以后可能回大连~~~挽尊一下。大龄程序员不知道在大连有没活路~

可以~！我感觉我自己也很类似。语言上 - C#，- Rust， + Javascript，+ lua，+R，+Go 。技术栈 -windows 技术栈，+图形算法引擎，+数据挖掘算法、+CV/NLP 算法、+前端 vue 全家桶、- java 后台技术栈、+nodejs/Go/C++后台技术栈。(devops 上技术栈一致，自动化黑盒测试+robot Framework)。目前正在补充：编译器原理、数据库原理和 OS 原理。

我其实觉得自己技术上不欠缺，欠缺的是非技术层面的。所以估计楼主跟我困境类似。

我最开始跟楼主想法一样。后来刷了 1 个月，发现找工作还是真好用。
- 要不要做就看自己怎么去看这个 “投资回报率” 了。
现实就是不少工作面试会面算法，尤其是好工作。存在即是合理的，抱怨是没用的。

爱折腾就试试。我全部都做过，目前看来最大的好处就是创业会比较需要；坏处就是比单独深入在某个领域的人来说，不够精通，找工作劣势。

打标签和搞相似度匹配也很难。难度在于，做到 90 分不难，做到 99 分很难。算法工程师一般就是做额外的这 9 分。虽然薪水高，但需求量不大，所以对大公司来说成本也算蛮低的，而竞争就比较激烈。一般从 90 分到 99 分的难度差距很大，这就好比写个 demo 和做个产品之间的差距一样。学个 1 个礼拜就能写出个 demo 来，但是做一个高负载、高可用、实时性好、安全性好的产品，很多人写了 10 年代码也不能做出来。

我们知道 1+1=2，定义了加法。对于任意的 x，x+0=x，得到零元：0 。
我们知道 2*2=4，定义了乘法。 对于任意的 x，x*1=x，得到幺元：1 。
再加上分配率、交换律和结合律。（上面都是小学学过的），再补充点初中学过的映射。

好了，现在你就可以直接推导：群、环、域和代数的大量定理了。要说难度断层，数学才是真正的难度断层。

而数据结构：图去除环路就成了树；树去除分支就成了链表。看起来难度曲线还是挺随和的。

买房本来就不难，还房贷难。

我到觉得从开发人员角度考虑，js, c/c++, java 这三门最主要。python 对数据科学、算法人员作用稍微大一些；以及运维(但我运维的时候主要写 shell)。web 的话，java+nodejs 就很好了，python 有何优势。。桌面就更夸张了，常见的还是 js+h5 或者 native 开发，选择 python 做 ui 开发的，我怀疑有点想不开。。

工作中确实用的比较少。但从公司角度考虑，如果公司 hc 有限、应聘者很多，怎么区分应聘者？所以源码、算法这些主要是用来区分人的，并不代表工作用到。一般到这种级别区分人，就意味着岗位的竞争可能比较激烈。

全栈其实面试很吃亏。因为全，所以深度难免不够。所以要展示全栈，就要广且深的技术栈。我个人觉得其实广且深，差不多得工作 10 年不停学习能达到。

我的个人经验就是你的能力可能要再深入一下。履历的重要性是有，但能力的重要性更高。我履历一般，非科班，创业公司，小公司等等的。但进大厂也没多难，估计时机比你好一些，去年 10 月底开始找的。但我所有面试的拿 offer 率也挺高的。所以我觉得你可以考虑一下自己其他原因。如果能力强，那你可以业余维护一套框架类的开源项目，这种履历就很强了。

节奏太慢。语速，文稿内容，都是要节奏快一点。我觉得基本可以压缩到 1 分钟之内讲完，没必要 的就不用讲了。

模型结构创新，应该不是对方问你的重点。毕竟，很多想出来的结构脱离数据和业务，根本就不 work 。

听你这个像是 DL 的调参。说起来很多 paper 上讲的那些 story，差不多就是你需要回答的。可以结合实际项目来。我做的是普通 ML 的分析，最多工作量就是数据清洗，分析相关性，提取一些处理不好的 case 。调性能主要就是做特征，分析各种 case 。超参一般就 grid search 一下，不太像 DL 玄学调参。

针对你的问题，模型优化主要就是：1. 做数据，增强，清洗异常值等等； 2. 做特征，结合业务背景； 3. 讲一些 DL 常见 trick，优化过程里的梯度问题：BN 、ReLU 、跨层连接，局部化先验：conv，压缩：1x1 conv 也叫 matrix factorization，注意力机制的 trick ；结合业务可以讲一些优化，比如图像分割网络里面的连接方式就是为了 local+global 信息兼顾之类的，这些点都是可以谈的优化点； 4. 速度上和模型精简上也有很多优化可以谈，不过这个不是调参工程师的范畴，但基本的还是要知道的吧，quantilize 等等的； 5. 超参选择上还可以扯点 meta-learning 等等各种手段。6. 训练过程中的 lr 设定，pre-stop，诊断网络训练情况的手段和工具之类的。我觉得还挺能说一大堆的。虽然我不做 DL 。

@eupho 哎，艰难啊。不能深圳的话，两个 offer 其实差不多。如果女朋友能领证，去上海；如果不能，在广州待着。如果你能找到一线大厂的工作(BATTMD)，不管什么地方都去。其他公司，可能差距不大。

你应该去深圳找呀。如果一定要异地，感情可能不稳。

可以做交易算法工程师。经济学的知识也能用上一些，要深入对算法的学习。
- 基本的刷题肯定是要的。基础数据结构+剑指 offer 应该就够了。
- 机器学习需要掌握的深入一些。李航的统计学习理论。外加做做比赛刷一下经验。
- 语言要求有的高有的低，深入一点总是有好处的。
满足上面三个，应该能找一个跟你金融工作差不多收入的，入门级别的算法工作。不过，随着技术能力和经验的提升，我觉得 30 万+的税后收入应该是很多人都能达到的。不过算法工作不够专心写代码，可能后端工作才更加专心写代码。相对来说入门薪酬也会低一些，内容就纯技术流了，上限也非常高（我认为可能比算法要高，或者差不多）。

后端要求：
- 刷题是必须的。基础数据结构+剑指 offer 应该就够了。
- 语言掌握要很深入。大量的相关技术栈的东西要掌握。工具，框架类的。
- 操作系统；网络；数据库都要有原理级别的了解和掌握。（但一般比较浅，本科的书本基本够）
- 项目经验。可能可以通过参与开源项目距来增强。
入门后的薪酬应该比你现在金融的要低。3 年经验差不多税后 25 吧，也是偏平均的薪水。之后都看个人能力了。