哪7步
先简要给出步骤：
1. 明确清楚全面具体描述问题
2. 分解问题
3. 理清主要重点方面
4. 做出解决计划
5. 进行关键因素反推
6. 归纳建议
7. 清楚表达
比如，我现在想做开发类工作，不是不同的开发，而是推荐算法的开发。
以这个来描述具体的问题
1.全面描述问题
我想做推荐算法的开发
我整理了有关推荐算法开发所需的背景知识，技能技术要求
我明确了那些要求我目前满足，哪些我还要加强
我明确下份工作不再跳槽去做测试开发，或者是转普通的开发
2.分解问题
推荐算法的开发，需要的背景知识，技能要求如下。
| 技术要求 | 现状 |
|---|---|
| 熟练掌握MySQL数据库 | 这个国庆需要打通 |
| 熟悉分布式系统的设计和应用 | 已打通 |
| 做过回归等常用机器学习算法，清楚优缺点及弥补方法 | 急需打通 |
| 关联规则挖掘、协同过滤 | 通过个性化推荐算法一书+练习打通 |
| 熟悉Map-Reduce/BSP/实时计算 | 急需打通 |
| 最优化算法、自然语言处理、模式识别技术 | 需要通过相关书籍学习 |
| 大规模文本商品推荐系统实践经验 | 需要实际动手做开源项目形成经验 |
| 深度学习（MXNET、TensorFlow等）经验 | 需要学习开源项目 |
| 扩宽开发知识面的：W.Richard Stevens著的《TCP/IP详解三卷》，《UNIX网络编程二卷》，《UNIX环境高级编程：第2版》 | 这个国庆需要打通 |
| 《数理统计学简史》、《矩阵分析与应用》 | 这个国庆需要学习 |
粗粗一看，好家伙，需要掌握和积累的东西还不少。
花一年时间算快的，毕竟很多东西需要积累和掌握
3.理清主要重点方面
咋一看挺吓人，但熟悉国内科技社招行情的都知道，土包子实用路线最合适，甭管理论积累多么薄弱，能上手做事情，有产出就行，剩下的理论慢慢在工作过程中积累和补充就是了。
按优先级排序如下：
- 算法（算法导论，计算机算法，数据结构等）
- 数理基础（数理统计学简史，矩阵分析与应用，最优化算法）
- 扩宽开发知识面的：W.Richard Stevens著的《TCP/IP详解三卷》，《UNIX网络编程二卷》，《UNIX环境高级编程：第2版》
- 个性化推荐算法一书以及相应的项目练手
- 相关开源项目学习
最优化算法通常是凸优化算法，原来开博客写7月算法的兄弟已经开了一个技术培训公司：https://www.julyedu.com/
七月在线是一家专注数据领域的在线教育机构，目前所开课程包括：数学 算法 求职 机器学习 深度学习 数据挖掘 Python CV Spark 量化交易 NLP kaggle，讲师团队9位博士 + 8位Google/BAT，且所有课程均偏向工程应用，用实际数据、案例、代码说话。一年下来，已培养3000余名数据人才，分布在BAT、flag等各大厂商，在数据人才群体中，有着巨大影响力。
4.做出解决计划
首先是时间上的保障，国庆10天可供调用
除了吃饭睡觉，写技术总结博客。其他时间都可以用来做这个事情。
具体排期如下：
| 时间 | 安排 |
|---|---|
| 10.2 | 数理统计学简史、矩阵分析与应用，最优化算法 |
| 10.3 | 高级UNIX编程&Unix网络编程第2卷 |
| 10.4 | 用TCP/IP进行网际互连第1卷原理->UNP第一卷socket部分->TCP/IP进行网际互连第3卷高级协议 |
| 10.5 | 计算机算法 |
| 10.6 | 个性化推荐 |
| 10.7 | 开源项目学习 |
5.进行关键因素反推
最关键的因素是，时间安排上是否足够完成一件事情，防止延迟拖沓。
6.归纳建议
时不我待，尽早开始，有所呈现，结果导向，快速迭代。
7.马上行动
不要等待，等待换不来问题的任何改善。Just Do It！