推荐引擎 广告引擎 深度学习的基础组件及分布式框架还是 c++的天下
楼主可以在这个方向多尝试下
我是敢鸭子上架 写了快一年的 c++推荐引擎，c++服务器开发还没怎么入门，主要写策略
部门周围的腾讯 百度出来的 c++开发，路子也挺宽，天花板也不低

@gglin001 数据分析，核心还是业务，核心技能就是 sql

数据分析门槛不高
但是大厂的数据分析门槛也就比算法低点

base?

实验室没机器？

@aheadlead 广告这东西，得相当抗压，毕竟每次请求都是钱

如果是入门，可以看 《动手深度学习》
如果要真正做算法工程师，还是建议 花书 西瓜书，即使看过了 《动手深度学习》或者某些 python 机器学习书籍，或者某些机器学习相关视频，最终要真正理解 并做算法工程师的工作，还是要懂把这些难啃的理论啃下

当然机器学习落地是极其庞大的工程，算法只是其中一部分，而且算法工程师做数据和特征的远多于做模型的，楼主如果真的有做这方面的打算，建议可以从 数据分析 数据挖掘做起，这些学习的门槛低些

最好的入门方式，是有机会做相关的业务，我 17 年也看过 理论基础，学过 tf，然而几乎就是啥都没懂，学了就忘了，这两年做推荐引擎 机器学习平台，才算真正学懂了些，不过整体还是偏工程

深圳房租的确是降了

大数数据存储 计算引擎 调度，这些东西有很多底层的东西，上容器坑很多，没有完善的开源解决方案
大数据存储直接上容器，没了解业内大厂有这样做过的
但是计算引擎比如 spark flink tensorflow openmpi 转向 k8s 已经是很多大厂再做的了，不过都是挺大的团队一路踩坑过来的
容器还是有很多坑的，之前推荐引擎服务上 k8s+docker，前后搞了好几个月，目前仍有一些 NN 模型在容器中跑有问题

@zxCoder 我是推荐引擎开发，主要做工程，数据做过一些，算法只是做过系统工程的东西
对于研究生不了解
但从我们大组整体一百多号人来看，算法作为超高收入的打工群体，来自各个专业的都有，主要是在一定学历基础上看能力，学历的话，985 和几所邮电强校起步，外国名校也有相当比例，在学历基础上就是看能力了
还有推荐系统这个方向，做的工作具有不确定性，kpi 压力会很大，无论 是 内容推荐 还是 广告系统 或者 搜索相关，都不停在实验，如果抗压能力不行的话，选择在工业界做这行需要慎重

有学历就不看重专业方向，学历 985 以及 几大邮电强校
在这个学历基础上，主要还是基础 数据挖掘基础 机器学习和深度学习基础 代码能力基础之类
我们大组 除了计算机 软件这两个专业，数学 统计 机械 生物的这些理工科专业的也都有

先熟悉性能测试工具和性能调优工具
熟悉了之后，自己做 benchmark
然后针对瓶颈，想优化手段

解决问题的思路要清晰
正常的面试官上来也不会让你把直接让你详述你的高并发经验，更多是想要了解解决问题的过程，他对高并发的经验也未必很多

所做的业务瓶颈在哪？引入了什么新技术或者进行什么架构升级来解决了这个瓶颈？根据没有免费午餐定理，引进新技术或者进行架构变更，你进行什么 trade off ？

真正系统出现性能瓶颈，通常都是需要加班加点在高压下解决，这种时候，思路清晰很重要

需要项目，公司 git 上能看到的所有项目多可以看下，特别是自己组内和相关组的，从代码反推架构设计，然后学习对应的接口设计，业务抽象的，也可以了解别人是怎样使用中间件、db 、框架的
对于性能，对于高并发相关代码，学习别人在 io 密集上 计算密集型任务 中多线程 锁之类的选型，如果由自己想法，可以改代码，做压测，做 benchmark，然后用对应语言的工具或者 perf 加作图，定位瓶颈
不要只看到技术，一定要看到业务，有了业务然后选择对应的技术才是正确的逻辑

@tdzs2006 空气质量好了太多，吃的越来越清淡

慢性咽炎二十几年，从川渝来深圳四五年，慢性咽炎就没了

蓝厂这价格肯定比微博高一大截
但是你能不能熬过来就问题很大了

夏天到了，头戴式有点热

@ChefIsAwesome 本质上已经没有纯粹的搜索了，都是搜索推荐和搜索广告