国泰君安-风险管理部 面经

离职之后才发现，世界真的就是个巨大的草台班子。原本我一个人负责的项目，我走了之后被拆分给好几个人一起做，结果还是干不明白。不是事情有多难，而是没人愿意真正把细节弄清楚。需求一知半解，代码没人整体把控，出了问题就来回甩锅，效率反而更低。以前总觉得很多流程很“正规”，现在才发现，很多事情能跑起来，靠的只是有人在兜底。一旦兜底的人走了，系统立刻开始摇摇欲坠。所以有时候真不是个人多就行，草台班子里，真正靠谱的永远是那几个把事当事的人。

不是这年还没过呢，何意味？

最近在投递简历。在BOSS上，投了50来份小厂(1000人以下)。只有几个人回复(我知道这很正常)，目前有一个小厂hr的电话，说他们的要求很高，我代码有点少。感觉小厂的要求都好高，什么QT，游戏项目/引擎，嵌入式，音视频，图片处理，机器学习，数据挖掘/分析等等，我是不是要改变策略，投中大厂(可能他们的要求比较低，比较看重学习能力)？现在想，先投一个月(边复习+MySQL+QT)，不行就考研去了。

你以为你只需要调调参数？实际上，你要面对的将是：生犯贪嗔痴戾疑，死受鞭笞斧灼烹（不好意思，杀批乱入了）。好了，言归正传，作为一个合格的视频算法工程师，大概的技术链路就如下图所示，其中最重要的就是视频画质算法（超分/去噪/增强），这一领域不可避免地要深度依赖深度学习。“深度学习”这个概念大家耳熟不一定能详，但如何系统地掌握它？也就是从“知其然”到“知其所以然”？ 阶段一：数学与编程基础 ( 2周左右，熟悉可跳过)万丈高楼平地起，在开始搭建神经网络之前，你需要掌握底层的语言（Python）和逻辑（数学）。不要被复杂的公式吓跑，我们以“够用”为标准。数学基础线性代数：矩阵运算、特征值、特征向量微积分...