我的纯刷题转码之路

一直在地里看大家的面经，看大家的经验分享，最近有空，把自己在2018年的经历写出来，让大家有个参考，希望对一些同学有参考价值。
-baidu 1point3acres毕竟不是文科生，文笔很烂，也不会打草稿，所以，写得很散，记流水账一般，请包涵。
另外，我也不是大牛，连牛都算不上，弱得不能再弱的弱鸡一枚，如果想要横扫FLAG这样的结果的同学，请忽略我的帖子，还请轻喷，轻喷，多谢多谢。

一. 背景和动机
我是2015年毕业的PhD，火坑专业，毕业之后，在湾区的一个国家实验室开始了苦逼的科研之路。在来湾区之前，听说过湾区的码农工资高，但是一直在东部读书，所以总是抱有一些怀疑的态度，觉得，嗯，可能只是一小撮码农是那样的动辄几百K的包裹吧，大多数人可能还是路人那样的。直到自己来了湾区，身边的码农朋友多起来了，才发现，靠，自己奋斗的终点，其实还不如人家码农的起点。再也不能自欺欺人了，再也没有办法坐得住了。还不算太老嘛，不想掩饰自己内心对于金钱的渴望，就想着搞一把吧，凭啥自己拿这么点钱啊。而且，湾区的生活成本确实高啊，从长远考虑，不转码，真的挺不容易的。而且，不患寡而患不均，心里真的会不平衡。这就是动机。
国家实验室的唯一好处就是简历好看一些，绿卡拿到手的时候，这个title也就彻底失去价值了，剩下的也就是尽力去做转行这个事情了。
背景也很简单，自己的专业跟代码一点狗屁关系都没有，除非你觉得在matlab里面写几个for loop也算是写代码的话，那我就跪了。好在当时读PhD的时候闲得蛋疼，去修了一个统计的双学位，这也成为了自己敢转行的一个原因和动力吧。不过，这也是双刃剑，之后会讲，有好有不好。嗯，我做这些所有的事情都是用业余时间，因为要上班啊，挣钱养家糊口啊。

二. 准备之路
我觉得大多数人不会看第一条的，哈哈，都是想看看怎么准备的吧。嗯，我觉得自己的经历也犯了很多错误，我也会一一讲出来。尽可能地按照版块来讲吧。
1. 定位
这个是最难的，也是最重要的。如我之前所说，因为自己有统计的学位，而且当时的data science极其火，所以就头脑发热去选了这个。也是觉得这个自己能学起来，不像刷题转码那样毫无头绪，或者说更是一片空白。 之后就把很多统计的知识都捡起来了，还学了很多关于machine learning，deep learning的东西，额，大概花了我半年的时间吧。其实效果很不好，很不好，很不好。简单来讲，就是这几个原因：a. 行业经验缺乏，因为不管是做什么数据，其实对数据的认识，理解，对行业的认识理解都很重要；光有统计知识是远远不够的，现在的公司在找人的时候，巴不得你对这个行业一清二楚，尤其是小公司；所以，这个是一个很大的原因；b.应用太小了，虽然这个ML, DP, AI很火，但是，其实没有几个地方真的用到了这个，尤其是在盈利的公司，更不会用这个了；你学了那么多酷炫的招数，没有用武之地； c. 待遇和市场其实还是比码农要差一些的；d. 那些ML, AI这样的知识不是你通过一个辅导班就能学会的，每个点都可以毕业无数个博士，对数学的要求也极高，否则只是一个被科普了的level;
那半年碰壁之后，开始刷题转码了，效果比自己预想得要好很多，所以，我觉得这个定位其实挺重要的。原因其实还是供求关系决定的，没有几个单位需要太多的数据科学家，真正需要的还是在一线能够写代码的工人。

2. 学习资料
这个学习主要分为几个大的方向，基础统计知识的学习，ML的学习，算法和刷题的学习，工具的使用。

基础统计知识是最快捡起来的，两个星期就差不多了，主要的就是基本的概率轮，统计学，国内正常受过大学教育的，应该都会。有一些常用的，比如说anova，比如说假设检验，这个要熟练一些就好了，注意举例。

ML的学习花了很多时间，用了挺多资料的，可是觉得，嗯，贪多嚼不烂吧。我看了text book，觉得这个是理解最快的，可是里面的数学成分还是挺重的，原理都很简单，也不难理解，只是数学部分有点恶心。可是，我觉得这些原理知道了，也用处不大，人家不care，真正在用的时候，没有人特别在意原理的细节，都是直接调用包裹就好了， 各种参数的选取也是更多跟经验有关，看看document，跑跑数据试试也就完事了。 当时花了很多时间去想明白SVM，想明白random forest，各种boosting之类的，没用，其实面试你的人也只会用包裹而已，你学会的，他们也不一定会。Anyway，我还是说一下，我用的资料是韩家炜的书，另外一个学习资料是国内的一个辅导班，叫做炼数成金，里面有一个课叫做机器学习，嗯，是我听过的讲的最好的，难易程度刚刚好，可以够装逼，又不会太吃力。还有就是烂大街的吴恩达的ML入门课，其实都是范范地讲了一下，不真的深入了解的话，也很难复述出来。

算法和刷题，这个就不用说了，没什么，就是拿时间磨出来的。MIT的算法课，看过一些，可是挺深入的，我觉得没有必要搞那么深入，也一下子吃不动。geeksforgeeks上一些DS和Algorithm的科普就差不多了。另外，数据结构真的挺重要的，我面试的时候被面过heap的问题，就是因为基础知识太薄弱，才被虐的。我觉得，刷题只是手段，真正需要掌握的是数据结构和算法。如果只是为了刷题而刷题，这个好像真的不对。当然，个人意见。我用过的算法和刷题的还有DATA STRUCTURE FOR PYTHON，算法的话，BFS, DFS, 分治等等，各种总结都看看，各种分析都听听，就会好很多，还是那句话，刷题只是手段，不是目的。这道题宁可不会，也要把知识点搞懂，如果这道题知识点都搞不懂，你做出来也意义不大，这个后面会细讲。

工具的话，我在自己准备之前只会matlab里面最简单最简单的，当成一个高级计算器用而已。所以，基础为0，或者为负数吧，所以也就是从头学起了。最先学的语言就是Python，可是，真心不觉得python是一门很适合用来理解数据结构的语言。当时学它只是因为它很容易上手，和matlab极其相似，也很简单。嗯，如果再要学的话，我觉得Java会好很多。当然，这个东西是萝卜白菜，各有所爱。Python有很多个工具，比如说SciPy， NumPy， Pandas之类的，还有更高级的关于ML的Sk Learn之类的。嗯，除此之外，还学过一些乱七八糟的工具，比如说R，甚至SAS，涉猎过一点点pyspark，还学过一点点基础的SQL。嗯，不过真正有用的其实一门语言就够了。后面这些工具，其实更多的是熟练度，不是一两天就够的。比如说R里面那些关于画图的包裹，你除非天天在手上玩，否则只是比一般人多知道这个名字而已，真要干点啥，还是得去google，真没啥意义，还不如直接放弃算了。同样的感受也来自于SQL，网上有一些SQL的学习教程，比如说w3school之类的，一天就能学完，看过去挺简单的，可是，额，这个完全不是公司面试要求的level，你写过几年SQL的人，和一个就学了一天SQL基本语法的人，面试的时候的表现是完全不一样的。嗯，这些东西的存在，只是为了简历上的关键字吧，个人感觉。

3. 辅导班
嗯，现在各种各样的辅导班真是层出不穷。我先声明，我没有收任何辅导班的好处，也没有辅导班会傻逼到给我好处。所以，仅仅是一家之言，个人感受。
总体来说，家贫人丑，舍不得上辅导班，能省则省。不过，因为是转行，不上辅导班的话，总觉得简历上太贫瘠，所以，大概还是上过这些辅导班吧。我一个一个列出来：
a. 九章：我上过他的基础算法班，强化班，这两个班都很不错，算是给数据结构和算法开了个好头，不至于像无头苍蝇一样无处下手了。这个也是性价比最高的班了，100多块钱，挺实惠的。另外还上过九章的系统设计班，这个，个人感觉有点太散，big picture和details的把握不是很好，听完了之后还是要做很多的功课，反复消化，才能转化为自己的东西。还有一个刷题点睛班，这个感觉就挺鸡肋的，都是一些比较easy和medium的题目，个人感觉不是特别推荐。远不如基础班和强化班性价比高。
b. coursera: 嗯呐，这个便宜，哈哈。在这里上了好多辅导班，比如说吴恩达的ML入门，比如说John Hopkins University的Introduction to Data Sceince系列课，有十门课，主要是讲R的运用比较多，一些工具的使用，比如说R的画图的包，markdown等等等等，一些基本的数据处理分析的技巧。这个课本身挺好的，可是，这种技巧更多的是依赖熟练度，你在辅导班能用上的强度和工作强度差别太大了，很难指望你在辅导班上的练习就可以让你用得很熟练，充其量只是入个门而已。不要太指望这个会让你发生奇迹。还有其他的一些课程，都比较零散，比如说AWS的应用，AB Testing之类的 。
c. 炼数成金：这个是国内的一个网校，我个人很喜欢。里面的ML的课程难易结合的极其完美，够装逼，又不会太难学不会。我只上了里面的ML的课程。其他的课程，我没有发言权。
d. BitTiger: 也就是太阁网，貌似现在倒闭了，额，那我就不多评价了吧。

总体来说，辅导班没有那么神话，可以带你入门一些东西，但是，其实想想也就明白了，你花一两个星期，或者个把来月业余时间能自学学会的东西又能有多复杂呢？这样做的结果，必然是不精。不过没办法，转行嘛，必须得在简历上堆砌一大堆相关的经历，技能和project才可以啊，所以，有一些该上的还是要上，但是，投入太多，比如说像太阁那样的几千刀，额，觉得性价比还是挺低的，不要期望太多就好了。如果你自己自学能力够的话，效果并不会比你自己自学好多少。不过它有一个很大的好处就是资料的搜集，你不用再去纠结看什么，或者是再去纠结哪里找资料了，辅导班都会给你搞定，通过辅导班，你会有一个比较系统的计划。所以，如果是不差钱的同学，可以考虑吧。只是真心不要觉得自己花了几千刀，报了辅导班，只要跟着他们，你就能一路拿到offer了。额，亲，醒醒，你如果真的只是这样的智商的话，那还是暂时先别考虑刷题了，听听郭德纲的段子可能更有意思。

4. 简历
我还是花了一些时间在简历上的，这里倒不是真的指编辑简历的时间，而是为了在简历上build这些关键字。通过那些辅导班啊，通过那些网课啊，我还是可以在简历上写得一些吹吹牛的project，不过其实真的关系不大。明眼人一眼就能看出来，你丫就是个弱鸡，毫无疑问。所以，这个简历只可以混过HR的肉眼，不过这也够了。
网上到处都是简历的模板，不用太在意，能混过HR就可以了。大部分公司，在面试你的时候，都不知道你的简历是什么鬼样子的，很多人面完你了，都没看过你的简历。

5. 面试
OK，我准备差不多一年的时间，前半年都把心思花在了统计和ML上面，捎带刷了刷题。嗯，以为data scientist可以不需要刷题，所以，我就傻啦吧唧的在准备半年之后就冲上去了。怎么说呢，看过去很美，其实很惨。我在这一轮面了很多公司，但是，几乎全部止步于电话面试或者是take home exam，online assignment之类的，连一个onsite都没有。这些公司包括Uber，Pinterest， Airbnb，Quora等，还有一堆国内的小公司，比如说京东，苏宁，滴滴打车，阿里，等等等等。另外一些像Intuit这样的公司，我面得也很多，可是都在第一轮就挂了。因为本来就是去试水的，所以，并没有很难过，可是还是觉得方向错了。因为所有的公司在电面的时候，没有人会来问你ML的具体知识点，或者是公式推导，人家关心的，都是你有没有相关的经验。这种经验绝不是你上上辅导班，或者听听讲座就能明白的，而是你真的要在这个领域内有工作经验。真正让自己改变定位的，应该还是Uber的面试，我可以具体讲一下：
这算是我面的第一个大公司了，海投之后就有了面试，比自己想象中的快好多好多，可能还是因为教育背景比较能唬人吧。Anyway，电面却极其惨烈。一个random on weight 这样的题目，都不会写，写得坑坑洼洼。一个简单版本，一个难的版本，因为对python和R的不熟，搞得要来回切换，一个是用python写完的，一个是用R写完的，呵呵。估计面试官都懵逼了，这个弱鸡。我明明是用这道题来热身的，你丫扯了半天蛋，哎，算了。
但是，面试官最后给我的反馈却是，无论你的DS有多好，在一个团队里，需要的码农的量远远大于DS的人。比如说他们团队，有300人左右，可是真正会用到ML，做决策的DS的角色只有二三十人，绝大多数人都是在implement或者是achieve这些PM或者是DS的idea而已。醍醐灌顶，从此之后，决定，学那么多没用的，不如学一招鲜，吃遍天。没什么别的出路了，刷题转码吧。

嗯，重新捡起数据结构的课本，重新学习算法。花了三个月的时间，胆子又肥了，开始投简历。简历上也做了很大的修改，尽量让自己不要那么向DS靠拢了, 而是更多的向码农的方向偏吧。这一轮面试也挺多的，FLAG的面试全有了，还有Adobe, Yelp, Snapchat这样的公司。这里四个是FALG全跪的面经：（PS. 我最后接受的是snap的offer，给的package还可以，哈哈，而且老天帮忙，去年年底入职，相当于抄了个底）
https://www.1point3acres.com/bbs ... ewthread&tid=513663

https://www.1point3acres.com/bbs ... ewthread&tid=514141

https://www.1point3acres.com/bbs ... ewthread&tid=514128

https://www.1point3acres.com/bbs ... ewthread&tid=513669


嗯，大牛们可以忽略我这样的弱鸡了。对于转行的人来说，看过去面试机会不少，虽然表面上说不在意你的经历，但是，其实一面试，一聊天，还是能一眼看出来你不是写代码的人，你只会刷题。所以，这种时候，面试的时机就很重要了，要看公司是否急着招人，多让朋友去打听打听。我不指望自己会去横扫，也其实没必要，offer有一个就够了，多了也是浪费，当然你要攒齐七个offer去吹牛逼的话，那就当我没说。

其实整个面试中，我个人觉得最重要的还是刷题，这也是唯一一个你可能通过短期内高效突破的点了。你的教育背景，你的工作经历，你的项目经历，这些，都不太可能会有太大变化了。至于你在网上上的那种个把月的网课，比如说什么两个月成为职业数据科学家，嗯，醒醒，别逗了，ML里面都不知道能毕业多少个PhD了，你两个月也就是系统性的被科普了一下。这个和你自己去google一下ML十大算法，然后好好看看，效果差不太多。

我从外行的角度来讲一下刷题的感受：最开始对刷题嗤之以鼻，觉得是奇技淫巧，所以，一直不屑于刷题，总是想着投机取巧，靠着一点小聪明去刷。嗯，这样确实能刷掉一些题，但是，只是一些很基础的题，对于算法和数据结构其实没有帮助。我还是觉得，刷题只是手段，数据结构和算法才是目的。如果一道题目过来了，对你的这两个点没有太大帮助，其实，刷出来与否意义都不大。比如说LC里面有两道题，一道题目是判断一个科学计数法的数字是否合理，另外一道题目是类似于word设计排版，左对齐或者是中间对齐这样的功能；这两道题做的时候，磨了好久，考虑各种边界条件，可是，事实是，对数据结构和算法的认识，并没有什么提高。换位思考一下，如果自己以后有机会去面试别人了，我也不会出这样的题目的，因为考察不出东西来，也没有必要让被面试者在面试现场把所有的corner case都想到，这太没有意义了，面试官自己都记不住吧。有一些题目，虽然不难，但是确实很经典，对于算法和数据结构的理解帮助挺大。比如说大家都做烂了的number of islands，BFS是常规套路，但是，如果是后面的升级版，那么就一定要上并查集了；这样的题目我觉得对自己的帮助和启发更大。真正让自己花了很多时间的其实还是DFS这个算法，而在数据结构中，无数次被问到的则是heap方面的知识，不知道面试官为什么那么热衷于问这个。所以，我自己的建议是，不要那么着急上来就去刷题，先沉下心，好好看看数据结构和基本算法，其实两三个星期也就足够足够了。刷题是让你知道，自己在这两个方面还有哪些欠缺，还有哪些理解上的误区和不足。好比一个简单的sort，有那么多个方法，真的搞懂了吗，时间复杂度，空间复杂度，为什么最优，什么情况下是最差，什么时候又是average？面试官在和你面试的时候，不会简单的听你说一句，嗯，这个的时间复杂度是多少多少，而是你最少能装模作样的跟别人解释出来，为什么是这样的。你是通过程序的运行分析出来的吗，还是通过主方法分析出来的呢？还是凭直觉？脑子里还是要备着这些最基础的只是点的，要不然，刷完题了，聊啥啊。

其实如果是自学的话，学到这里也差不多就到了自学的瓶颈了，很难再有很大提高。我自己的经历是，面试到最后的时候，大概刷题的数量在350左右，其中hard大概有80多道，剩下的一般easy，一般medium。我也就不再刷新题目了，没有意义，这些老题目都没有把握说随便拎出来一道就可以AC。其实，题目的数量不是很重要，有一些题目，自己即使做完了，还是不太会，即使你做过很多遍。这里尤其想要讲的是关于动归的题目，很多时候的感觉是貌似有套路，可是，总是差那么一点点，就是差一点点，不知道为什么答案里面的状态方程和转移方程都那么完美，自己就是差一点点。不过好在这种题目不是特别多，所以，要做很细致的归纳总结工作。面试官那里也没什么新题，毕竟人家也要工作的，没空天天来整新题给你面试。所以，我都是把它们总结好，上考场前花半天，再重新全部都过一遍，哪怕背，他妈的也背下来了。当然，不是真的要你背，光背不会扯，肯定也是不行的。

后面的面试，让我觉得最舒服和常规的就是FACEBOOK了，可能是和它当时在狂招人有关，所以，简直就是教科书般的面试，就是大家想象中的那种啥废话都没有，嗯，做题，然后系统设计扯一波，完事儿。可是，自己偏偏把FACEBOOK放在第一个面了，那时候才刷了150道题吧，手生，手嫩，稀里糊涂就上去了，悔死了。如果是把FACEBOOK放在最后，觉得自己应该还挺有信心的。所以，要投简历的小伙伴们，可以考虑把facebook放在后一些面，用一些别的公司来练手。Google是自己面的最难的，没有原题，题目很诡异，不常规，我跪得也是心服口服，嗯，别说再给我一小时了，你就是再给我一天，我那题也不会做。实力差太远了，没办法。

还有一个建议，给地里的小伙伴。条件允许的话，尽可能快去面试，投一波简历，去试试，这个是我的真心建议。因为，你永远准备不完的。你刷题的速度，可能还没有LC出题的速度快。不要幻想着自己某一天能刷完，不现实，也没必要。安安心心刷个200题，不用别的，就拿FACEBOOK的高频和面经刷完，这就200多个了，足够你去应付所有公司的第一轮面试了。去试一下自己的水，简历上的不足，刷题上的不足，系统设计的不足，等等等等。不要把所有的宝押在一个时间段。我当时就是因为信心缺乏，所以，一直到准备了半年之后才去投简历，才发现自己的定位都不对，才刷题转码的。有时候，找工作真的运气很重要，很重要，多去试试。没有人告诉你，你刷了200道，就一定不如那个刷了300道的。说客观一点，如果你在面试的时候碰到的不是原题，那么，如果这道题目不是很明显的套路的话，其实难度就最少提了一级。可能在LC里面只是Medium的，但是，在那种情形下，对你而言，就跟hard差不多了。好在，大部分公司都还是良心公司，都是在高频和题库里打转，所以，真的早动手，把简历搞起来，刷题恶心想吐的时候，不要歇着，投投简历去，播下希望的种子。从你播下种子的那一刻，到你有机会去onsite，一般都要一个多月的时间了，这段时间，也够你刷不少题了。

嗯，我大概就只是想到了这么多吧。码农不易，我是转行，也不易。不过看着paycheck和股票，哈哈，所有的阴霾一扫而光！嗯，没错，我就是这么势利，哈哈！这他妈不就是我最初想转行的初心嘛！

祝大家好运，有想法的话，可以一起交流啊！还是那句话，这只是我的个人经历，我只是个弱鸡，大牛请勿喷，在此谢过！

googlewaterloo 发表于 2019-4-14 05:08
谷歌比脸书面试难这么多?

脸书基本上是全原题的 你只要全部刷熟能讲清楚bug free一遍过 问题不大

Google一直有新题 纯靠刷是不行的

刷题使我快乐999 发表于 2019-4-14 20:54
想请问一下，如果第一次面挂了，多久才能再内推一次？

这个其实真的不用在意，我当时也是听别人说会有冰冻期，所以一直憋着不敢投。
嗯，Uber最早面的，当时也跟我说要冰冻6个月。FB说是冰冻一年。
可是，可是，这两个公司在我之后都回头再找我了，都在冰冻期内。尤其是FB，可以直接给ONSITE了，连电面都不用了。嗯，所以，我觉得，不要太在意这个。那么多个好公司呢，先拿一部分出来练练手，早点去试。找到自己哪里不足了，再回来调整，再去投。不要老想着自己一直准备一直准备，准备到完美了再去。
嗯，没有完美的一天的！

楼主 我去年大概也花了半年时间一边上班一边上网课想转DS 发现挺难准备的 后来录了一个MSDS还没入学 现在已经思考在刷题念data structure了 不知道我如果一直努力准备到明年 能不能在毕业前上岸SDE >_< 其实我对薪水倒没有要求 但是我最近越来越觉得 只有写代码才是最能找到成就感 最能持续刺激潜力 和最能依赖的东西了 我以前是念商科的 也工作2年了 已经受够了不管自己有没有努力 做的工作优秀与否 到最后都要通过和别人打好关系来使自己被认可 心里实在是很羡慕码农自由的工作时间 代码说话 不需要特别去社交 写出的内容能在上线的产品中使用 只要是这样我都已经觉得很有impact了 完全也不在意以后能不能或者多久能升职 将来能不能进入管理岗 我想有一天也许我代码很熟练了 可能还会曲线救国转去MLE或者DS的 ~~

本文被选为04/05/2019全站置顶文章之一。
作者获得大米奖励。谢谢你的分享。

楼主写的很棒，谢谢分享！

谷歌比脸书面试难这么多?

想请教一下楼主，面试应该也不止做题，如果问到比如操作系统或者网络的一些知识点，楼主是怎么准备这些的呢？谢谢！

非常感谢楼主的分享

问个小问题

楼主每天都是花大概多少时间刷题呢，然后多久完成350 道题目这样

还想问问你做题目的具体情况，那么一开始先自己思考，然后开写，不会的就去看答案，或者youtube，是这个套路么

火钳刘明 谢谢作者！

想做data science的瑟瑟发抖。。

谢谢楼主分享 受用了

谢谢楼主分享，很理解你转行的动机；也恭喜你苦尽甘来，向你看齐。