你想進(jìn)什么公司，和你讀什么計算機(jī)方向，關(guān)系不是很大。只要是理工科的學(xué)生，面對技術(shù)崗位，其實機(jī)會是差不多的。

至于你想什么職位，那顯然和你的專業(yè)/方向關(guān)系較大，比如說很多大數(shù)據(jù)職位，就明確表示要求你DM/ML/NLP/IR背景，但是這也只是說這些學(xué)生可能更有優(yōu)勢些，事實上，數(shù)學(xué)和統(tǒng)計學(xué)出身的，很多搞這個非常牛逼的。

所以，不要問選什么導(dǎo)師，選什么方向；也不要問我的實驗室很水老板很菜我還能找到好工作嗎？你要問的是：我想畢業(yè)去互聯(lián)
網(wǎng)公司，我讀研的這幾年是應(yīng)該打醬油呢，還是打地溝油？

想找一個好的互聯(lián)網(wǎng)技術(shù)類、研發(fā)類工作，無非就是以下4點(diǎn)，你任選一點(diǎn)，做好了，都是有利的，哪4點(diǎn)？

• 語言層面

• 算法層面

• 項目層面

• 專業(yè)層面

具體分析如下：

語言層面

你是想搞C++還是Java？選定一門語言后，多看一些這方面的書。

C++，不用說了，《Effective C++》，《More Effective C++》，《Inside The C++ Object Model》等等。

Java，最好能看點(diǎn)虛擬機(jī)相關(guān)的。尤其是Java虛擬機(jī)的內(nèi)存管理。以及多線程、線程池、設(shè)計模式等。

問題來了：學(xué)C++好還是學(xué)Java好呢？語言爭論每天都在發(fā)生，真的好無聊。建議按照方向和興趣來選擇，不靠譜的說：

如果是想做大型游戲開發(fā)、底層研發(fā)、系統(tǒng)研發(fā)、驅(qū)動研發(fā)等等，就選用C/C++。

如果是想做網(wǎng)站開發(fā)、網(wǎng)絡(luò)研發(fā)、上層開發(fā)、Android開發(fā)等等，就選用Java。

順便說一下，有空可以學(xué)學(xué)Python。

算法層面

學(xué)好算法。這個有兩條路，最好是并行，那就是看書和做題。

看書的話，主要有《算法導(dǎo)論》、《算法》（Robert Sedgewick著）、《算法競賽入門經(jīng)典》、《挑戰(zhàn)程序設(shè)計競賽》

找一本認(rèn)真看，認(rèn)真思考。證明過程可以不看，但是算法思想最好能懂，以及實現(xiàn)，最好能在紙張上寫出來。復(fù)雜度總要知道吧？

研一的時候，我就把算法導(dǎo)論上的很多算法，都自己親自coding了下。

特別復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，比如紅黑樹、B樹，沒空就別搞了?；ヂ?lián)網(wǎng)面試一般都不要求的。

主要是排序、查找、簡單DP、貪心、圖算法和搜索。 根據(jù)身邊同學(xué)的面試經(jīng)驗，二分搜索和快速排序，是面試常備了?？磿臅r候，如果有時間，可以思考幾個問題：

• 這個算法的時間空間復(fù)雜度，各是多少？如何分析？

• 工程實現(xiàn)里，都有哪些trick？如何加速？

• 這個算法可能用在哪些方面？有哪些應(yīng)用？你比如說吧，求交集的算法，就廣泛用在倒排索引、新浪微博共同關(guān)注、計算Jaccard系數(shù)等等上。

除了看書，還有就是很重要的：刷題啦。主要有poj，zoj等。找一個網(wǎng)站，認(rèn)真刷一些題目，踏踏實實的，別浮躁。

項目層面

如果實驗室比較牛，基本上忙項目就足夠累死累活了；不過做了相對給力的項目，對于找工作，還是有很大幫助的?；旧喜挥迷趺闯盍?。

如果老板這兒沒項目呢？

如果實驗室比較水，那就盡量去實習(xí)。大公司的實習(xí)經(jīng)驗很能給簡歷加分。如果老板不讓你出去實習(xí)。ok，既然實驗室很水，說明自由時間比較多，那還是可以干很多事。比如說，github上就有很多開源項目，你可以選擇一兩個著名的，閱讀源碼，然后嘗試自己也參與進(jìn)去。

說幾個我比較感興趣的開源項目吧：redis，spark。

專業(yè)層面

你對數(shù)據(jù)挖掘很精通，你對推薦系統(tǒng)很熟悉。你在NIPS，SIGIR上發(fā)表論文無數(shù)；你是百度推薦大賽，阿里巴巴大數(shù)據(jù)比賽冠軍常客。

也就是說，除了嘗試發(fā)頂會論文，還可以參加各種比賽。本專業(yè)本領(lǐng)域里都有什么比賽可以參加呢？搜一下微博或者知乎，或者問下師兄師姐，不就知道了？

專業(yè)層面，可以做的東西非常多。比如，你對數(shù)據(jù)挖掘很感興趣，那么數(shù)據(jù)挖掘中的常見模型，我們了解多少？機(jī)器學(xué)習(xí)，我們掌握到什么程度了？舉個例子：

• SVM和logistic regression這兩種model，有什么特點(diǎn)？各自的適用場合？

• feature selection的常用方法有哪些？為什么lasso可以作為feature selection？

• Adaboosting為什么不容易over-fitting？你能不能從statistical view來解釋解釋？

• 哦，你和我說，你不是搞學(xué)術(shù)研究，你反感Learning Theory，你說你是一個工程師，那你寫了多少代碼？

scikit-learn，weka，以及spark，你會用哪個工具？（熟悉一種工具）

你有自己下載一些數(shù)據(jù)集跑跑實驗嗎？你有參加一些大數(shù)據(jù)相關(guān)的競賽嗎？（動手實驗/參加比賽）

專業(yè)層面，能做的，要做的，還有很多。

哦，最好熟悉下linux的基本使用。

最后的話

如果能在讀研期間做到這里的一點(diǎn)或者幾點(diǎn)，到時候甚至不需要翻《編程之美》或者leetcode就毫無壓力啦。 最后說幾點(diǎn)個人感受。

• 算法牛，項目牛，長得又帥，又精通很多語言，這種人，是不多見的。

也就是說，你想拿一個好offer，一般只要有一兩點(diǎn)突出，就可以了。

• 互聯(lián)網(wǎng)面試，除了個別公司個別面試官，一般都是要考查（考查？考察？這兩個詞有什么區(qū)別？考察是調(diào)研、研究、分析的意思）算法的。你研一的時候準(zhǔn)備，看書做題，總比研三的時候抱佛腳來的好吧？

況且，算法的學(xué)習(xí)，也不僅僅是為了面試吧？可能是受益終身的?；蛘?，吹牛皮裝逼作為談資，也是可以的。

• 別輕易說我就要去某某公司。到時候，你會發(fā)現(xiàn)，選擇比你想象的多。

也有可能比你想象的還少，為什么？

就看你有沒有做到我上面說的這些了。