適逢程序員佳節，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，當醫生和學計算機，雖然最后陰差陽錯地到了數學專業，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的培養計劃，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，發現了機器學習的機會，于是學習了當時最新潮的《統計學習方法》，也翻閱了可能被聊到更多西瓜書，結合同一位老師的方向，最后選擇了統計。

后續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，這肯定是非常困難的。

第一門語言，還是非常建議系統地學一遍，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。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，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，推薦系統則還是要了解協同過濾等一系列的操作，現在絕大部分的工業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揮學術界飛機大炮的優勢，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發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，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，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。