大家都应该有quantitative skill (转载)

【 以下文字转载自 Biology 讨论区 】
发信人: flareon (), 信区: Biology
标 题: 大家都应该有quantitative skill
发信站: BBS 未名空间站 (Sun Mar 19 00:26:44 2017, 美东)

看了几个帖子，深有感触。

时代真是变了，变了，变了。重要的话说三遍。

今天是互联网，大数据，网络课程的时代。信息透明，年轻的孩子们都知道搞科研，读生物是条死路。加上中国崛起，中国家庭富有，今天乌央乌央多少中国人来这里读本科，硕士；读的都是金融，计算机之类的。美国人读生物，那是为了上医学院当医生。（放到十几年前，对于穷人孩子来说，出来读生物博士还是光荣呢）

今天的生物行业，甚至说整个科研行业，尤其在美国，就是一坨狗屎，充满了肮脏变态无耻。什么哈佛医学院这种地儿，除了杀人放火几乎无恶不作。大牛们都在搞politics，拉帮结派，相互恶斗；学校为了自身利益招很多phd却不管学生出路死活；而一般千
老和phd也就是为了混口饭吃混吃等死。大家打着治病救人的旗号，其实都是在编故事
，造假，模糊数据，制造一堆没太多用的CNS paper。除非你极端super聪明，或者极端super幸运，不然科学这个行业就是crap。我估计多少中国生物博后被压榨到极致想和
老板同归于尽的冲动。

你也可以说国内还有很多中国同胞饭都吃不起呢？这里美国也很多人homeless呢。But
，我们是什么人？我们都是当年高考千挑万选，然后又过关斩将的佼佼者，智商情商综合条件很优秀的human being，凭什么到现在混成这个样子？稍微了解美国就业市场，
或者在这里呆了若干年就知道，我们中国人如果想在这里过上人上人的小康日子；我们英文不如人家，文化也不甚了解，我们也不善于social或者搞什么政治法律，但我们聪明，忍耐，吃苦，数学好。

所以，我认为中国人在美国，根本生存之道（对于大部分人），就是拥有transferable的quantitative skill；说白了就是会计算机coding和数学统计。

互联网的急速发展，催生了无数新的岗位，也彻底改变了学习模式。你去看今天的小留，看一亩三分地，大家都明白这点，都争着抢着做计算机coding+数学统计；然后一定
有工作。你去搜索一下indeed/glassdoor之类的，CS SDE工作，在比如波士顿，过去一个月时间内新增的工作机会是1000+的数量级；data science也有500+，就算生物信息
也有300+；而你可怜的生物基本上就是0，跟考古历史没区别。

所以会不会coding+math，基本就是live or die。

多少生物phd和千老，都是温水煮青蛙，或者为了绿卡熬啊熬，或者对coding/math有恐惧心理。真真可笑。当然，因为这个狗屁行业从本科阶段就彻底断了数学的训练，导致大家有恐惧心理也正常。
但对于一个中国phd的智商，连那种未知的生物都可以搞定，计算机数学没理由不会。
随便google，youtube一下，就是无数的python，java，statistics，data structure
，machine learning教程；
你打开个python terminal，输入一行 print("Fuck biology bitch")，再输入一行
print("Biology Prof. XXX eat shit"),您就算coding入门了，这就是编程。是不是很简单？
你回家去扎堆诅咒小人，每个小人上写上你最恨的最mean的教授的名字，然后再买几朵鲜花每朵鲜花lable上你最亲最爱的人的名字，然后小人堆成一堆放左边，鲜花堆成一
堆放右边，那个棍子把这两堆items分开，这就叫 classification/SVM，support
vector machine，简单形象吧？恭喜你，听起来高大上的machine learning你也入门了！
一方面学微积分，线性代数，统计数学，机器学习，用心理解这些math，学会后就去
kaggle刷题
另一方面学python，java，linux，data structure，algorithm，学个大概就可以去
leetcode刷题
生活就这么简单，就可以让你至少10万年薪，过上有尊严的日子。过上一堆猎头追着你公司要挖你给你升职加薪水的日子。
觉得太难？不会？
那至少学个生物信息，bioinformatics，也比一般biology强10万倍。稍微懂点
quantitative，就可以画龙点睛，凤凰涅槃。
更何况生物信息要求一点都不低。

韩信胯下之辱，勾践卧薪尝胆，木兰替父从军，近代以来无数先辈抛头颅洒热血，中国军民牺牲3000万人才换来今天的中国，我们的父母养育了自己20年才让我们有今天的成绩，难道就是要我们来这里给这些无耻PI擦屁股的？混吃等死的？
拿出点韩信，勾践的精神，先忍，忍着努力学习coding+statistics；有了CS offer，
老子立刻辞职不干，去你妈的继续在老子面前装X忽悠当骗子

以上肺腑之言

他对编程和机器学习入门的解释神了

大部分人用机器学习估计也就那么回事

【 在 fantasist (frenzy) 的大作中提到: 】
: 他对编程和机器学习入门的解释神了

笑死了 @#$E%$ 好贴! :D

【 在 fantasist (frenzy) 的大作中提到: 】
: 他对编程和机器学习入门的解释神了

最近trump要砍nih funding，首页上好几篇生物博后的贴。有一个说生物千老属于丐帮，写的非常诙谐，黑色幽默。还有一个中西部博士后20年千老写他的感触，也是感人至深。

我觉得本版码工在其位的应该尽量帮助生物博后转行。我个人觉得马工初级职位任何理工科博士都早已over qualify. 艰难时事啊。

【 在 fantasist (frenzy) 的大作中提到: 】
: 发信人: flareon (), 信区: Biology
: 标 题: 大家都应该有quantitative skill
: 发信站: BBS 未名空间站 (Sun Mar 19 00:26:44 2017, 美东)
: 看了几个帖子，深有感触。
: 时代真是变了，变了，变了。重要的话说三遍。
: 今天是互联网，大数据，网络课程的时代。信息透明，年轻的孩子们都知道搞科研，读
: 生物是条死路。加上中国崛起，中国家庭富有，今天乌央乌央多少中国人来这里读本科
: ，硕士；读的都是金融，计算机之类的。美国人读生物，那是为了上医学院当医生。（
: 放到十几年前，对于穷人孩子来说，出来读生物博士还是光荣呢）
: 今天的生物行业，甚至说整个科研行业，尤其在美国，就是一坨狗屎，充满了肮脏变态
: ...................

刚刚去生物版转了圈，看到好多熟悉的ID。对于还没过码程序这一关，又想将来吃几年手艺饭的同学来说，刷题是正道。本版目前星宿派的朋友当道，讨论的都不是主流技术，
看看就算了，不能当真的。我在本版算是搞deep learning比较早的，也算是碰巧见过
一些圈子内的人物的。我可以负责地告诉你们，deep learning赚钱靠的是*关*系*。
我可以再负责地告诉你们，目前靠关系在吃香的喝辣的那批人，当年都是咬过子弹的，要在刷题上秒你们都是分分钟的事情。如果没有过刷题这一关的直接上kaggle，其实就是练九阴白骨爪，碰到功底好的立刻就会露馅。你们可以去quant版看woshialex的帖子作为佐证。

【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: 最近trump要砍nih funding，首页上好几篇生物博后的贴。有一个说生物千老属于丐帮
: ，写的非常诙谐，黑色幽默。还有一个中西部博士后20年千老写他的感触，也是感人至
: 深。
: 我觉得本版码工在其位的应该尽量帮助生物博后转行。我个人觉得马工初级职位任何理
: 工科博士都早已over qualify. 艰难时事啊。

其他理工科phd的知识肯定够了。但是习惯以及working flow不一定能和做软件的人兼
容。

【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: 最近trump要砍nih funding，首页上好几篇生物博后的贴。有一个说生物千老属于丐帮
: ，写的非常诙谐，黑色幽默。还有一个中西部博士后20年千老写他的感触，也是感人至
: 深。
: 我觉得本版码工在其位的应该尽量帮助生物博后转行。我个人觉得马工初级职位任何理
: 工科博士都早已over qualify. 艰难时事啊。

其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
deep learning其实是要革data scientist的命，把算法这一块自动化了。
但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: 最近trump要砍nih funding，首页上好几篇生物博后的贴。有一个说生物千老属于丐帮
: ，写的非常诙谐，黑色幽默。还有一个中西部博士后20年千老写他的感触，也是感人至
: 深。
: 我觉得本版码工在其位的应该尽量帮助生物博后转行。我个人觉得马工初级职位任何理
: 工科博士都早已over qualify. 艰难时事啊。

是的，随时做好准备学习杀老鼠

【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。

把leetcode的java刷一遍。
代码量就有at least 30K 行了。

CS的本科生未必写得了这么多代码。
做一个初级马公绰绰有余了。
不知道转行的人哪来的时间学数学，线性代数什么的。

要是不喜欢刷题，当马公也会很痛苦。code review，看不懂别人的代码。
也许，不转行还好些。

写得真好！

杀老鼠这行再火杀老鼠的还是DS的命
【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
: 一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
: 投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
: 是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

看完wdong帖子的感想:
那基本还是码工更有前途. 会搞分布式系统, 会分布式计算，
也会搞 data pipeline, ETL, 会点粗浅的modeling/analysis的码工,
比专门搞 modeling/analysis 的 Data scientist 有前途?

现在这种一般叫 Software Engineer - Data platform,
Software Engineer - Data Infrastructure, 或者 Data Engineer,
当然，这里面只会写点 SQL 那种弱鸡肯定不行,
需要从 DevOps 到 Dev 都会干, 能把整个数据系统搭建起来，并维护好,
再顺便懂点点数学，能套流行的公式和模型，做点点 modeling/analysis 工作.

【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
: 一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
: 投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
: 是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

转行不要想着做scientist了。data engineer是王道。

【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
: 一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
: 投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
: 是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

3万行？ 我本科做过Turbo pascal课程表的排课设计，就有一万多行了。
不可能现在CS本科生没有3万行吧。

【 在 walkrandom (walkrandom) 的大作中提到: 】
: 把leetcode的java刷一遍。
: 代码量就有at least 30K 行了。
: CS的本科生未必写得了这么多代码。
: 做一个初级马公绰绰有余了。
: 不知道转行的人哪来的时间学数学，线性代数什么的。
: 要是不喜欢刷题，当马公也会很痛苦。code review，看不懂别人的代码。
: 也许，不转行还好些。

杀老鼠这行学术界现在就很火，搞物理的，化学的，计算的，都来讨经费。

至于业界火，短时间不太可能，火了，经济上回报好的也是计算的，因为能杀老鼠的太多了。

【 在 roose (rv) 的大作中提到: 】
: 杀老鼠这行再火杀老鼠的还是DS的命

走数据掌控的就是java系。走算法就是c／c++／c＃。

【 在 dumbCoder (HumbleCoder 不懂就问-_-) 的大作中提到: 】
: 看完wdong帖子的感想:
: 那基本还是码工更有前途. 会搞分布式系统, 会分布式计算，
: 也会搞 data pipeline, ETL, 会点粗浅的modeling/analysis的码工,
: 比专门搞 modeling/analysis 的 Data scientist 有前途?
: 现在这种一般叫 Software Engineer - Data platform,
: Software Engineer - Data Infrastructure, 或者 Data Engineer,
: 当然，这里面只会写点 SQL 那种弱鸡肯定不行,
: 需要从 DevOps 到 Dev 都会干, 能把整个数据系统搭建起来，并维护好,
: 再顺便懂点点数学，能套流行的公式和模型，做点点 modeling/analysis 工作.

你说的这些，现在正在automated，以后都是机器人自动部署了

【 在 dumbCoder (HumbleCoder 不懂就问-_-) 的大作中提到: 】
: 看完wdong帖子的感想:
: 那基本还是码工更有前途. 会搞分布式系统, 会分布式计算，
: 也会搞 data pipeline, ETL, 会点粗浅的modeling/analysis的码工,
: 比专门搞 modeling/analysis 的 Data scientist 有前途?
: 现在这种一般叫 Software Engineer - Data platform,
: Software Engineer - Data Infrastructure, 或者 Data Engineer,
: 当然，这里面只会写点 SQL 那种弱鸡肯定不行,
: 需要从 DevOps 到 Dev 都会干, 能把整个数据系统搭建起来，并维护好,
: 再顺便懂点点数学，能套流行的公式和模型，做点点 modeling/analysis 工作.

wdong的意思是deap learning虽然和生物博后的工作看着接近，但是工作机会并不多。还是传统coding的工作机会更多。

想转行的肯定要学一点coding，但是我觉得不需要要求太高，能跟下来tutorial就行。我说的是*应该* -- 想转行的博后对coding有一点熟悉，投简历投到码工手里，码工应该接收，因为我觉得是合格的。

不过还要办好h1b的确实难办。

【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
: 一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
: 投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
: 是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

data engineer工作又多又稳定。scientist不管什么牛公司，其实都不需要几个。往往也不起什么大作用。
想做scientist的。真的可以去查查当年贝尔实验室解散时候EE版的讨论。
【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: wdong的意思是deap learning虽然和生物博后的工作看着接近，但是工作机会并不多。
: 还是传统coding的工作机会更多。
: 想转行的肯定要学一点coding，但是我觉得不需要要求太高，能跟下来tutorial就行。
: 我说的是*应该* -- 想转行的博后对coding有一点熟悉，投简历投到码工手里，码工应
: 该接收，因为我觉得是合格的。
: 不过还要办好h1b的确实难办。

那现在是哪些工种在开发这些 automated?

【 在 Nehalem (Nehalem) 的大作中提到: 】
: 你说的这些，现在正在automated，以后都是机器人自动部署了

AWS, GCP等等 :)

【 在 dumbCoder (HumbleCoder 不懂就问-_-) 的大作中提到: 】
: 那现在是哪些工种在开发这些 automated?

哦，我知道你说啥了，每次遇上这类功能，我都纠结,
用了就更加深那一家的 vendor lock-in. 还是有很多人选择不用的.

【 在 Nehalem (Nehalem) 的大作中提到: 】
: AWS, GCP等等 :)

你说的这个data engineer用啥工具？
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】
: data engineer工作又多又稳定。scientist不管什么牛公司，其实都不需要几个。往往
: 也不起什么大作用。
: 想做scientist的。真的可以去查查当年贝尔实验室解散时候EE版的讨论。

转行需要解决的难点

0. 入门
1. 第一份工作
2. 身份

华人在美国公司少，1 帮助不了，2 即使是美国公司也没办法。

0的话，我觉得网上的教程，书籍足够多了，决心转的，不需要啥特殊关照。

动力不足的，直接扔给你的是err msg，要你一步步来给debug。

所以，转行这个事情，从很多年前到现在，基本没啥改变，要么删号重练，重读cs ms，
要么暴力转，外人都很难帮助啥。

【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: 最近trump要砍nih funding，首页上好几篇生物博后的贴。有一个说生物千老属于丐帮
: ，写的非常诙谐，黑色幽默。还有一个中西部博士后20年千老写他的感触，也是感人至
: 深。
: 我觉得本版码工在其位的应该尽量帮助生物博后转行。我个人觉得马工初级职位任何理
: 工科博士都早已over qualify. 艰难时事啊。

网上教程多，垃圾更多。
适当参加个培训班，花点钱也是值得的。
【 在 echowuhao (echo) 的大作中提到: 】
: 转行需要解决的难点
: 0. 入门
: 1. 第一份工作
: 2. 身份
: 华人在美国公司少，1 帮助不了，2 即使是美国公司也没办法。
: 0的话，我觉得网上的教程，书籍足够多了，决心转的，不需要啥特殊关照。
: 动力不足的，直接扔给你的是err msg，要你一步步来给debug。
: 所以，转行这个事情，从很多年前到现在，基本没啥改变，要么删号重练，重读cs
ms，
: 要么暴力转，外人都很难帮助啥。

工具每年都在变。自己做个小产品练练吧。写个手机java android app，
统计本地房价，我看就行.
【 在 magliner (magliner) 的大作中提到: 】
: 你说的这个data engineer用啥工具？

这个我同意。上次找工版一个学认知心理学的要转行，我也是建议去刷题。其实这个建议对大部分理工科专业的同学都是适用的。

从我个人招人的经验来看，考算法题还是一个相对比较好的鉴别人才的办法，
Precision还是很好的。Recall就算差点，其实也没啥，反正只招很少的人，作为用人
单位，其实不会太关心的。而现实是，就在刷题成风的当代，能过我们这种小公司的远远低于google, fb标准的人，比例都很小。

所以刷题的还有一个目的，就是测试一下自己是不是适合吃这碗饭。刷不出来的，说明不适合，趁早另作打算。这其实有个天分的问题。与你以前学啥的关系不大，不见得学计算机科班的就有太多优势。

至于deep learning，这阵风是会过去的。你不知道下面什么会火，所以说还是把最根
本的东西弄好为宜。推广开来，data science这玩意其实也是一样的，纯分析的职位并不多，真正多的，还是ETL这些，其实就是软件开发职位。

【 在 wdong (万事休) 的大作中提到: 】
: 刚刚去生物版转了圈，看到好多熟悉的ID。对于还没过码程序这一关，又想将来吃几年
: 手艺饭的同学来说，刷题是正道。本版目前星宿派的朋友当道，讨论的都不是主流技术，
: 看看就算了，不能当真的。我在本版算是搞deep learning比较早的，也算是碰巧见过
: 一些圈子内的人物的。我可以负责地告诉你们，deep learning赚钱靠的是*关*系*。: 我可以再负责地告诉你们，目前靠关系在吃香的喝辣的那批人，当年都是咬过子弹的，
: 要在刷题上秒你们都是分分钟的事情。如果没有过刷题这一关的直接上kaggle，其实就
: 是练九阴白骨爪，碰到功底好的立刻就会露馅。你们可以去quant版看woshialex的帖子
: 作为佐证。

所言甚是。

不过是不是命，不好说。我的看法，还是事在人为，很多东西得自己去试才知道。

【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
: 一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
: 投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
: 是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

你说的这几个难点，其实是很重要的，如果一个公司愿意帮你解决这些难点，应该抓住。但我发现，很多小朋友主次不分，眼睛光看着offer的包裹大小，想着不要被别人比
下去了，结果往往错过机会。比如说，作为一个华人小公司，我们其实很想帮华人学生，但小公司一开始不可能offer很大的包裹。我们费了老大劲想要帮人，但人还看不上
我们，这种情况很普遍。

【 在 echowuhao (echo) 的大作中提到: 】
: 转行需要解决的难点
: 0. 入门
: 1. 第一份工作
: 2. 身份
: 华人在美国公司少，1 帮助不了，2 即使是美国公司也没办法。
: 0的话，我觉得网上的教程，书籍足够多了，决心转的，不需要啥特殊关照。
: 动力不足的，直接扔给你的是err msg，要你一步步来给debug。
: 所以，转行这个事情，从很多年前到现在，基本没啥改变，要么删号重练，重读cs
ms，
: 要么暴力转，外人都很难帮助啥。

我觉得刷不出来是心不诚，不是天分。整天上网看这个人赚了多少钱，
那个人多厉害，那还刷啥啊。天天做梦算了。

北美不少以前练体育的，现在那是非常厉害的IT人士。我觉得掌握了重复练习的
规律，就好办些。

当然，语言，音乐，篮球运球，。。。这些是童子功，不太一样。

我真没觉得数学，物理，coding需要童子功。我原来念书时候lab有个学本科学音乐的
老美，
现在是好学校的教授。人家办事不紧不慢的，什么都不出彩。现在自己申请协会出钱，办个
杂志，一圈熟人发发文章，相当的滋润。
【 在 hci (海螺子) 的大作中提到: 】
: 这个我同意。上次找工版一个学认知心理学的要转行，我也是建议去刷题。其实这个建
: 议对大部分理工科专业的同学都是适用的。
: 从我个人招人的经验来看，考算法题还是一个相对比较好的鉴别人才的办法，
: Precision还是很好的。Recall就算差点，其实也没啥，反正只招很少的人，作为用人
: 单位，其实不会太关心的。而现实是，就在刷题成风的当代，能过我们这种小公司的远
: 远低于google, fb标准的人，比例都很小。
: 所以刷题的还有一个目的，就是测试一下自己是不是适合吃这碗饭。刷不出来的，说明
: 不适合，趁早另作打算。这其实有个天分的问题。与你以前学啥的关系不大，不见得学
: 计算机科班的就有太多优势。
: 至于deep learning，这阵风是会过去的。你不知道下面什么会火，所以说还是把最根
: ...................

人和人的个体差异，是不能被忽视的。很多国人不承认个体差异，觉得啥都能训练出来，只要心诚就行。这种人定胜天的思想其实是不科学的。所以形成了一个国人苦逼的习惯，大家一窝蜂来挤。可是孔子说了要因材施教。不是说需要童子功，而是说人和人的天赋不一样，你再怎么童子功，也不是人家有天赋的人经过训练之后的对手。很多所谓大器晚成，其实是人家有天赋，一开始没搞这个而已。

所以我建议想搞这行的人都来试试刷题，无论以前是学啥的，不试你也不知道。但如果刷得很吃力都还不行的，我觉得还是算了，还有很多其他的好职业，不必在一棵树上吊死。

【 在 guvest (我爱你老婆Anna) 的大作中提到: 】
: 我觉得刷不出来是心不诚，不是天分。整天上网看这个人赚了多少钱，
: 那个人多厉害，那还刷啥啊。天天做梦算了。
: 北美不少以前练体育的，现在那是非常厉害的IT人士。我觉得掌握了重复练习的
: 规律，就好办些。
: 当然，语言，音乐，篮球运球，。。。这些是童子功，不太一样。
: 我真没觉得数学，物理，coding需要童子功。我原来念书时候lab有个学本科学音乐的
: 老美，
: 现在是好学校的教授。人家办事不紧不慢的，什么都不出彩。现在自己申请协会出钱，
: 办个
: 杂志，一圈熟人发发文章，相当的滋润。

也有道理。反正不管什么观点。刷题是必须了我觉得
【 在 hci (海螺子) 的大作中提到: 】
: 人和人的个体差异，是不能被忽视的。很多国人不承认个体差异，觉得啥都能训练出来
: ，只要心诚就行。这种人定胜天的思想其实是不科学的。所以形成了一个国人苦逼的习
: 惯，大家一窝蜂来挤。可是孔子说了要因材施教。不是说需要童子功，而是说人和人的
: 天赋不一样，你再怎么童子功，也不是人家有天赋的人经过训练之后的对手。很多所谓
: 大器晚成，其实是人家有天赋，一开始没搞这个而已。
: 所以我建议想搞这行的人都来试试刷题，无论以前是学啥的，不试你也不知道。但如果
: 刷得很吃力都还不行的，我觉得还是算了，还有很多其他的好职业，不必在一棵树上吊
: 死。

有这种华人公司的名单吗？

【 在 hci (海螺子) 的大作中提到: 】
: 你说的这几个难点，其实是很重要的，如果一个公司愿意帮你解决这些难点，应该抓住
: 。但我发现，很多小朋友主次不分，眼睛光看着offer的包裹大小，想着不要被别人比
: 下去了，结果往往错过机会。比如说，作为一个华人小公司，我们其实很想帮华人学生
: ，但小公司一开始不可能offer很大的包裹。我们费了老大劲想要帮人，但人还看不上
: 我们，这种情况很普遍。
: ms，

hci就是开公司的吧

【 在 unjun(be simple, be naive) 的大作中提到: 】

: 有这种华人公司的名单吗？

hci 做数据的公司开在南湾?
感觉这类公司很多都在 SF 城里.

我不说人的事。hci在本版我记得发过广告，所以附带说一句。

【 在 dumbCoder(HumbleCoder 不懂就问-_-) 的大作中提到: 】

: hci 做数据的公司开在南湾?

: 感觉这类公司很多都在 SF 城里.

还求各位大哥大姐帮助我出坑

【 在 fantasist (frenzy) 的大作中提到: 】
: 发信人: flareon (), 信区: Biology
: 标 题: 大家都应该有quantitative skill
: 发信站: BBS 未名空间站 (Sun Mar 19 00:26:44 2017, 美东)
: 看了几个帖子，深有感触。
: 时代真是变了，变了，变了。重要的话说三遍。
: 今天是互联网，大数据，网络课程的时代。信息透明，年轻的孩子们都知道搞科研，读
: 生物是条死路。加上中国崛起，中国家庭富有，今天乌央乌央多少中国人来这里读本科
: ，硕士；读的都是金融，计算机之类的。美国人读生物，那是为了上医学院当医生。（
: 放到十几年前，对于穷人孩子来说，出来读生物博士还是光荣呢）
: 今天的生物行业，甚至说整个科研行业，尤其在美国，就是一坨狗屎，充满了肮脏变态
: ...................

我们做AI平台，也做数据。在南湾。

招收有经验的软工（这类最好懂Clojure)，新毕业生，博士后和实习生（付钱的大学以上在校生要考算法题，免费的中学生不考）。感兴趣的请pm我。

【 在 dumbCoder (HumbleCoder 不懂就问-_-) 的大作中提到: 】
: hci 做数据的公司开在南湾?
: 感觉这类公司很多都在 SF 城里.

确实
为啥奶大奶小之类的形态差异大家可以承认
各种脑子千奇百怪的差异却不愿意认同呢？

【 在 hci (海螺子) 的大作中提到: 】
: 人和人的个体差异，是不能被忽视的。很多国人不承认个体差异，觉得啥都能训练出来
: ，只要心诚就行。这种人定胜天的思想其实是不科学的。所以形成了一个国人苦逼的习
: 惯，大家一窝蜂来挤。可是孔子说了要因材施教。不是说需要童子功，而是说人和人的
: 天赋不一样，你再怎么童子功，也不是人家有天赋的人经过训练之后的对手。很多所谓
: 大器晚成，其实是人家有天赋，一开始没搞这个而已。
: 所以我建议想搞这行的人都来试试刷题，无论以前是学啥的，不试你也不知道。但如果
: 刷得很吃力都还不行的，我觉得还是算了，还有很多其他的好职业，不必在一棵树上吊
: 死。

差别肯定有，但不会特别大

举个例子，博尔特100米跑九秒几，我老人家虽然腿脚不利索，50米同样时间还是能搞
定的。

如果有了汽车，百米两三秒就解决问题了。

【 在 nowhere7 (折腾) 的大作中提到: 】
: 确实
: 为啥奶大奶小之类的形态差异大家可以承认
: 各种脑子千奇百怪的差异却不愿意认同呢？

很多人不愿意承认智能的个体差异有几个原因：1. 智能不可见；2. 因为大脑有一定可塑性，就以为教育是万能的，极端的如行为主义者，认为一切都是习得的；3. 认为智
能是人的价值的体现，人与动物的区别就是智能，所以承认人的智能差异就是对人与人之间的不平等的合理化，所以左派不愿意承认个体差异，美国主流媒体打压批判《钟形曲线》这种学术著作，文革的时候心理学被打成“资本主义伪科学”而被取缔，都是因为这个原因。

但事实是，人在智能上的个体差异是远远大于人在身体形态上的个体差异的，前者往往能达到质的差异（某种能力有与无的差异），而后者主要是量的差异（有多有少）。

我对人的智能差异的感性认识是从参与建造中国第一个空军飞行员招生心理能力测量系统得来的，我们没经验，采用的原则似乎就是把所有能找到的有关的认知任务都塞进系统，让被试同时干。结果发现，再变态的非人类的任务组合，总是会有人不经训练而秒杀之。所以我就服了，身体上也许没有超人，但智能上是有超人的。其实有傻子，就有超人。远的不说了，大家一起开玩一个没见过的电子游戏，就能看出个体差异了。

【 在 nowhere7 (折腾) 的大作中提到: 】
: 确实
: 为啥奶大奶小之类的形态差异大家可以承认
: 各种脑子千奇百怪的差异却不愿意认同呢？

说的太有道理了！

几年前这个时候，我还在悲催的做着看似高大上的生物信息research，后来刷刷题，投投简历，很幸运的从学术界那个怪圈跳出来了。平时工作写code其实比刷题简单。

记得你以前说过，只要有脑子写code，年薪上10万不是梦。这真的不是一个梦，对每一个决心转行的生物博士后来说，这可以说是唾手可得的事儿！

说起来想做梦，过去的2年，在公司里的升职、加薪、公司办绿卡，读完cs硕，简直是
以前做博士后想都不会想的事。

【 在 wdong (万事休) 的大作中提到: 】
: 刚刚去生物版转了圈，看到好多熟悉的ID。对于还没过码程序这一关，又想将来吃几年
: 手艺饭的同学来说，刷题是正道。本版目前星宿派的朋友当道，讨论的都不是主流技术，
: 看看就算了，不能当真的。我在本版算是搞deep learning比较早的，也算是碰巧见过
: 一些圈子内的人物的。我可以负责地告诉你们，deep learning赚钱靠的是*关*系*。: 我可以再负责地告诉你们，目前靠关系在吃香的喝辣的那批人，当年都是咬过子弹的，
: 要在刷题上秒你们都是分分钟的事情。如果没有过刷题这一关的直接上kaggle，其实就
: 是练九阴白骨爪，碰到功底好的立刻就会露馅。你们可以去quant版看woshialex的帖子
: 作为佐证。

以后见着想入Lisp教的，我介绍给大牛 :D

【 在 hci (海螺子) 的大作中提到: 】
: 我们做AI平台，也做数据。在南湾。
: 招收有经验的软工（这类最好懂Clojure)，新毕业生，博士后和实习生（付钱的大学以
: 上在校生要考算法题，免费的中学生不考）。感兴趣的请pm我。

现在入lisp教，等于1955年决定给国民党当潜伏特务

【 在 dumbCoder (HumbleCoder 不懂就问-_-) 的大作中提到: 】
: 以后见着想入Lisp教的，我介绍给大牛 :D

你真牛
没身份没学位都搞定了
我去年找工作几个面试最后都卡在身份上了
只能今年卷土重来

现在你又搞定了CS硕士，恭喜！
【 在 Wardo (餐厅忙的时候客户端，否则服务端) 的大作中提到: 】
: 说的太有道理了！
: 几年前这个时候，我还在悲催的做着看似高大上的生物信息research，后来刷刷题，投
: 投简历，很幸运的从学术界那个怪圈跳出来了。平时工作写code其实比刷题简单。
: 记得你以前说过，只要有脑子写code，年薪上10万不是梦。这真的不是一个梦，对每一
: 个决心转行的生物博士后来说，这可以说是唾手可得的事儿！
: 说起来想做梦，过去的2年，在公司里的升职、加薪、公司办绿卡，读完cs硕，简直是
: 以前做博士后想都不会想的事。
: 术，

我知道有些事情我比绝大部分人牛
有些事情我就是不行
比如即时战略游戏，总是觉得算不过来。。。
【 在 hci (海螺子) 的大作中提到: 】
: 很多人不愿意承认智能的个体差异有几个原因：1. 智能不可见；2. 因为大脑有一定可
: 塑性，就以为教育是万能的，极端的如行为主义者，认为一切都是习得的；3. 认为智
: 能是人的价值的体现，人与动物的区别就是智能，所以承认人的智能差异就是对人与人
: 之间的不平等的合理化，所以左派不愿意承认个体差异，美国主流媒体打压批判《钟形
: 曲线》这种学术著作，文革的时候心理学被打成“资本主义伪科学”而被取缔，都是因
: 为这个原因。
: 但事实是，人在智能上的个体差异是远远大于人在身体形态上的个体差异的，前者往往
: 能达到质的差异（某种能力有与无的差异），而后者主要是量的差异（有多有少）。: 我对人的智能差异的感性认识是从参与建造中国第一个空军飞行员招生心理能力测量系
: 统得来的，我们没经验，采用的原则似乎就是把所有能找到的有关的认知任务都塞进系
: ...................

即时战略主要还是靠操作，需要从头练

【 在 nowhere7 (折腾) 的大作中提到: 】
: 我知道有些事情我比绝大部分人牛
: 有些事情我就是不行
: 比如即时战略游戏，总是觉得算不过来。。。

不是，我是根本想不过来
【 在 xiaoju (可爱的龙猫) 的大作中提到: 】
: 即时战略主要还是靠操作，需要从头练

re.
【 在 hci (海螺子) 的大作中提到: 】
: 很多人不愿意承认智能的个体差异有几个原因：1. 智能不可见；2. 因为大脑有一定可
: 塑性，就以为教育是万能的，极端的如行为主义者，认为一切都是习得的；3. 认为智
: 能是人的价值的体现，人与动物的区别就是智能，所以承认人的智能差异就是对人与人
: 之间的不平等的合理化，所以左派不愿意承认个体差异，美国主流媒体打压批判《钟形
: 曲线》这种学术著作，文革的时候心理学被打成“资本主义伪科学”而被取缔，都是因
: 为这个原因。
: 但事实是，人在智能上的个体差异是远远大于人在身体形态上的个体差异的，前者往往
: 能达到质的差异（某种能力有与无的差异），而后者主要是量的差异（有多有少）。: 我对人的智能差异的感性认识是从参与建造中国第一个空军飞行员招生心理能力测量系
: 统得来的，我们没经验，采用的原则似乎就是把所有能找到的有关的认知任务都塞进系
: ...................

你是战术replay刷得不够多, 哈哈
高手都是刷熟了常用套路，开打时候基本是背战术+肌肉记忆的微操.

【 在 nowhere7 (折腾) 的大作中提到: 】
: 我知道有些事情我比绝大部分人牛
: 有些事情我就是不行
: 比如即时战略游戏，总是觉得算不过来。。。

说的好
其实只要不要上升到政治层面，这方面的事实是很多的。

编程上高手和庸手的效率和质量差异是好几个数量级，这个是早有定论
各种事情上都有个体差异，同样在交流，社会性活动上某些人会比某些geek高几个数量级，所以跟歧视没啥关系

大部分人就是找个paid job，那也不用追求太多，过平均线就行。

【 在 hci (海螺子) 的大作中提到: 】
: 很多人不愿意承认智能的个体差异有几个原因：1. 智能不可见；2. 因为大脑有一定可
: 塑性，就以为教育是万能的，极端的如行为主义者，认为一切都是习得的；3. 认为智
: 能是人的价值的体现，人与动物的区别就是智能，所以承认人的智能差异就是对人与人
: 之间的不平等的合理化，所以左派不愿意承认个体差异，美国主流媒体打压批判《钟形
: 曲线》这种学术著作，文革的时候心理学被打成“资本主义伪科学”而被取缔，都是因
: 为这个原因。
: 但事实是，人在智能上的个体差异是远远大于人在身体形态上的个体差异的，前者往往
: 能达到质的差异（某种能力有与无的差异），而后者主要是量的差异（有多有少）。: 我对人的智能差异的感性认识是从参与建造中国第一个空军飞行员招生心理能力测量系
: 统得来的，我们没经验，采用的原则似乎就是把所有能找到的有关的认知任务都塞进系
: ...................

这个帖子是我写的
如果大家觉得我写得好，就麻烦大家更加帮助一下我们生物坑命苦的

谢谢

【 在 fantasist (frenzy) 的大作中提到: 】
: 发信人: flareon (), 信区: Biology
: 标 题: 大家都应该有quantitative skill
: 发信站: BBS 未名空间站 (Sun Mar 19 00:26:44 2017, 美东)
: 看了几个帖子，深有感触。
: 时代真是变了，变了，变了。重要的话说三遍。
: 今天是互联网，大数据，网络课程的时代。信息透明，年轻的孩子们都知道搞科研，读
: 生物是条死路。加上中国崛起，中国家庭富有，今天乌央乌央多少中国人来这里读本科
: ，硕士；读的都是金融，计算机之类的。美国人读生物，那是为了上医学院当医生。（
: 放到十几年前，对于穷人孩子来说，出来读生物博士还是光荣呢）
: 今天的生物行业，甚至说整个科研行业，尤其在美国，就是一坨狗屎，充满了肮脏变态
: ...................

有一定道理
我玩这跟裸做算法题差不多就是为了好玩
刷题为了工作，玩游戏还是没动力折腾

不过即使裸上，有些人玩游戏的悟性还是比我强太多
这个真的是大脑差距
【 在 dumbCoder (HumbleCoder 不懂就问-_-) 的大作中提到: 】
: 你是战术replay刷得不够多, 哈哈
: 高手都是刷熟了常用套路，开打时候基本是背战术+肌肉记忆的微操.

omg这是我两年前写的。时间过的飞快。。记得写这个的时候，好像刚决定开始改行。
如今我也转行成功了。这两年读cs master + 做了四个实习 + 刷题找工作 + OPT/H1B，
但最重要的是思维方式和生活状态，彻底成为industry style。感觉生命充满了挑战，机遇，希望；而不是过去的一潭死水。如今的烦恼是如何规划职业，以后到底往哪个方向发展。

我刚去调查一下
linkedin 上的本地ai/data science 的工作广告,一般都有1百人以上的人录请

你也批量的投简历不就可以了。多用概率思维。一个工作50人投，和10个工作100人投
。哪种市场算是更好的。你可以用做个模型想一下了。

【 在 cckyle2001(谦虚的狼) 的大作中提到: 】

: 我刚去调查一下

: linkedin 上的本地ai/data science 的工作广告,一般都有1百人以上的人录请

小菊你也太差了吧，50米7.5秒不行？

【 在 xiaoju (可爱的龙猫) 的大作中提到: 】
: 差别肯定有，但不会特别大
: 举个例子，博尔特100米跑九秒几，我老人家虽然腿脚不利索，50米同样时间还是能搞
: 定的。
: 如果有了汽车，百米两三秒就解决问题了。

基础研究就是靠撒胡椒粉，大资金进去基本没用，very likely真正的理论突破还是在
某一个犄角旮旯里一个每年5万刀的苦逼的博后做出来。

码农近中期工作还是看好，现在世界就像Andrew yang说的是自动化各种行业，这些行
业自动化之后job都convert成码工和少量硬工。直到最后码工的写码工作也被自动化了，那人类基本就没啥工作可做了。

【 在 wdong (万事休) 的大作中提到: 】
: 其实都是命不好。我真怕风水轮流转这批转行的一转出去杀老鼠这行又火了。
: deep learning其实是要革data scientist的命，把算法这一块自动化了。
: 但是deep learning要想奏效必须有高质量的原始数据。基本上就是谁的数据
: 牛B谁的model就会胜出。神经网络当年也是个过街老鼠，谁会想到还有出头
: 的一天。有些突破性的进展就是各方面条件都具备了才会厚积薄发的，并不
: 一定是理论不干活。而理论的发展又不是拿钱能短时间砸出来的，必须长时间
: 投入才能偶尔产出一两个。Deep learning这两年砸进去的钱不可谓不多，但
: 是真正的理论进展其实基本就没有。削减研究经费，我觉得还是商人的短视。

百里挑一,是过分激烈的竞争
没有什么东西standing out的人,要想其它方法

我小孩正在职上distributed computing的研究生课,
她说下学期选ai课,我先提早了解真实情况
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】
: 你也批量的投简历不就可以了。多用概率思维。一个工作50人投，和10个工作100人投
: 。哪种市场算是更好的。你可以用做个模型想一下了。
:
: 我刚去调查一下
:
: linkedin 上的本地ai/data science 的工作广告,一般都有1百人以上的人录请
:

我正在做工厂自动化的项目,
太烦琐了,
烦得几乎想退休不干了

同亊都是50几岁,快退休的
没有年轻人
【 在 Caravel (克拉维尔) 的大作中提到: 】
:现在世界就像Andrew yang说的是自动化各种行业，这些行
: 业自动化之后job都convert成码工和少量硬工。直到最后码工的写码工作也被自动化了
: ，那人类基本就没啥工作可做了。

你们做成一个，有多少人的工种就没有了？

【 在 cckyle2001 (谦虚的狼) 的大作中提到: 】
: 我正在做工厂自动化的项目,
: 太烦琐了,
: 烦得几乎想退休不干了
: 同亊都是50几岁,快退休的
: 没有年轻人
: :现在世界就像Andrew yang说的是自动化各种行业，这些行

我们只做半导体行业的工厂自动化,属最简单的一类

我认为自动化,主要说说拉投资,制造新闻
实际上,还极为初步
【 在 Caravel (克拉维尔) 的大作中提到: 】
: 你们做成一个，有多少人的工种就没有了？

你这个百里挑一说的不对。数量模型不过关。面试一定扑。一个工作收到一百个简历不假。但是多个工作收到的简历很多都是重复的。极端的情况，可能200个工作，都是这
100个人在投简历。
至少上半年我周围了解到的情况是，中小公司找不到人。好多人都想去大公司。看不上我们中小公司。

【 在 cckyle2001(谦虚的狼) 的大作中提到: 】
<br>: 百里挑一,是过分激烈的竞争
<br>: 没有什么东西standing out的人,要想其它方法
<br>: 我小孩正在职上distributed computing的研究生课,
<br>: 她说下学期选ai课,我先提早了解真实情况
<br>

我惊讶的是
中小公司也是收到100~200申请人

我在中型公司,公司一直招不到码工
我的看法,中型普通公司,也是很刁难,虽然一直招不到人

所以,我很理解,不少码工码农,只要有1,2百万资产.就想辞职不干
我自己也常想不干了.只是我很能吃苦坚持,才勉強继续工作
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】
: 你这个百里挑一说的不对。数量模型不过关。面试一定扑。一个工作收到一百个简历不
: 假。但是多个工作收到的简历很多都是重复的。极端的情况，可能200个工作，都是这
: 100个人在投简历。
: 至少上半年我周围了解到的情况是，中小公司找不到人。好多人都想去大公司。看不上
: 我们中小公司。
:
: 百里挑一,是过分激烈的竞争
:
: 没有什么东西standing out的人,要想其它方法
:
: 我小孩正在职上distributed computing的研究生课,
:
: 她说下学期选ai课,我先提早了解真实情况
:

我是说,普通码工,只是普通工作,不是网上吹的那么好

Mar 20 00:50:06 2017

如果当初听lz的话 刷两年题 现在起码狗狗l5 年薪50万了 后悔啊

工厂自动化用什么技术?

【在 cckyle2001(谦虚的狼)的大作中提到：】
：我正在做工厂自动化的项目,
：太烦琐了,

只要代替人的技术，都叫自动化技术。 以前有专门的打字员。
【 在 newIdRobot (新器人) 的大作中提到: 】
: 工厂自动化用什么技术?
: ：我正在做工厂自动化的项目,
: ：太烦琐了,

有啥要求?

【在 cckyle2001(谦虚的狼)的大作中提到：】
：我惊讶的是
：中小公司也是收到100~200申请人