标签：数据结构 自己 软工 面试官 kmp nbsp 一个 排位赛 end
科大以“注重基础知识”闻名，学生也都顶着“数理基础扎实”的头衔。实际上在我看来，不管是数学还是IT，大部分同学的基础知识，也未必扎实，基础知识扎实的第一个要素，考试能考得好，第二个要素，被人提了问能毫无滞涩的回答。就像书中写的，任何一个学过数据结构的同学，能够不看书，快速准确地写出Dijkstra或者KMP算法并且运行起来没有BUG吗？我不行。面试的时候，面试官提的，可能就不是Dijkstra这种最基础的算法问题了。
归其原因，同学们并没有真正认真地学习基础知识，并且考试的给分越来越松、考前“救命”习题课越来越多。课程难，标准也松了，所以就算一学期没听课的同学，考前一星期突击，可能可以考80，考前一个月突击，说不定可以90，这样子学习，基础知识扎实？
基础知识、理论知识在IT领域重不重要？和工程实践水平比起来，哪个重要？我觉得这取决于一个人目前所在的层次，或者说是目标的层次。如果只想当个码农混口饭吃，那么，后者是第一位的，只要能出货，就万事大吉。如果想要成为一个"IT工程师"、“数据科学家”，那么，包括但不限于数学基础知识，算法理论，计算机原理，都是非常重要的，只有不拘泥在“出货”这个层次，才能体会到某些理论知识和基本算法，是如何影响一个领域的。就像我们在连计算机都不会用的时候，若是读到埃达·洛夫莱斯关于计算学的理论，肯定觉得没用，但是当我们现在真正开始研究计算机了，才能体会到她在她那个时代的一些断言，是多么具有预见性。
来科大快两年了，特别是在选软工这门课之后，痛切地觉得自己只是个井底之蛙。理论方面不足，实践方面更加缺乏。我认为书中写的很好，课外可以不学太多理论，但是一定要去做那些会让你愿意去学理论的事情。
我认为竞赛是一个非常好的方式，大学各种国内外竞赛实际上都没有什么参赛成本，很多甚至连报名费都没有，就算只是抱着体验的心态去参加一下，也是极好的。而且实际上，说是体验一下，上了赛场，就要有赛场的心态，不可能敷衍了事，因此参加过比赛后，多多少少，还是会有提高。
个人目前规划的发展方向，第一是数据科学，第二是信息安全，因此计划开始数据科学方面的学习，工具层面从较为通用和简单的python开始，再进而学习各种理论框架。数据科学方面，有一个个人觉得非常有意思也非常有名的竞赛——Kaggle。当我第一次看见Kaggle竞赛的赛制的时候，我就觉得这是个培养兴趣、提升能力的好地方。
按照我的理解，Kaggle在数据科学中的角色类似于网络游戏的“排位赛”，奖金池的不同，就是网游中“段位”的不同，那些奖金池数万数十万美金的竞赛，就是“最强王者”们的平台，而我们这些小白混迹的没有奖金池的竞赛，就是“青铜”等级了。参加这个竞赛并没有什么成本，它也没有ACM、”某某建模大赛“、”某某算法大赛“那种唬人的名号，甚至可以以游戏的心态去参加。（但是实际上，这些竞赛中可能甚至包含机场安全或是卫星数据这种层次的科研项目）。
如果不是在较大的竞赛中胜出，大概对简历也没有什么帮助，但是我认为在Kaggle中一步步往上爬：在最小的竞赛中进入前50%，进入前20%，获得一场竞赛的胜利，参加更大的竞赛......肯定是非常有乐趣的，这一个个小进步作为短期目标来说，没有什么比这更好的了。
这真的非常，非常，非常令我感兴趣！我当然是愿意把课外时间耗在这种“排位赛”上的！
我现在的阶段目标，就是尽快地参与到Kaggle中去。我当然知道Kaggle实际非常难，知道可能大学四年我也赢不了任何一场竞赛， 但是参加的目的是更有乐趣地学习，这个目的实现了就够了。况且，那么多网游玩家脱离不了“青铜”，还是乐此不疲地参加“排位赛”，这种赛制的魅力不是没有其道理。
标签：数据结构 自己 软工 面试官 kmp nbsp 一个 排位赛 end
原文地址：https://www.cnblogs.com/Ignoramus/p/8878819.html
