很快地，工作满一年了，回首这一年，总体来说发展地不如我预想中的顺利。虽然在绩效方面还算是取得了不错的成绩，但是晋升受阻，前些日子的面试也失败了。因此，仔细思考了一下未来工作之余应该如何发展各个方面的能力，业余时间如何分配，记录如下，希望明年回头看看这段文字自己在这些方面能够有所提高。

主要能力

目前从事广告方向的机器学习、数据挖掘工作，最为重要的能力必然是机器学习相关知识。在这个领域中，能力又可分为几个方面，一方面是通用机器学习以及数据处理框架的使用以及源码阅读，如tensorflow/torch/numpy/pandas等等，虽然现在在一个大公司内部不使用这些框架，但仍然有必要熟悉训练框架中的一种以及数据处理通用包的使用，对于一些经典的框架，需要通过阅读源码的方式熟悉这些框架中的实现细节，也可以相应的提升代码功底。第二，最好的熟悉框架的方式必然是实际使用了，目前比较好的应用场景是天池/kaggle等数据竞赛，除去熟悉框架使用外，参加这些数据竞赛预期也能够较好的提升特征工程能力。第三，对于机器学习的基础知识，需要不断复习，基础的机器学习知识是面试中的重点内容，对于西瓜书/PRML/统计学习方法/花书/ESL等，需要吃透所有方法的细节。第四，对于学术前沿内容，其他领域如CV/NLP等需要关注关键性论文，至少大概知道新方法的核心创新在哪里，对于领域相关度较高的计算广告/CTR预估以及机器学习通用性方法/强化学习等，需要广泛涉猎各类论文，关注主流会议，及时获取新思想并在工作中进行转化。

除去机器学习之外，另一个我希望投入较大精力的领域是经济金融，虽然通过交易获取利润注定是一条非常艰难的路，但是我觉得这是一个普通人有希望达成真正的财务自由——哪怕不工作躺在家里也有足够的收入的唯一道路。这一方面就从CFA考试开始，慢慢积累。

次要能力

次要能力实际上是对主要能力的补充，对于机器学习来说，具有一定的数学基础是深刻理解机器学习方法的必由之路，与机器学习较为相关的科目包括线性代数、微积分、凸优化。由于离本科毕业也较长时间了，加上之前也没有系统地学习过凸优化，有一些论文看起来较为吃力，这一方面需要重新跟进一两门本科课程。因为在工业界机器学习更多的还是作为一种工具方法，不需要很多理论推导，因此数学的学习优先级较低。

另一方面，作为一名程序员，coding能力也是非常重要的一个方面。coding能力又可分三个方面进行锻炼。第一，虽然日常工作中不会用到，但是在面试中不可避免的会被问到各类数据结构与算法题，这次失败的面试的重大减分项也是数据结构题没有写出来，因此，平时需要对leetcode medium以及部分hard题进行练习，保证在未来的面试中被问到数据结构题手不生。第二，需要熟悉一两门语言的语言特性，比较重要的就算是C++以及python了，这方面需要把《efficient C++》《C++ STL源码解析》等书浏览一遍，结合日常实践，使得自己能够更好地掌握一些较为高级的程序写法。第三，日常工作中使用到的hadoop以及bigflow变成也需要熟悉，这方面较简单，完成bigflow练习即可。

再次能力及娱乐

再次一级，希望自己在英语的口语以及阅读方面能有所提高，提升英语阅读能力可以提升很多资料的阅读效率，口语则给自己一个跑路的可能。

在娱乐方面，希望自己少花时间在直播、抖音等“精神鸦片”上，偶尔玩玩游戏，学学日语都是不错的选择，书架上的《冰与火之歌》《S.》以及很多很多书都在等着我。

立此贴为据，明年回头来看看自己完成了多少。