適逢程序員佳節(jié)，來聊聊自己從無到有成為程序員的歷程以及自己的經驗吧。

懶人目錄：

簡單歷程。

入門。

修煉。

小結。

歷程

高考結束，確認自己大學最想學有兩個，當醫(yī)生和學計算機，雖然最后陰差陽錯地到了數學專業(yè)，但考慮到自己的喜好，仍然在考慮往計算機上走，最直接的方式就是拿了計算機專業(yè)的培養(yǎng)計劃，加上自己的計劃開始寫起代碼，大一過了計算機等級考試二級（說起來你們可能不信，VB），除了課程要求的c#、c++、matlab和mathematica，還整了點java，加入了一位老師的項目組，開始了第一個項目。

有意思的是因為項目組的需求我還寫過爬蟲和前端，前端整過jade/less體系，也玩過現在可能還在用的react/redux體系，搭配的是antd UI庫，至于爬蟲就是最經典的request或者是urllib，后續(xù)還玩過類似線程池的操作。

雖然有著對計算機的熱愛（可能這就是一種浪漫吧），但是也不想自己的數學白學了，所以一直在探索計算機和數學結合的道路，當時有幾個備選項，運籌、數值計算，然而有意思的是，16還是17年，發(fā)現了機器學習的機會，于是學習了當時最新潮的《統(tǒng)計學習方法》，也翻閱了可能被聊到更多西瓜書，結合同一位老師的方向，最后選擇了統(tǒng)計。

后續(xù)就是學術和技術兩條腿走的過程了，還接觸了NLP這個東西，結合機器學習本身依賴的場景，把NLP當做自己研究生期間的主修技能，當然，時間序列、最優(yōu)化方法也是自己的研究方向，所以自己這塊還不錯吧，于是就走上了算法這條路。

在這也借此機會感謝我的這位老師，還有幾位帶我入門的學長學姐，還有工作（含實習）過程中的領導、導師和同事。

入門

首先來聊聊入門，寫代碼入門在包括我在內的很多人看來是一個非常痛苦的過程，甚至和第一次接觸數分（大部分人應該是高數）其實是類似的，我歸結的原因是這個東西和我們習慣的思維是不一樣的，我們可能很容易就能想到、能理解、很顯然的東西，卻偏偏還要從中挖掘出新的東西來，例如一些重復工作我們照著做就行，卻需要抽象為一個循環(huán)，這肯定是非常困難的。

第一門語言，還是非常建議系統(tǒng)地學一遍，完整地理解下面幾個對新手來說比較陌生的概念，其實但凡是教程，這些東西真的都會有提到：

數據類型（Python可能沒有那么明顯，但是其實報錯看多了大家都很容易理解了）

分支（條件）和循環(huán)。計算機能夠理解的最核心邏輯。

面向對象，類與對象，甚至到繼承。

完整地學完這些，其實你會對整個計算機語言體系有非常完整的認識。那么學習過程中，還有幾個建議吧。

報錯不可怕，不堅持自己邊查邊改才可怕，久病成醫(yī)，是程序員技術進步的重要體現，從報錯中學習和定位解決問題的能力必須提升，這也應該是你和非程序員對比最鮮明的地方。

自己多動手，只有動手了才知道哪些地方是真的是沒有理解。

多看文檔多查資料，一份材料沒看懂就多看幾份，看看別人的經驗。

自認為學會以后，可以開始復現別人的東西，哪怕一個小項目也好，論文也行。

知其然知其所以然。在做項目過程中效率優(yōu)先所以可以先知道怎么做然后在看背后的原理，但是在事后還是要總結這么做背后的原理，后續(xù)相似的問題自己就能快速解決。

多做筆記，尤其是一些比較難解的問題，記錄下來，日后就不容易犯了。

另一方面，有關算法方面的入門，雖然技術迭代更新地很快，當時word2vector都是一個非常新潮的東西，現在bert都爛大街了，但是時至今日，我仍然建議大家從簡單的開始學起來，機器學習基礎（仍然推薦統(tǒng)計學習方法）和基本的深度學習幾塊積木（Dense、CNN、RNN等等），nlp領域則基本的word2vector、fasttext之類的還是都要了解，推薦系統(tǒng)則還是要了解協(xié)同過濾等一系列的操作，現在絕大部分的工業(yè)界場景還輪不到這些學術界的飛機大炮派上用場，最基本的其實就足夠了，或者說大部分場景其實并不能充分發(fā)揮學術界飛機大炮的優(yōu)勢，例如如果這個分類問題可能并不需要注意力機制，則加了注意力其實意義不大。

其實熟練了以后，后續(xù)的學習推進起來并不會很難，畢竟自己有了一定程度的學習能力，這點能力將會在自己的職業(yè)發(fā)展起到非常重要的作用。

修煉

自己如愿以償地走上自己計算機和數學結合的道路——算法工程師。之前其實聊過自己一年的工作經驗：ML&DEV[8] | 算法在崗一年的經驗總結。這里著重聊聊自己怎么提升，這也是自己嘗試突破幾次瓶頸的收獲吧。

算法線技術修煉

算法方面的修煉，我的理解往往在于兩點——深度和廣度。

深度，我理解是支撐一個人更好地完成任務的前提條件。在于對一些小領域甚至特定任務的理解，一方面了解基線方法，能在接到任務后快速調集需要的資源就能快速有個基線，然后能快速調整達到所需目標；另一方面要知道前沿的技術方案，無論是論文還是業(yè)界分享的方案（這也是我現在把文章類型分成了），一定要堅持看。

廣度，廣度是支撐一個人能完成更多任務的條件。無論是出于晉升，還是出于自己的能力，都要求自己具備完成更多事情的能力，故步自封或者只求深度會讓自己未來的選擇變得很窄。至于提升的方式，還是多看論文和文章，且要不要設限，不要覺得與自己無關所以就不看，可以步步為營地走出舒適區(qū)，例如會文本分類了，可以試試NER問題，還有相似度問題，慢慢拓寬自己的知識疆土。

總結起來就是兩點：

認真學習，各項前沿的東西都要接觸，同時要扎實好基礎。

工作后要注意總結和補充，要把因為工作緊急而忽略的知識及時補充總結起來。

不設限，定制好學習策略，不斷探索未知，這是一個做技術的人該做的修煉。

技術線的修煉

算法工程師首先是一個工程師然后才是算法，所以技術是算法的立命之本，有各種厲害的算法不會落地，就和有腦子沒手一樣，不能產出了。那么技術線的修煉有哪些：

首先算法設計的技術都要了解。常用的python肯定要懂，sklearn、tensorflow、numpy之類的要熟練，尤其是tensorflow，迭代更新很快，對初學者其實我并不會要求tf2要會，但是如果已經入門了，開始工作了，我還是希望能盡快學會keras這套新生態(tài)，如果是不會1，那tf.nn、tf.layers這套也要嘗試了解。

工程和服務相關，python要自己會包裝一個簡單的服務，理解服務的是基本原理和運作方式，這是理解整個架構的基礎，當然，在項目的推進過程，要逐步把java和c++學起來。

希望大家還是能了解數據領域的操作了。巧婦難為無米之炊，對算法而言米就是數據，數據怎么來，希望大家要了解，數據工程方面的技術希望大家能盡可能懂，技術點上就是hadoop、spark、hive之類的，架構上就是了解數據的流轉過程，在線數據怎么到算法模塊，離線自己需要的特征能不能落到自己的特征表。

數據結構可以說是技術的能量，缺了事情就推進地很慢。

總結

說實話，上面說的很多，其實上面我能想到這么多，個人認為最重要的一個點就是——主動。主動溝通獲得學習進步的機會，主動總結找到自己的問題所在，主動學習自己的不足，主動為自己的學習和進步進行規(guī)劃。很多時候，主動能為自己獲取更多主動權，而不要把主導權交給別人，其實不主動拿主動權就是再把這個東西交給別人了。換個角度反思下，自己是不是在嗷嗷待哺等導師給你方向給你論文，自己是不是在等著有人告訴你該學什么，自己是不是在等著老大給你活干。

就聊到這吧，大家共勉。

責任編輯：xj

原文標題：【經驗】聊自己非計算機專業(yè)做程序員的經驗

文章出處：【微信公眾號：深度學習自然語言處理】歡迎添加關注！文章轉載請注明出處。