從民辦三本到知名企業感知算法工程師

• 2020 年 12 月 11 日
• AI
• 其 他

寫在前面

從2020年8月底到11月中旬，歷時3個月秋招終於結束了，拿到了3個機械人與無人駕駛知名企業的offer，最終決定加入高仙機械人擔任感知算法工程師。

我是管郡智，網名無為，本碩均就讀於雙非高校，其中本科是民辦三本傳統車輛工程專業，與人工智能的交集只有數學和C語言。於2019年10月（研二論文開題前一個月）開始接觸三維點雲目標檢測算法，在今年的秋招中拿到了心儀的offer，這個過程發生的一切，足以影響我的一生。

寫這篇文章的目的有兩個：一是為了激勵正迷茫的碩士研究生，二是說明韌性和學習方法也可以爭取到機會。

目錄

1. 求職篇

2. 學習方法篇

3. 關於機會

4. 結語

5. 學習資料推薦

求職篇

2019年10月，我的課題正式定為基於三維點雲的目標檢測算法研究，開心而又焦慮，開心是因為我早就聽說了三維點雲，但遲遲沒有機會學習研究，這次終於有機會了，同樣也是令人焦慮的事，我怎麼在一個月之內才能研究明白三維點雲並且準備開題答辯。

當時，我身邊沒有懂點雲的師兄師姐，只能靠自己摸索，方法是搜各種關於三維點雲目標檢測的博客以及論文，硬着頭皮讀了大半個月，對這個領域有了初步的了解，又花了一周左右的時間將所有的知識點整理成十幾頁word，之後也順利通過了畢業論文開題答辯。但這個時候我心裏很清楚，自己對三維點雲的理解依然是混亂無序，依舊沒有對這個領域有一個系統性的認識，大概在12月份底，深藍學院上線了三維點雲處理課程，我第一時間報名了。

在12月份初到元旦後幾天，我一直在讀基於深度學習的三維物體檢測論文，研究了Faster-RCNN系列、YOLO系列、SSD、PixorNet、VoxelNet、PointPillars以及PointRCNN等等。論文一通閱讀之後，對這一領域的前沿算法的發展脈絡也慢慢清晰了，打算復現這些論文， PointPillars寫了一半焦頭爛額，查閱資料發現這些論文的代碼都開源了，又開始配環境，打算調試代碼學習。「好事」都趕一起了，由於實驗室的服務器壞了，暫時用不了，只能買票回老家了，我記得那天是1月14號，完美躲過了疫情，老天有眼。

回到家之後，因為沒有GPU，並沒有繼續學習，就給家裡干一些活，遠離書本來給自己減壓，沒幾天，疫情爆發了。春節之後，響應號召，呆在家裡一心看書學習。在二月份到四月份這兩個月的時間裏面，我表現的非常煩躁，想學習很多，但回頭髮現什麼也沒有學習進去。

當時想好好學習一遍數學，但又非常討厭應試形式的數學資料，經過調研查資料，最終確定在學習MIT的線性代數，學習哈佛大學的概率論，學習斯坦福大學的C++。結果因為課後習題（我特別討厭根據課後習題獲取學習反饋）而放棄了線性代數和概率論的學習，也有一部分原因是遇到不會的習題沒有人一起討論，那時候是沒有人會花時間學習基礎知識的，不過C++還算堅持到了最後，但學習效果並沒有達到預期，畢竟母語不是英語。

本打算在家沒有人打擾的情況下，重拾基礎，沒想到還是失敗了（現在回頭想一想主要是心急和學習方法不對，因為寫這篇文章的時候我正在再一次重新學習數學，不急不躁，正確的學習方法，對於數學的理解上了一層樓）。

接着就是深藍學院的三維點雲課程開課了，一開始不抱有多大的幻想，只想着這門課程能幫助我一點就行了（因為一直對網課印象不好，忽悠圈錢），事實上我的觀點是錯的。

當我聽課程第一章節之後，我就覺得我應該放下任何事情，好好學習這門課程，這之後我一直認為講師嘉信博士才華橫溢，對數學和感知算法的理解超乎我的想像。其實，開始在答疑群里我是很自卑的，因為我發現大家幾乎人均985，留學碩博，在群里的提問很小心，討論很小心。

慢慢的，到了課程第三章的時候，一個契機，當時在群里討論如何才能手寫出譜聚類算法，發現建立圖譜不容易，利用eigengap推斷聚類類別數量也很困難，我嘗試了很多辦法，最後選擇用0和1來建立圖譜，指定類別數量範圍，這兩個改進，成功實現譜聚類。

應其他小夥伴要求，在群里展示之後，得到了一致的贊同。也是那一天，我添加了講師嘉信博士的微信，聊了很多很多，着實相見恨晚，嘉信老師對我的幫助，也改變了我秋招的局勢。到了課程後期，我幾乎可以直接看着ppt上的算法編寫代碼，我記得北京科技大學的左師弟還問我是怎麼做到的，當時我回憶了一下說，我都是「硬」敲代碼，慢慢就熟練了。

在這裡我還得好好謝謝北京航空航天大學的孫師弟，雖然比我小一屆，但是水平絕對在我之上，課程裏面的算法沒少和他討論，一起研究怎麼敲代碼實現，最後我們都拿到了優秀學員證書。

經歷了三個月的學習之後，我對三維點雲處理有了很深很廣很全面的認識，同時也受邀成為第二期三維點雲處理課程的助教，當助教期間，我深深體會到，不能隨便說話，得對自己的觀點（算法理解）負責。

當助教期間也是另一個層次的學習機會，這時候的我更關心怎麼用最直白的語言幫助學員理解算法，怎麼幫助學員優化代碼。這期間，一邊給學員補充一些數學知識，一邊教他們如何利用矩陣庫敲代碼使程序運行更快，一邊開始利用搜索引擎回答學員的工程問題，慢慢地對感知算法的落地有了一個全面的認識。

深藍學院是一個很大的平台，學員中也有很多代碼能力很強的大佬，我根據批改作業的情況，開始囤優秀代碼，並偷偷學習。

那時正值暑假，我從五月份就開始找實習，因為疫情和學歷，我遇到了各種各樣的困難。前前後後應聘了十幾家公司，全部以失敗告終，奧迪中國因為英語口語有障礙，一些小創業公司更是因為疫情，現金流不健壯，導致不敢收實習生。這期間，深藍學院的班主任佳欣幫了我很多忙，一直通過各種消息渠道給我內推簡歷，奈何實在帶不動我。

找不到實習很崩潰，沒少跟長春理工大學的秦師兄抱怨，他是盡最大的努力幫我出謀劃策，最終決定，將三維點雲課程的兩個大作業好好研究作為項目（事實上，這兩個作業非常非常好，有很多值得讓人深思的地方，而且全部涉及到行業難點，再加上嘉信老師的指導，我幾乎完成了一個大項目），並且同時繼續學習理論基礎和源代碼，但是一個一直沒有解決的問題再一次出現了，我依然沒有一塊屬於自己的GPU，很多時候學習不方便且有時候學習直接終止。

經過再三思考之後，用花唄透支未來買了一台聯想拯救者Y7000遊戲本，別人買遊戲本打遊戲，我是買來學習的，現在回頭想想真的很值，因為我一個月薪水就可以買幾台了。

但是因為之前幾乎沒有接觸過Linux系統，安裝系統和配置系統也是非常費勁，自己搗鼓，上網查資料，向別人請教，能用到的辦法都用上了，因為2020款的Y7000硬件比較新，ubuntu安裝了四遍才成功，直到遇到了廣東工業大學的黃師弟，配置環境才步入正軌。工具準備好了，但代碼能力依然欠佳，很幸運遇到某無人駕駛獨角獸公司的吳偉老哥，我作業代碼里的高級寫法都是參考他的作業，一般都是學習他的敲法，並直接用在下一章作業代碼裏面，有了模仿對象，代碼能力就提升很快了。同時最後的大作業寫的磕磕絆絆，沒少參考大神GeYao的代碼，他真的很強，教科書般的代碼風格。這些直接加速提升了我的代碼能力。暑假我的重心基本就是在研究傳統三維點雲感知算法及代碼實現，以及前沿算法的開源代碼調試學習，併當好一名課程助教。

八月份是最難熬的，沒有實習，算法越研究越覺得自己學的非常皮毛，感覺自己掌握的還不夠深入，炎熱的夏天也加劇了負面情緒的積累，到了八月下旬，認識的好多名校的同學都相繼進入面試環節，甚至拿到心儀的offer。

到了八月底九月初，覺得自己應該可以參加秋招了，開始重新寫自己的簡歷，並有幸得到中科院王師兄的簡歷指點與修改，這時候的簡歷已經乾貨滿滿，看起來非常高大上（雖然沒有一篇頂會論文，沒有一塊競賽金牌）。

開始投遞第一波簡歷，然而令我沒有想到的是，一個面試機會都沒有，是我自己想多了，腦海里也浮現一句老話，學歷是塊敲門磚，我這個行業的標配幾乎就是985碩士科班出身。

遇到這事，誰都是崩潰，幾乎想放棄算法崗，轉頭C++開發崗，身邊也有不少名校同學轉開發成功了，並且薪水也不低，特別是聽到上交大王同學他們實驗室轉開發崗的都拿到了30w+的offer，我就更想轉了，隨即就找一直幫助我的好朋友東北大學的小月同學了解轉C++開發崗的細節，並開始惡補C++知識、計算機網絡以及操作系統（雖然小月最後依舊拿到了心儀的算法崗offer）。

我記得那天晚上還在朋友圈發了一個找不到工作的負面情緒，結果非常意外的事發生了，好多好多人開始私信我幫我內推簡歷，一大半都是做助教期間積累的人脈，深藍學院也幫我內推了好幾家公司，嘉信老師甚至為我寫了一封推薦信，助我找工作一臂之力。此後我就靠着朋友內推的方式開始找工作過了。

內推的崗位主要是三種：感知、建圖、C++開發。C++是我研究生同學託人幫我內推的，但連筆試都沒能過掉，計算機網絡和操作系統的知識在三天之內着實很難掌握透徹，不過C++倒是學習的很好，為後面的算法崗面試打下了基礎。

有一半的工作都是建圖和定位，通過面試也發現，主要集中在初創公司（公司業務還沒有到感知這一步），面試了好幾家，有兩家公司令我印象深刻，第一個是深藍為我內推的蘇州的一家初創公司，全程面試大概20分鐘，就說錄用我，對於當時的我來講簡直是不敢想像，但是因為崗位不是我心儀的，業務裏面用不到感知算法，並且薪水偏低一些，還是選擇繼續面其他公司。

還有一家是北京的初創公司，是我的學員為我內推的，因為我對這位學員印象非常好，兩個人經常交流算法，決定面試試一試，但面試我的不是學員本人，並且面試官不懂裝懂，想到以後可能和這樣的同事一起工作，我就感到很反感，後來我也和學員說明白了這件事，感到很抱歉，佔用了公司的招聘成本。

感知算法崗的面試還是比較少的，真的做到這一塊業務的公司已經是獨角獸和大廠了，我也收到了好幾家的面試通知，有兩家面試讓我印象深刻。第一家是北京某無人駕駛獨角獸公司，很早就關注了，沒想到真的收到了面試通知，面試的過程很舒服，算法總監提問很細很深，能體現出這位leader有很強的算法功底，並且很快收到HR面試，但之後一直沒有等到消息，在我兩次詢問下，才知道hc太少了，我被刷掉了。

剛開始是很氣憤的，耽誤了我很長時間（大概有十天），還拒掉了一家公司的offer，不過我還是很快的處理好情緒，通過各種辦法找到了算法總監的微信，詢問應聘失敗的原因。

令我意外的是，算法總監非常客氣地跟我講述了整個決策過程以及一些公司的考慮，並且不停強調我不是能力上的問題，只是hc太少，以及我缺乏實習經歷，還為我提出一些提升的建議，非常周全。後來我也厚臉皮要了實習經歷，不過還沒來得及實習，我又收到了高仙機械人的面試通知。

高仙的面試機會是東北大學的大佬王鵬同學（在發頂會論文數篇）的師兄幫我內推的。

面試過程真的是一波三折，面試過程中問了很多很多知識，範圍比較廣，不但面試了傳統感知算法和基於深度學習的感知算法，還詢問了算法的改進、部署等等，面試內容還包括Linux操作系統的基礎知識，Ros機械人操作系統的基礎知識和部署算法以及C++三大領域知識：標準模板庫、智能指針、多線程，還好那段日子好好學習了C++，基本都是從內存的角度回答出來了。線上C++筆試也很有意思，考察了棧和快排，也在規定時間敲出來並且運行成功。

高仙機械人連着HR面試一共四輪面試，我差點掛在最後一輪技術面試，能感覺出來面試官是很懂三維點雲的目標檢測算法及部署，根據簡歷問了很多很細很深的問題，其實我那時離簡歷裏面的項目實現也有兩個多月了，裏面好多實現的細節都有些模糊了，回答的時候有些踉蹌，不過我覺得在回答C++實現多線程的時候把前面的不足給蓋過去了。

加上之前就收到了兩家知名的創業公司（100-300人）的正式offer，權衡之後（評估加入公司後自己leader的專業能力），最終決定加入高仙機械人。

以上就是我秋招的面試經歷，一般的面試都是三輪，兩輪技術面試，一輪線上編程面試。充分準備項目和算法的同時，還要多刷題。

其中的技術面試是最重要的，算法學習一定要瞭然於心，達到知其在不同場景應用的優缺點的程度才算入門，並且一定要用代碼去驗證自己的想法是否達到預期，不然很多細節面試官一聽一問，面試者就露餡了。

學習算法的過程中一定要找懂算法的同學多交流討論，自己學習很容易鑽牛角尖，如果和不懂算法的同學討論，一是浪費了時間，二是很可能同學還會不懂裝懂，讓你哭笑不得，環境對於一個人的學習也是至關重要的。

其實面試的過程就是學習的過程，我在高仙機械人第一輪技術面試中Ros回答得不好，我知道最後一輪技術面試肯定會再次問我，我就找到了哈工大的崔同學學習Ros算法部署，並且在Ros系統裏面成功運行，在最後一輪面試中，很淡定地回答出來，並且還獲得了面試官的寶貴建議。

總體來看，我的面試通過率還是很高的，基本上給面試機會我大概率都能面試通過，我自己也總結了一下，主要是三個原因：

第一，離不開深藍學院這個平台，通過深藍學院我認識了很多很多名校的算法大佬，平時一起討論算法，對我的幫助很大，並且學院一直幫助我創造面試機會，對我的幫助是非常非常多的，一些面試之外可能出現的意外全部幫我提前想好，並提供一些建議，這無疑在無形之中提高了面試的成功率；

第二，非常非常感謝嘉信老師，整個求職期間一直指導我的項目，給我講解非常前沿的算法及解決方案，這在面試中對我的幫助是直截了當的，並且嘉信老師為了幫我增加獲得面試的機會，還特意為我寫了一份推薦信，雖然他說自己是小人物，不一定起作用，但我能明顯感覺得到，推薦信的威力很大；

第三，自己的極致努力，不可否認，沒有自己的努力、上進和韌性，嘉信老師就算腳踏重型獵鷹9號也帶不動我的，一切的一切都是自己先努力，別人才會主動熱心地提供幫助，別人如果不願意提供幫助，或者幫助的時候很不耐煩，要不先思考一下，自己有沒有認真對待，有沒有花200%的精力去面對、克服困難。

最後我得感謝自己的父母、繆心心、發小和實驗室同學及舍友，他們在我人生最迷茫的時候，一直陪着我。

家裡雖然很忙，爸媽依然堅持我把時間花在學習上，而不是幹活上，父母是我堅強的後盾，是我堅持走下去的勇氣，在他們眼裡，我永遠是長不大的孩子。繆心心用討人厭的方式為我解壓，為我打氣，讓生活變得有聲有色。

大丙和陳偉一直陪着我打球吃夜宵，聽我嘮叨，緩解了我很多壓力。實驗室同學和舍友知道我找心儀offer不順，一直幫助我穩定情緒，分散注意力。他們都陪着我走過低谷時期，打心底感謝他們。

學習方法篇

我一直覺得以前的種種不順和自己錯誤的學習方法也是有很大關係的，在吾將上下而求索的過程中，我慢慢悟到了一套屬於自己的學習方法。

首先，我覺得很必要來重新認識一下學習，什麼是學習？屯資料？買書？報班？大學課堂？還是向大牛請教？我覺得都不是，這些都是獲取學習資源的階段，去看視頻資料、上課、讀書、請教也依然處於記憶零碎知識的階段，並沒有進入真正的學習階段。那什麼時候才是真正開始學習？答案：輸出。只有將自己記憶的零散知識點通過某一種方式從腦袋裏面再次輸出之後，才是學習的開始階段。

我自己做過一個試驗，一本權威的資料，只看不寫，一本普通的資料，看完之後，在word裏面寫下自己的理解，隨心所欲的寫，正文寫完之後再寫一個Summary。一周之後，神奇的事情發生了，即使資料不是很好，我對其的理解依舊深刻，幾乎可以脫口而出。

從此以後，我的學習方法都是以寫下自己的理解和Summary為主，學習速度和效率大大提升，這樣的學習方法讓我很有成就感，就跟打遊戲一樣，一關一關通過。當然，這是我自己找的一套感覺很棒的學習方法，不是萬能的，並非人人適用，主要的意思是及時輸出，以自己喜歡的方式輸出，所以老師講課越來越厲害的原因找到了，當助教學習效果更好的原因找到了，動手實踐發現自己啥也不懂的原因也找到了，本質上這些都是及時輸出，找反饋。

不過學習也沒有這麼簡單啦，學習資源也是前人留下來的，以文字、視頻的方式記載下來的，那不免會有表達不當造成的理解錯誤，這是我在把自己的所學用到現實生活中發現的，根據這個問題我又找到一個方法克服，就是我們的一句老話，實踐出真知，當把自己的所學有所運用，就會發現，由於各種原因，我們學到的知識其實理解還是有一些瑕疵和錯誤的，當我們把所學知識與現實世界交互的時候，就會得到很多正反饋和負反饋，正反饋幫助我們強化已經掌握的知識，負反饋來糾正錯誤的認識，達到完善知識體系的效果，這和目標檢測網絡的難負樣本挖掘好像異曲同工之妙。

這時候經常聽到別人會說，那看書有啥用？這裡犯了一個邏輯上的錯誤，沒有書本幫助我們在大腦里建立完整的知識體系，我們怎麼知道應該如何和現實世界交互呢（成本很低的情況下，可以跳過書本和世界交互，如果風險大，直接擼起袖子干，一旦失敗代價可能很慘重）。我的觀點是，看書（記憶零散知識的統稱）很重要，但是不會學習，那就變成書獃子了，看書+輸出=成本最低的學習方法。

還有一點非常重要，就是一定要休息好，休息好是一切高效學習的前提。晚上一定要睡好，睡舒服，平時要多鍛煉提高代謝率。如果打算學習了，就盡量避免去消耗精力的場景，比如超市，商品琳琅滿目，大腦會將看到的商品一個一個自動識別。

再比如我從宿舍走到實驗室有兩條路，小路和大路，小路很快，大路反而繞路，但我每天都會選擇都大路，因為小路要注意腳下，注意台階，在用腦，而大路就是寬敞的大陸，沒有任何障礙，我走路的同時可以發獃可以想一想計劃，思考別的，然後到了實驗室之後打開電腦，直接進入學習狀態。

這麼做的原因很簡單，人的精力是很有限的，一天24小時，注意力集中高生產力的時間可能也就四個小時，所以不要讓任何消耗精力的事情在做正經事之前發生，要把充沛的精力花在刀刃上。

下面介紹我自己的學習方法：

1、查找最權威最完整的學習資源；

2、以最快的速度把學習資源閱讀（看、聽、寫）一遍；

3、花最大的努力將知識點及時輸出並寫Summary；

4、尋找最低的成本實踐所學；

5、等待一個機會，將自己的所學發揮出來，創造價值。

1、 尋找學習資源的質量可以決定我們發展的天花板。這個動作其實不是一步到位的，當自己的水平提升之後，自己的視野就會更加廣闊，這時候尋找的學習資料就會更加經典權威。剛開始步入一個行業尋找學習資源是最難受的，很難找到真實的全面的，我深深體會過，學習感受很糟糕，全靠自己的毅力，大部分人是在這一步就放棄的。

其實這裡就涉及信息差這個概念，好的環境有靠譜的信息，那第一步就會非常容易。自己的建議是，去這一個領域的名校想辦法找到那個專業的學生或者老師詢問入門資源，或者通過高考和考研進入這個學校。

如果大家對人工智能或者機械人領域感興趣，那就直接推薦深藍學院了，全部是硬核課程，學完絕對是建立了完整的知識體系。對感知算法感興趣當然是選擇嘉信老師的三維點雲處理課程了。

2、 快速的學習是非常有必要的。但我猜很多人會認為是快速看書看視頻，快速動手做完一件事。這其實是錯誤的，真的快速去做的時候，就會發現，剛開始沒多久就會放棄了。

我說的快速過一遍，其實是包含及時反饋的，一邊學習資料，一邊用word記錄自己純粹的理解，完全用自己的大白話講出來的輸出，一個知識點看完就及時輸出。這個過程其實很慢的，所以要注意力集中，排除一切誘惑一切瑣碎的事情，拿出整塊時間做這件事，必須成模塊的學習結束之後，才能停止，不然我會感覺很難受。

一個模塊（一個章節、一個視頻）學習結束之後，將自己的及時輸出閱讀一遍，趁熱打鐵寫一個Summary，這個時候學習才算結束。

這裡的及時輸出很多方式，比如直接動手試一下是最好的，可以想辦法為自己創造條件，現在人手一部電腦，可以用仿真軟件尋找反饋，程序員可以敲代碼試一下，算法工程師可以敲代碼或者在機械人系統裏面仿真一下。

方式各種各樣，自己喜歡就行，不過目的是一樣的，那就是及時的輸出，因為這一步才是真正意義上的學習。

3、 在第2步裏面已經說了很多，但不全面。學習不是簡單的事情，我們得尊重自己大腦會遺忘的這個事實，第一遍學習不可避免會出現知識點遺漏和知識點太難學不會的問題，第2遍學習的作用就直接凸顯出來了。

用相同的方法以更快的速度將之前的筆記和原資料學習一遍，主要的操作：其實這時候對知識已經很熟悉了，所以閱讀資料的速度也是飛起來了，閱讀之後，就對自己的筆記重新修改刪減，以達到全面、言簡意駭的效果。這一遍梳理之後，就會有一種恍然大明白的感覺，彷彿見到了光明。

4、 理論知識紮實之後，就得用實踐來檢驗一下是不是有效果，一般而言理論知識和現實世界交互都是有負反饋的，畢竟不是每一個人都是作家，不能用精準的語言記錄自己的所聞所見。

這時候的實踐就可以幫助我們調整或者重整自己對這個領域建立的知識體系。但有一個原則，那就是花最低的成本去實踐，如果為了驗證某一個idea，把自己年輕的生命搭進去了，那就太不值得了，不排除一些偉大的科學家。

比如算法工程師可以創建仿真環境，只需要一台帶GPU的電腦就可以，程序員就更簡單了，只要有電腦能敲代碼就行，其他工科也有相應的仿真軟件。像哲學、文學、教育這些行業，就真的需要時間慢慢沉澱了，與世界的互動非但不能快，還需要慢慢體悟。創新就是在這個階段產生的。

**5、 **我們學習知識是為了什麼？找工作？賺錢？炫耀？找存在感？我覺得都不是，我覺得會學習的人一定不會為了這些目的，會學習的人會有很強的思考能力，看到的遠遠不止這些。只有自己覺得這些知識很厲害的時候才會向別人炫耀，而自己對知識的掌握又有幾成呢。

我從不敢跟別人說自己很懂算法，更不會去炫耀自己的學習方法，因為我有一個很強烈的感覺，懂得越多，明白的越多，越會發覺自己只是滄海一粟，時刻提醒自己多學習，充實自己。

對待學習，我覺得有兩個目的：一是認識自己，二是參與到社會分工中，創造價值。不可否認，很多人都是從炫耀、找工作、賺錢這些目的開始的，我就是為了找到工作，哈哈。但找到工作之後，解決了溫飽之後，人自然而然就會產生其他想法，也就是更高的追求。

所以，在柴米油鹽的同時，抽出時間想一想，我是為什麼學習？活着是為了什麼？

當然，學習方法這一塊只是我這兩年根據自己的經歷感受寫的一些總結，說不定明年我就自己推翻這一套理論了，所以，我建議每一個人尋找適合自己的學習方法。但我還是想再強調一點，學習=輸出，而不是自我感動、堅持等等。

關於機會

不要放過每一個機會。把自己裝備好之後，依然拿不到心儀的offer，依然一事無成也是很正常的，因為不是每個人都有機會的。

清華北大的學生之所以厲害並不是所有人都是天才，很大一部分人是小時候就掌握了正確的學習方法以及吃苦耐勞的品質，他們的厲害之處來源於他們有足夠多的機會，且獲得這些機會的成本很低，幾乎觸手可及。

藉助得天獨厚的學校資源，清北學生可以從各個方面提升自己，他們就像坐着電梯直接厲害到上天，而普通學校的學生真的是沒有機會，我覺得自己就屬於自己開山造路型的學生，什麼也沒有，什麼都要自己去爭取，有一點機會都會當作寶貝一樣珍惜。

所以，對於普通孩子來講，高考考研絕對是最好的機會，如果錯失了，那就要好好珍惜每一次小小的機會，來鍛煉自己成長起來。越努力越幸運，總會有一個天大的好機會，落到自己頭上，然後利用自己早就準備好的才華，好好利用機會，成就一番事業。

結語

學習算法一定一定要踏實，不管時間多麼緊急，都要從基礎理論學起，看似很慢，其實是最快的學習速度，不尊重基礎，輕則學習速度慢，重則從入門到放棄。基礎也是一個人對算法理解的天花板，想要在拿到算法崗的offer，請遠離調包調參，深入算法的內部數學原理。

把我逼急了什麼事都能做出來，除了數學。算法功底練深厚之後，那做啥都會很快，也能快速上手其他領域的知識。天才真的很少，甚至這輩子都遇不到一個，厚積薄發而已。

多和優秀的人交朋友，優秀的人，很謙虛禮貌，時刻關注自己的前方和腳下的路，和他們交流，會非常的充實、幸福。成長的路上，註定進入一個圈子後又很快離開一個圈子，這也是成長的代價，但並不是放棄自己的故友，有機會見面了，一定要不醉不歸，回憶過去。

「遇貴人先立業，遇良人先成家，無貴人而先自立，無良人而先修身」 。所謂成長，挺過一個又一個困難，抓住一個又一個機會， Anything is Possible!

學習資料推薦

以下推薦一些自己正在看、反覆看的學習資料：

三維點雲處理算法：首推嘉信老師在深藍學院開設的《三維點雲算法處理課程》；

目標檢測網絡源碼學習：推薦張士峰博士在深藍學院開設的《基於深度學習的目標檢測算法》和香港中文大學開源的OpenPCDet源碼庫；

C++資料：王建偉老師寫的《C++新經典》系列，看完就能懂；

深度學習基礎：推薦斯坦福的cs231n或者吳恩達的課程，花書；

數據結構與算法：左程雲的書《程序員代碼面試指南IT名企算法與數據結構題目最優解》及《劍指offer》 ；

數學基礎：Probabilistic Graphical Models: Principles and Techniques，或者中文譯本《概率圖模型-原理與技術》 。

ROS機械人操作系統：**古月的書《ROS機械人開發實踐》 ，同時也在深藍開設了課程。

深藍學院正在徵集原創稿件，誠邀大家一起來投稿，為人工智能貢獻自己的一份力量！