@Akiyu 哪方面的数学?
我最近几个月都在梳理线性代数跟矩阵的东西, 推荐一本我反复看过的书:
Linear Algebra and Its Applications, David C. Lay. 最新版大概是第 5 版, 还有两门公开课:
1). 哈工大 矩阵分析 严质彬
2). 北大 高等代数 丘维声, 结合他的书, 可以形成一个比较完整的体系
在学校的时候就是没学过高代, 导致后面的很多专业课程都一知半解, 感觉哪儿断了一截一样, 就是代数学基础不够;

另一方面是分析学, 微积分跟着傅里叶分析, 复分析, 实分析, 泛函分析, 分析学平时除了微积分其它用的比较少, 什么拓扑学跟微分几何更用不上, 平时都在处理一些工程上的东西, 所以用的都是工科数学

再一个方面是统计与概率, 以及后续课程, 这块也是弱项, 我也只有个大学概率与统计基础, 看过随机过程平时用不到也忘了

我想给数据科学和物理学都打个比较坚实的基础, 所以准备从这三方面入手, 而代数学里面的线代跟矩阵可以说后续所有课程的奠基石, 里面的概念要融入血液中, 我现在还也还在奠基.

还有我觉得学的数学只需要比现在工作用的数学深一点广一点就行了, 那么下次就可以接手比现在高端一点的工作, 如此反复, 就能一步一步迈向比较高端的领域, 我是依这种想法来做的 :)

@crazypig14 可能会那样, 但是基本背景知识还得自己去补一补

@www5070504 不会线性地看, 找到主线, 构建自己的知识体系就行了, 需要细化的地方以后可以针对性地补

@SunFarrell 的确跟互联网关系不大, 不然我网络知识不会是一片空缺了. 干了两年, 主要工作有根据需求实现一些图像算法, 一些关于相机的应用, 各种自动化批处理任务, 大把空闲时间都在看数学跟编程相关

@monimonipo 谢谢, 我也有的

@lisicong 你可以参考下这个地方的招聘要求: http://www.gaoxiaojob.com/zhaopin/zhuanti/zsdxgjcjjsgzzx2019/index.html

@darknoll 哈哈, 把看书学习当成玩就行了. 一直想熟悉下 linux 方面的东西, 但一直用不上, 看个开头就丢下了, 反复几次, 这个契机得好好利用起来一次性上道

@ys0290 嗯, 谢谢推荐, 我在根据大家的推荐整理一条路径

@0x000007b
没做过分布式计算, CPU 并发的也只看过这两本:
An Introduction to Parallel Programming
C++ Concurrency in Action

@lingxi27
@ys0290

一句话说: 我也不知道怎么回事啦!
该会的东西自然还是会, 毕竟我简历写的是"高性能计算应用与研发岗位"
我只知道自己做的报告陈述, 面试官想法我不清楚; 另外我是视频面试的, 连对面几个人都看不到, 听声音至少 4 个人吧

@Tony042 是的, 包括这些, 所以要做的工作并不会太难, 只是会比较杂

@Cellei 现在很多科研的进行都需要大规模的模拟计算, 有钱的可以自己砸钱买服务器; 当然为了某些地方的科技发展, zf 也会斥巨资建立一些超级计算机中心, 各个科研平台可以利用这些计算资源, 不需要自己维护管理, 只需要交租金就行了; 超算中心负责维护管理这些设备(运维), 培训用户, 当然也会开发一些专业软件(我其实是想做这个)

@yuikns
@ryd994
@avastms
@strcmp
@delectate
@ys0290
@shakoon

统一回复下你们的疑问: 其实, 我也很纳闷儿啦!

面试只是讲了个 ppt 报告, 然后问了些问题. 因为运维已经有专人了, 我顶多去打辅助, 还有跟用户打交道, 我只能瞎猜是看中科研能力和自学能力吧(我的报告以问题为导向, 为了更好地解决那些问题, 一步一步深入计算机原理, 也学了一个个编程语言); 没有笔试, 也没刷过什么算法题, 对我来讲, 有这个时间的话, 不如花在数学物理上.

我初心想是做关于科学计算方面的研发, 当知道要参与运维和跟用户打交道时其实有点打退堂鼓,但是想想如果以后想在科学计算上走得更远, 则必须要依赖于大规模集群, 必须跟形形色色的人打交道, 而这些方面是自己现在最欠缺的, 所以应该抓住这个机会准备挑战下自己, 当然那边学习资源跟学习环境都很不错, 对我吸引力很大.

@Thymolblue
@Merlini
因为轮子造得够多了, 所以 Python 可以享受这些硕果, 现在 Fortran 依旧活跃在科学计算领域, 尤其是一些专业领域计算软件的开发, 可以去看看现代 Fortran 的特性, 已经跟"上古时期"不是一个样了, 就跟现代 C++与 C++98 的差距

http://fortranwiki.org/fortran/show/Fortran+2018

HDF5 可以了解一下
https://www.hdfgroup.org/

sandbox

感觉跟匈牙利命名法思想如出一辙, 虽然也是在 win 下开发, 但是从来不用 windows 那一套花哨的惯例, 徒增心智负担, 不如花心思真正磨砺一下命名的能力(抽象问题的能力). 除了跨平台问题, 更重要的是"跨程序员"问题, 不熟悉这种特别规定的人看着只会觉得头大

用过大华相机的 sdk 跟 Sapera LT sdk, 如果机制都差不多的话, 都是通过一个回调函数获取图像, 这样的话不如在 cython 中直接使用其 sdk 的函数, 然后传给 python 处理就很容易了.

我看过的说法是, python 的内置函数如__len__, __str__, __repr__等是为所有对象规定的一个 interface 或者 proxy, 如果自定义的类要实现其中某些功能, 只要在类中重写相应内置函数就可以了, 然后调用相应内置函数即可得到相应效果, 避免各种 a.size(), a.len(), a.length(), a.nitems(), a.xxx 的出现

一句话: 提供统一的 proxy, 遵循这种统一的 proxy, pythonic ヽ(｡☉౪ ⊙)ﾉ

卡学历

主要原因我认为是: 机器学习必须的数学基础比如线性代数之后的矩阵论,矩阵分析, 概率论之后的随机过程等, 以及各种优化方法, 几乎都是相关专业的研究生才有的课程, 虽然本科有涉及, 但都很浅显, 不过数学专业本科相对学得较深, 也有专门往机器学习方向培养的本科生. 要是后续自学过关也不是什么问题. 虽然后来很可能都是 api caller, 但是也区分盲目的跟睿智的 api caller

每隔一段时间 python 都要出一个这种 bug
这是好事, 说明玩蛇的队伍一直都在壮大

from setuptools import setup, Extension
from Cython.Build import cythonize

setup(ext_modules=cythonize(['one.py','two.py'])) 列表里面放要编译成 pyd 的脚本

python setup.py build_ext --inplace 编译
编译器用 https://www.microsoft.com/en-us/download/details.aspx?id=44266

indirect to