是要知道的吧，quantilize 等等的； 5. 超参选择上还可以扯点 meta-learning 等等各种手段。6. 训练过程中的 lr 设定，pre-stop，诊断网络训练情况的手段和工具之类的。我觉得还挺能说一大堆的。虽然我不做 DL 。

@eupho 哎，艰难啊。不能深圳的话，两个 offer 其实差不多。如果女朋友能领证，去上海；如果不能，在广州待着。如果你能找到一线大厂的工作(BATTMD)，不管什么地方都去。其他公司，可能差距不大。

你应该去深圳找呀。如果一定要异地，感情可能不稳。

可以做交易算法工程师。经济学的知识也能用上一些，要深入对算法的学习。
- 基本的刷题肯定是要的。基础数据结构+剑指 offer 应该就够了。
- 机器学习需要掌握的深入一些。李航的统计学习理论。外加做做比赛刷一下经验。
- 语言要求有的高有的低，深入一点总是有好处的。
满足上面三个，应该能找一个跟你金融工作差不多收入的，入门级别的算法工作。不过，随着技术能力和经验的提升，我觉得 30 万+的税后收入应该是很多人都能达到的。不过算法工作不够专心写代码，可能后端工作才更加专心写代码。相对来说入门薪酬也会低一些，内容就纯技术流了，上限也非常高（我认为可能比算法要高，或者差不多）。

后端要求：
- 刷题是必须的。基础数据结构+剑指 offer 应该就够了。
- 语言掌握要很深入。大量的相关技术栈的东西要掌握。工具，框架类的。
- 操作系统；网络；数据库都要有原理级别的了解和掌握。（但一般比较浅，本科的书本基本够）
- 项目经验。可能可以通过参与开源项目距来增强。
入门后的薪酬应该比你现在金融的要低。3 年经验差不多税后 25 吧，也是偏平均的薪水。之后都看个人能力了。

你得整体在一个异步框架里，才有意义。比如事件驱动的框架。

怎么说，双非一本考研，可能价值不够大。要考还是考虑 985 的研究生吧。工作 8k 其实还好，双非一本出来我觉得不会太高。13k ？意义不大。建议你边工作边考，如果边工作边考能过分数线，再辞职考 985 。如果边工作边考分数线都过不了，那你别考研了，认真夯实技术，跳槽好一些。

送你一句名著里的话：当你抱怨的时候，要记得不是所有人都拥有和你一样优越的条件的。也就是说，他这样的性格是和他的经历有关的，他的经历和你的不一样。

我还以为 tokenizer+parser 之类的方式呢。目前看起来只能变量替换以及替换的时候做一点 js 计算。模板循环和分支之类的会比较麻烦，需要模板套模板？

想提升技术，你可以业余开发一个数据库之类的呀。

同上。我记得官方的例子直接抄来改改就用就行。

这个不是能解决的问题，而是你要进行选择。你现在是不想选择而已。