作者：车

摄影：车

入职也有好一段时间了，前段时间试用期结束了。

在互联网公司的试用期一般都是三个月。但这个时间其实并不是严格的，可能提前就答辩了。

而我就是其中一位，原本打算三个月的工作，也被扯断了。最终两个多月的时间就开始准备答辩的事情。

虽然今年情况严重，但只要被招进来的，只要公司别太心狠，个人别太作妖，结果基本上没啥问题，自己和周围的年轻同事，普遍都担心过，但还没见过没过的。

聊聊试用期的一起总结吧。

背景

说下简单的背景，以防不适合的人错误的听取信息。

首先我的经历只适合互联网的朋友们，其他可以自行参考，目前就职一所互联网公司，toB业务。

其次我是算法工程师的岗位，并非研究岗，可以发论文，但论文都是工作的总结，论文也只是加分项。

我的工作内容并非都是模型设计，可解释性的解决方案十分重要（可解释性ML有限），还需要完成算法设计以外的工程任务，类似于机器学习平台的优化等等。

工作

试用期的工作，不管是在OKR还是KPI，我感觉都是在一个较为高要求的情况下制定的，基本上能完成已经算好得了。

我经手的工作，大体简单来说，就是在一个特定的问题下，构建算法系统，并因为整体算法架构的原因，需要把自己常用的python语言，整体迁移到GO语言，包含算法的设计和算法的工程化落地。

这里比较难的几点：

1. 算法需要是通用的设计，并非特定一个场景点的算法，所以大多数情况都要考虑，让算法更加的通用化。（算法设计的难点）

2. 需要在较短的时间内，完成算法整体底层到上层的迁移以及和现有框架的集成。（虽然从本科大一到现在 我从c语言->java->c++->python都写了一些，但都不太精湛，而最近两三年基本上都用的python，其他基本上忘没了），其中算法设计刚开始依然用的python，但要整体迁移成go（go没学过，要现学现卖），再工程化集成到现有的机器学习架构中去（这里的机器学习框架代码量巨大，需要看懂并能对应修改）。

3. 考虑到2的难度，在1构建的同时也为了高可解释性（要让别人认可你的结果，这点尤为重要），我大多倾向在机器学习层面考虑问题，这样也让算法从底层迁移变得更加容易。

4. 各种业务概念，各种基建要熟练掌握使用。

完成情况

最终把算法设计出来了，也做了一些对比实验，主要还是依照很多公开的数据集，但就是这些公开的数据集，其实和真实情况差距还是很大的，所以算法本身还是有很多需要优化的点。

其次，大概利用了两周的时间完成了python到go的硬核迁移，在迁移之前可以说的上go一窍不通，整个流程基本上也是现学现卖，大概装环境，看语法、例子一两天，其他就是开始直接写起来，刚开始三四天进度比较迟缓，后面基本上顺手了。

最终也完成了迁移和整合。

反思

• 在我的工作当中，作为算法工程师，可能并不能算纯粹的算法工程师，某种意义上，要是0.1个产品+0.4个开发+0.5个算法，要有整体系统的概念。所以要尽可能的锻炼自己全方位的能力，虽然说技术要深耕，但整体的系统能力也要同时加强，才能不断的独立完成某个项目系统。

• 代码能力需要加强，强的代码能力能让自己减少很多不必要的麻烦。像我的mentor，代码能力非常之强，语言广泛不说，最主要是代码写完基本上就可以bug free，而相反，我经常性的丢掉边界条件，写完还需要独立的一块时间来fix bugs，整体的研发时间就会拉长很多。（强的代码能力包括快速的实现能力，语言的掌握能力还有整体代码的设计能力，这块后面细说）

• 需要良好的代码模块测试能力。之前自己并没有接触那么大的代码量项目，所以基本上测试都是全量代码测试，其实说这是全量其实也没多少代码量，但现在这么大代码量，不管哪种语言，都掌握了test模块的测试环节，这会让写代码测试提高很多效率。

• 心态需要放平。很多项目都是持久化的项目，没有做完，只有做的更好，不断的优化，所以心态上要放平，慢慢做，学会记录，不断的学习和进步，心态上不能太浮躁，觉得自己做完美了，也不能太急躁，觉得自己太慢了，反而这样会延缓自己的项目进度，也不能太不自信，自己做的好的地方，可以在报告的时候重点讲。

• 学会请教。在请教之前要自己尽量快速全面的调研，实在解决不出来，也不要闷头自己做，而是抓紧沟通，目标是更快的推进。如果在一个气氛还算不错的团队，其实技术极客类型的同事会不少，有问题沟通，其实同事都很热心。

强的代码能力

这里有个误区，很多朋友以为代码写的快，快速实现就是很强的代码能力，其实这是片面的。

当然快速的代码实现是一种很强的代码能力的体现，但这并不够更上一层楼，这可能更多取决于勤奋和熟练。

而我个人觉得代码的设计能力也是非常重要的代码能力的体现。

一个代码流程怎么去设计，怎么去抽象（抽象了之后才能很好的去做接口，面向对象编程），怎么能做到比较好的代码缩扩容，这也是非常重要的能力（可能更偏向于对于机器学习平台研发、机器学习算法工程化，偏研发），这个能力主要取决于代码的设计思想（设计模式）。

除了以上两点，毋庸置疑还有对语言的掌握程度，语言的一些底层和常用trick的掌握。

中心思想的理解，比如java面向对象，c面向过程，go我更愿意称为面向函数编程。

以上这些能力，可以从已经商业化的代码库中找找灵感，比如看sklearn的底层逻辑，pytorch的源代码，我也在不断的读ing，不过任重而道远啊！

总结

一句话。

时间过的很快，希望工作做的越来越到位，自己的技术能力也越来越强！

推荐阅读：我的2022届互联网校招分享我的2021总结浅谈算法岗和开发岗的区别互联网校招研发薪资汇总
2022届互联网求职现状，金9银10快变成铜9铁10！！公众号：AI蜗牛车保持谦逊、保持自律、保持进步发送【蜗牛】获取一份《手把手AI项目》（AI蜗牛车著）
发送【1222】获取一份不错的leetcode刷题笔记发送【AI四大名著】获取四本经典AI电子书