最近找工作不太顺利，想去的公司都让等消息，笔试也答的都不好，不过较第一次去面试，已经有了很多进步。也越来也意识到，做一个优秀的机器学习、自然语言处理工程师需要的不仅是对专业技能的独到理解，同时也要求编程、数学、逻辑等方面知识的全面。不管以后工作在哪，工作如何，都要明白自身的不足，按照自己的学习计划一步步走下去。
基础篇：SQL(作为一名渣硕在一次面试中被SQL虐的体无完肤，真的！)、java源码、python内部原理、jvm理解、有空可以看看R语言。
基础也是最重要的：数据结构常用算法，达到能吃透《java数据结构与算法》的程度。
中介：SVM、BP、LR、决策树、贝叶斯、CRF要明白原理，会推导。
进阶：加深对中文分词、词性标注、关键词抽取等常见NLP任务的算法理解。要求能手动实现。追随NLP高级应用如情感分析、语义理解、自动问答、文本生成等领域的前沿技术。
应用篇：多泡hadoop，spark官网、论坛，对hive要能熟练应用。hadoop生态的其他工具的应用也要及时补充。
没事多刷LeetCode和牛客网上的编程题。保持手撕代码的手感。
计划很多是因为差的很多，差的越多越不能停下来，加油！