好奇统计，去年跟风转算法的同志们现在都怎么样了

      我比较习惯看书，所以自学的方式是完整看了吴恩达的机器学习和深度学习课程，然后中文书籍是机器学习西瓜书、统计学习方法，tensorflow实战。英文版的deep learning、PRML和neural networks  for NLP，部分书有二刷，ESL这本书始终没看完。除此之外，还看了很多的论文，最多的时候一天看4篇，都会用小本本把关键点记录下来。微软之前还在创业公司做过一段CV的实习，去了微软则是语音和NLP（不忙的时候会去kaggle学习数据挖掘的方法），毕业论文方向是强化学习和通信的结合，所以机器学习各个方向都有一些了解。实践方面主要是实习之后的经验，之前基本都是纯理论。

       面试的时候我觉得主要都是问项目，基本项目问半个小时（不要只讲结果，可以从项目开头讲起，然后把项目中遇到的问题都说出来，如何解决的，效果则么样），剩下的时间就都不多了，然后对于理论的回答不要照背书上简单的知识点，要给出自己的一些想法或者拓展一下多背点算法之间的联系（比如问线性判别分析，不只是说类内间隔最小，类外间隔最大，还知道是最大瑞利商，是生成模型类条件概率假设为协方差相同的高斯分布推导出来的等等），能和面试官说给我一支笔，写一下，边写边讲，面试官就会比较满意了。因为我是通信的，所以不少面试官会加问一下计算机基础的知识，比如C++和Linux。编程的话我觉得实在是觉得自己做不来题目的人可以把剑指offer背下来，大部分的现场手撕代码都可以cover。