---

将本人2023 计划进行的素质提升，进行记录，因为目前有娃了，KPI 先订低一点，以防完不成，哈哈哈

1. 基础巩固 （10%）

这个部分主要是考虑，目前工作所开发的很多东西都是因为基础概念不清，在很多技术的开发上塌了不少坑。比如 协程的使用，软件系统的设计，语言特性的使用等。

• • C++ 编程巩固，10个设计模式学习（同时有python实现）
  • 结构型设计模式 Structural Patterns ：适配器 Adapter（C++ 实现）
  • 结构型设计模式 Structural Patterns ：适配器 Adapter（Python 实现）
• • 优化大数据数据分析专栏的文章
  • 可视化机器学习平台与开源组件实现低代码化最佳实践案例 – (已优化)

2. 工作内容充实 （20%）

YOLO v5 v8 相关内容理解与充实

这算是contributor 了吗，哈哈哈

• https://github.com/ultralytics/ultralytics/issues/1941

工作中遇到的问题和解决方案的积累

• • 计算机视觉基础积累（同时有python，尽量有C++实现）
  • 《大数据+AI 赋能行业，助力企业数字化转型经典落地案例浅析》-- 计算机视觉应用案例
  • 《计算机视觉和图像处理简介 - 中英双语版》：PIL (Python Image Library) 的基本使用
  • 《计算机视觉和图像处理简介 - 中英双语版》：OpenCV （基于Python 接口）的基本使用
  • 《计算机视觉和图像处理简介 - 中英双语版》：直方图和强度变换 Histogram and Intensity Transformations
• • 4 门Coursera 课程的学习与笔记 - 50%
  • • Machine Learning in the Enterprise

• • IBM 计算机视觉
    

  • • Coursera 强化学习
  • • 其他证书

3. AI 兴趣: NLP（30%）

这个部分针对NLP , chatgpt 出来后，可能NLP 行业的运行范式会发生一些转变，那么我们跟上节奏，进行一些内功 的补充。

• • 计算机生成内容检测
  • AIGC 后下一个巨大的风口：AI生成检测
• • 知识自动抽取

4. 面试、笔试题常读常新（2月新增）

最近半导体行业突然不景气，裁员据说只要一个电话10分钟，非常夸张。看来每隔半年浏览一下不同公司对于人才的新要求非常有必要。比如最近很多深度学习岗位的要求主要集中在推理优化上面，这就要求对一些推理引擎的原理和基本优化方式有所了解，又到了我的盲区了。

更新自己行业认知的同时，做到夯实基础，才能临危不乱。

• AI算法工程师的寒冬？我们完全可以反向思维。。。

机器学习综合 选择题 与详解【5年大厂，3年模拟】：

• 面试、笔试题集：机器学习基础 1-20
• 面试、笔试题集：机器学习基础 21-40
• 面试、笔试题集：机器学习基础 41-60
• 面试、笔试题集：机器学习基础 61-80
• 面试、笔试题集：机器学习基础 81-100
• 面试、笔试题集：集成学习，树模型，Random Forests，GBDT，XGBoost

NLP方向 ---- 面试、笔试题集：

• NLP方向 ---- 面试、笔试题集(1) : 套题1，套题2 （reviewed）
• NLP方向 ---- 面试、笔试题集(2)：基础知识，文本预处理，文本表示，序列标注
• NLP方向 ---- 面试、笔试题集(3)：关系抽取，知识图谱，文本分类
• NLP方向 ---- 面试、笔试题集(4)：文本摘要，机器翻译，聊天系统
• NLP方向 ---- 面试、笔试题集(5)：文本预处理，文本的表示技术，序列标注
• NLP方向 ---- 面试、笔试题集(6)：数学基础，实践经验
• NLP方向 ---- 面试、笔试题集(7)：预训练模型 BERT

大数据面试：

• 大数据基础知识问答

• 笔试面试高频问题 ---- 基础知识

• 笔试面试高频问题 ---- hadoop

• 笔试面试高频问题 ---- Yarn 基础

• 笔试面试高频问题 ---- spark 基本调优

• 笔试面试高频问题 ---- spark 基础

• 笔试面试高频问题 ---- hive 基础

• 大数据领域面试题大全英文版（Top Interview Questions ）

---

5. 读书笔记

《芯片战争》

---

学习材料

开源面试书籍：由斯坦福老师编写值得一读

• https://huyenchip.com/ml-interviews-book/
• https://github.com/chiphuyen/ml-interviews-book