2017工作总结及2018工作计划 - 好文

　　这两天在写2017年工作总结，翻翻这一年学的东西干的事儿，好多话想说。

　　临近年底，终于硬着头皮学完了邹博机器学习视频里的算法，不然真心疼花的那四百块钱。为了看懂他那些公式推导，不得不又把高数、线性代数、概率和数理统计又看了一遍，然后学算法公式推导的时候又发现那些导数矩阵分布啥的跟没看过一样，只能再回去重啃。过程中无数次怀疑我的智商都传给了儿子，一点儿都没给自己留下；无数次怀疑我大学是否学过统计，居然对t分布F分布啊什么的一点儿印象都没有；无数次的怀疑我研究生的时候是不是学过机器学习，为毛那时候没觉得最小二乘和最大似然估计有啥关系；然后又无数次的怀疑就我这记忆力来看我真的该告老还乡了——新的算法完了上一个已经不记得怎么回事儿了，哪怕那是一星期以前还自认为明白的不得了的东西——典型的狗熊掰棒子，嗯，我只能承认我是狗熊。还好没勇气撂挑子回家当家庭主妇，只能硬着头皮厚着脸皮的坚持，总算是学了个七七八八，至于忘了的那五五六六，只能趁还没忘透再多看几遍笔记。

　　强烈建议大学里数学学得好的同学们学一下机器学习，会发现数学真的好神奇；也强烈建议大学里数学学得不好的同学们也学一下机器学习，然后告诉我你们的感受，好给我些安慰，证明下我的智商还属于正常水平，让我能有更大的勇气坚持下去，谢谢！

　　为了学机器学习，学了python，虽然以前用过java的weka，可是现在貌似牛人都用python做机器学习，你看你看大多机器学习课都是用python来做代码的，而且据说是这个可以直接用于生产环境的，我当然得跟上潮流，而且学了就是要做项目的不是做研究的；你看你看python的那些工具包numpy、pandas、matplotlib、statsmodels以及sklearn等等等等，从矩阵计算到统计到可视化到机器学习，应有尽有，所以啊必须python！只是意味着，我都得学啊都得学，我可怜的记忆力！

　　这之前，因为听说spark比hadoop牛多了就学了spark，为了学spark学了scala，网上说因为spark是scala写的所以用scala写spark程序比用java、python更地道，我当然得学最地道的。只是早知道后面总得学python，我干嘛要这么为难自己，哭也晚了，而且现在想想，我一点儿都不记得scala是啥玩意儿了，我可怜的记忆力！

　　今年，用spark+kafka+redis做了个推荐；用随机森林和自回归做了两个简陋的模型；然后，就没有了。今年好像就干了这点儿事儿，真的觉得自己啥也没干成，时常的想自己会不会因为没有绩效被发配回家——上帝保佑！佛祖保佑！！老天保佑！！！
　　新的一年要有新的工作计划。

　　看过一篇微软的AI女工程师写的文章，叫“入门AI，如何选择一个脚踏实地的岗位”。里面把AI岗位分为算法工程师（数据科学家）、机器学习工程师（调参工程师）、数据经理三种岗位。具体来说，算法工程师是发明算法或者优化算法并能理论联系实际的；调参工程师是使用成熟算法调参优化用于工程化产业化的；数据经理，是熟悉业务熟悉数据并能够简单分析数据发现可能的需求可能的模型以及协调算法工程师或调参工程师完成数据产品的。还有个很搞的比喻：
- 做算法是屠龙，仗剑江湖，天外飞仙；
- 做工程是狩猎，跃马奔腾，纵酒狂歌；
- 做数据是养猪，每天拌猪食清猪粪，一脸土一身泥。

　　嗯，脚踏实地的分析一下我的现状：屠龙想都别想；狩猎将将学会骑马射箭，大约运气好能猎个野兔小鹿什么的，狼啊老虎啊就算了，我怕被吃掉；养猪我不想干，可是貌似也没人替我干。所以，脚踏实地的来说，2018年的工作就是：养猪，打兔子。嗯，还有，把学习笔记啊总结啊什么的整理到博客里——假如下了班陪完孩子做完家务还有时间的话……
　　好了，新的一年，希望我顺利度过中年危机，加油吧！

热门工具换一换