MagickRitual
2021-06-06T17:22:56+00:00
先说个人建议： 不要想着曲线救国，想学计算机就报考计算机
985本科数学(分流统计学方向)，成绩基本上在年级前10%左右。数学系其实和高中差不多，没有那么多花里胡哨的课，就是上课听课，下课做题，课后订正，考前刷题，和高中的学习模式非常相似。
这些课程让我现在来说，确实都没什么用。目前转专业后觉得这些东西基本上会一些基础的东西也够了，如果要继续深入学术研究，这些知识也只是个皮毛。不过我就业方面不是朝着数据分析去的，所以这里不做展开。
就业方面，这些课程基本上是为了数据分析岗位服务的，但是很少有数学系出来直接就业的，考编方面教师比较吃香，考公方面大部分是税务和海关。
数学系的升学率非常高，大概在50%左右，大部分人的选择都是金融和统计，少部分继续研究纯数学(应用数学)，还有少部分去计算机了。
大三结束，本来认识嘻哈二校的一个教授准备过去读研，后来他们学校的计算机根本不收数学系的学生读研，成绩再好也直接拒。最后拿到了上海某985的软件学院和本校计算机院的保研资格，最终保研去了本校计算机。期间一个小插曲，实验室收24个人，最后自我介绍的时候发现只有我一个人是数学系，剩下要不是计算机，要不是网络安全，要不就是软件工程的。实验室是做CV的，负责招生的导师是一个学术大牛，连着好几年中顶会，每年十几个学生挂名20+篇文章。看到我的简历就说，实验室不喜欢数学系的学生，因为最近几届的招进来都发不出文章，要帮他们毕业，而且就业去向也不太好。最终软磨硬泡下导师说给我两个月时间，然后手写代码，证明自己的代码能力过关就录用我，最终如愿以偿。
大四刚好赶上疫情，研一才开始正式研究。研一刚开学的时候师兄刚好有一个课题，于是苦修两个月，我作为第二作者，11月投出了CVPR，最终225被拒。顺着这个思路修改再投ICCV，前两天出结果，335，已经不打算Rebuttal了。研究生做的课题基本上都是深度学习，这里面对数学的要求已经远远不及以前了。原因在我看来，是2012年AlexNet提出以前，人工智能和图像处理这一块基本上基于特征学习、小波变换这一类方法在做，再加一些机器学习的基础方法，例如SVM、CRF、MCEM之类的，这些知识非常硬核，对于数学的要求非常高。AlexNet提出之后有一段红利期，这段时间神经网络的迅速发展，这玩意用数学都说不清楚，但是它的性能确实比之前纯理论推导出来的要更好。这导致了就算不会数学，也可以构建很优秀的网络，就算会了数学，搭建不出来也是白搭。也就是说，数学不再占那么大的比重了。数学方面只要会高数和代数，还有一些数理统计的知识基本也足够了。反倒研究生最重要的不是基础知识而是看文献，有自己的想法或者有课题，然后有代码能力把实验做出来，就能发文章。计算机本科的学生读研其实在知识储备上也没有太大优势，因为这些东西本科都没学，最大的两个优势反而是编程的能力还有学院的资源，可以提前接触导师、提前进入实验室。
计算机硕士的就业，目前看来9个开发1个算法。很多数学系的学弟都不知道算法、开发、数据分析意味着什么。目前以个人的理解，大厂的算法主要是负责前沿算法的落地，就是从论文到应用这一步，实际的工作就是每个组复现论文，然后比点。目前岗位来看，算法岗的实习非常卷，没有论文天生低人一等。另外算法岗对于研究方向也有偏重，喜欢那些能落地的、更加传统的深度学习方向，例如目标检测、图像分割、强化学习。算法岗的代码要求也更高，手撕通常是LeetCode中Medium的题，笔试就是5道Hard。个人对于算法岗并不太看好，因为首先算法基本上限定大厂和独角兽，还有一些主攻算法的公司。很多小厂根本养不起算法工程师，国企银行对于这一块的需求也并不是特别大。换句话说，大家研究生学的东西都是算法范畴的，但是真的并不需要那么多人做算法。这也就导致算法出奇的卷：大家研究生为了毕业都在学算法，但是并不需要那么多算法，那么当然是有顶级会议论文的人优先。
开发的岗位就更多，但是非常看中项目经验，包括课程项目的经历。开发就分前端后端客户端，以后端服务器为例，就是一些网络编程，工作主要是负责实现一些功能，也就是写业务。开发的就业面相比于算法会广很多。但是问题是，研究生学的东西对于开发几乎没有任何帮助。开发的东西都是本科学的，本科计算机通常都有项目经历，但研究生没有。很多开发的面试官根本不知道深度学习，根本不关心你研究的项目。有很多大厂(例如腾讯)计算机本科和硕士研究生的起薪是同一水平。
以个人春招面试实习的经历，想拿好的算法Offer，真的需要实力非常硬；想拿好的开发Offer，只要背好八股文，有一定的项目经历，研究生就算什么都不做也能进大厂。算法的面试非常硬核，一般先问研究经历和论文，然后是算法八股文(机器学习基础，Boosting和Bagging，SVM，EM，手推BN层，计算Kernal Size，各种Loss和正则化)，最后是一道Medium的题目。面的腾讯TEG，竞争很大，在自我感觉良好的时候被淘汰了。最终一个多月的时间恶补计算机本科的课程，转开发了。转的过程也非常不愉快，期间一边学一边面，每次都会有没复习到的地方，以考代练。而且每次面试官都会说我为什么没有项目经验，有时候会用更难的题目来劝退我(例如手撕Hard)，好几场面试中途直接主动挂电话。最终面了十几场，拿了一个开发的实习Offer。
另外实验室不一定会放实习，更不一定会放开发的实习，一定要选择好导师和实验室。没有实习，去秋招就不好进大厂，更别说SPSSP。
最后聊聊个人理解，不管是什么系转计算机，都要面临的问题是：研究生的东西属于算法岗范畴，算法太卷了，除非读到博士，或者特别有能力，否则大概率转开发。转开发需要计算机本科的知识和项目经历，这恰恰又是跨专业最缺乏的。所以，想学什么就选什么，要听过来人的话，别听人天花乱坠的吹。
附上一些课程让大家看看差距，算法岗需要的用红色标出，开发岗需要的用蓝色标出，非常直观，大家自行考虑。
以下是我在数学系的时候学过的必修课程：
数学分析，高等代数，常微分方程，偏微分方程，实变函数，复变函数，泛函分析，拓扑学，概率论，数理统计，回归分析，非参数统计，复杂数据分析，数值分析，随机过程，统计计算。
985硕士计算机在读，目前研究方向是深度学习里面的计算机视觉(CV)，具体方向是生成对抗神经网络(GAN)，这是我学过的研究生课程：
机器学习与模式识别，人工智能基础，数字图像处理，数值分析，多媒体中的人工智能软件中的人工智能，。
附带参考，以下是我校本科计算机中的重要课程：
高级语言程序设计，数据结构与算法，汇编语言，计算机网络，操作系统，计算机组成，计算机图形学，数据库，设计模式。
太长不看版：
1.不要想着曲线救国，想学计算机就报考计算机。
2.如果你要转计算机的研，先了解什么是算法岗，什么是开发岗。
3.如果你确定要转计算机走开发路线，先去把计算机本科的课程全部自学一遍。然后Github上找自己语言做的项目，一定要动手去做。选导师的时候找那种最水的，最好不要求论文的，放实习，手头有很多工程项目的。
4.如果你确定要转计算机走算法路线，先去把CS231N、吴恩达的机器学习、李宏毅的深度学习、李航的统计方法给看了，然后早点去实验室做研究，早点投出顶会论文，最好再考虑一下要不要读博。选导师一定要找最近几年发论文多的，既然你要卷就要做卷王。
985本科数学(分流统计学方向)，成绩基本上在年级前10%左右。数学系其实和高中差不多，没有那么多花里胡哨的课，就是上课听课，下课做题，课后订正，考前刷题，和高中的学习模式非常相似。
这些课程让我现在来说，确实都没什么用。目前转专业后觉得这些东西基本上会一些基础的东西也够了，如果要继续深入学术研究，这些知识也只是个皮毛。不过我就业方面不是朝着数据分析去的，所以这里不做展开。
就业方面，这些课程基本上是为了数据分析岗位服务的，但是很少有数学系出来直接就业的，考编方面教师比较吃香，考公方面大部分是税务和海关。
数学系的升学率非常高，大概在50%左右，大部分人的选择都是金融和统计，少部分继续研究纯数学(应用数学)，还有少部分去计算机了。
大三结束，本来认识嘻哈二校的一个教授准备过去读研，后来他们学校的计算机根本不收数学系的学生读研，成绩再好也直接拒。最后拿到了上海某985的软件学院和本校计算机院的保研资格，最终保研去了本校计算机。期间一个小插曲，实验室收24个人，最后自我介绍的时候发现只有我一个人是数学系，剩下要不是计算机，要不是网络安全，要不就是软件工程的。实验室是做CV的，负责招生的导师是一个学术大牛，连着好几年中顶会，每年十几个学生挂名20+篇文章。看到我的简历就说，实验室不喜欢数学系的学生，因为最近几届的招进来都发不出文章，要帮他们毕业，而且就业去向也不太好。最终软磨硬泡下导师说给我两个月时间，然后手写代码，证明自己的代码能力过关就录用我，最终如愿以偿。
大四刚好赶上疫情，研一才开始正式研究。研一刚开学的时候师兄刚好有一个课题，于是苦修两个月，我作为第二作者，11月投出了CVPR，最终225被拒。顺着这个思路修改再投ICCV，前两天出结果，335，已经不打算Rebuttal了。研究生做的课题基本上都是深度学习，这里面对数学的要求已经远远不及以前了。原因在我看来，是2012年AlexNet提出以前，人工智能和图像处理这一块基本上基于特征学习、小波变换这一类方法在做，再加一些机器学习的基础方法，例如SVM、CRF、MCEM之类的，这些知识非常硬核，对于数学的要求非常高。AlexNet提出之后有一段红利期，这段时间神经网络的迅速发展，这玩意用数学都说不清楚，但是它的性能确实比之前纯理论推导出来的要更好。这导致了就算不会数学，也可以构建很优秀的网络，就算会了数学，搭建不出来也是白搭。也就是说，数学不再占那么大的比重了。数学方面只要会高数和代数，还有一些数理统计的知识基本也足够了。反倒研究生最重要的不是基础知识而是看文献，有自己的想法或者有课题，然后有代码能力把实验做出来，就能发文章。计算机本科的学生读研其实在知识储备上也没有太大优势，因为这些东西本科都没学，最大的两个优势反而是编程的能力还有学院的资源，可以提前接触导师、提前进入实验室。
计算机硕士的就业，目前看来9个开发1个算法。很多数学系的学弟都不知道算法、开发、数据分析意味着什么。目前以个人的理解，大厂的算法主要是负责前沿算法的落地，就是从论文到应用这一步，实际的工作就是每个组复现论文，然后比点。目前岗位来看，算法岗的实习非常卷，没有论文天生低人一等。另外算法岗对于研究方向也有偏重，喜欢那些能落地的、更加传统的深度学习方向，例如目标检测、图像分割、强化学习。算法岗的代码要求也更高，手撕通常是LeetCode中Medium的题，笔试就是5道Hard。个人对于算法岗并不太看好，因为首先算法基本上限定大厂和独角兽，还有一些主攻算法的公司。很多小厂根本养不起算法工程师，国企银行对于这一块的需求也并不是特别大。换句话说，大家研究生学的东西都是算法范畴的，但是真的并不需要那么多人做算法。这也就导致算法出奇的卷：大家研究生为了毕业都在学算法，但是并不需要那么多算法，那么当然是有顶级会议论文的人优先。
开发的岗位就更多，但是非常看中项目经验，包括课程项目的经历。开发就分前端后端客户端，以后端服务器为例，就是一些网络编程，工作主要是负责实现一些功能，也就是写业务。开发的就业面相比于算法会广很多。但是问题是，研究生学的东西对于开发几乎没有任何帮助。开发的东西都是本科学的，本科计算机通常都有项目经历，但研究生没有。很多开发的面试官根本不知道深度学习，根本不关心你研究的项目。有很多大厂(例如腾讯)计算机本科和硕士研究生的起薪是同一水平。
以个人春招面试实习的经历，想拿好的算法Offer，真的需要实力非常硬；想拿好的开发Offer，只要背好八股文，有一定的项目经历，研究生就算什么都不做也能进大厂。算法的面试非常硬核，一般先问研究经历和论文，然后是算法八股文(机器学习基础，Boosting和Bagging，SVM，EM，手推BN层，计算Kernal Size，各种Loss和正则化)，最后是一道Medium的题目。面的腾讯TEG，竞争很大，在自我感觉良好的时候被淘汰了。最终一个多月的时间恶补计算机本科的课程，转开发了。转的过程也非常不愉快，期间一边学一边面，每次都会有没复习到的地方，以考代练。而且每次面试官都会说我为什么没有项目经验，有时候会用更难的题目来劝退我(例如手撕Hard)，好几场面试中途直接主动挂电话。最终面了十几场，拿了一个开发的实习Offer。
另外实验室不一定会放实习，更不一定会放开发的实习，一定要选择好导师和实验室。没有实习，去秋招就不好进大厂，更别说SPSSP。
最后聊聊个人理解，不管是什么系转计算机，都要面临的问题是：研究生的东西属于算法岗范畴，算法太卷了，除非读到博士，或者特别有能力，否则大概率转开发。转开发需要计算机本科的知识和项目经历，这恰恰又是跨专业最缺乏的。所以，想学什么就选什么，要听过来人的话，别听人天花乱坠的吹。
附上一些课程让大家看看差距，算法岗需要的用红色标出，开发岗需要的用蓝色标出，非常直观，大家自行考虑。
以下是我在数学系的时候学过的必修课程：
数学分析，高等代数，常微分方程，偏微分方程，实变函数，复变函数，泛函分析，拓扑学，概率论，数理统计，回归分析，非参数统计，复杂数据分析，数值分析，随机过程，统计计算。
985硕士计算机在读，目前研究方向是深度学习里面的计算机视觉(CV)，具体方向是生成对抗神经网络(GAN)，这是我学过的研究生课程：
机器学习与模式识别，人工智能基础，数字图像处理，数值分析，多媒体中的人工智能软件中的人工智能，。
附带参考，以下是我校本科计算机中的重要课程：
高级语言程序设计，数据结构与算法，汇编语言，计算机网络，操作系统，计算机组成，计算机图形学，数据库，设计模式。
太长不看版：
1.不要想着曲线救国，想学计算机就报考计算机。
2.如果你要转计算机的研，先了解什么是算法岗，什么是开发岗。
3.如果你确定要转计算机走开发路线，先去把计算机本科的课程全部自学一遍。然后Github上找自己语言做的项目，一定要动手去做。选导师的时候找那种最水的，最好不要求论文的，放实习，手头有很多工程项目的。
4.如果你确定要转计算机走算法路线，先去把CS231N、吴恩达的机器学习、李宏毅的深度学习、李航的统计方法给看了，然后早点去实验室做研究，早点投出顶会论文，最好再考虑一下要不要读博。选导师一定要找最近几年发论文多的，既然你要卷就要做卷王。