提问回复0805 | 自律-入门-实习-资源
【提问回复】
在每次月度总结中，进行一些问题征集，并对比较统一的问题进行统一回答。
往期回顾：
Q1：叉烧如何做到如此自律的。
A1：额，首先其实我自己觉得我不是一个很自律的人，例如写着写着公众号会玩手机刷知乎哈哈哈。我想你的问题估计就是我为什么能按照计划完成这么多事情的吧。我觉得有这么几个原因。
自己喜欢是一个因素，一个不可控因素，这里不展开啦。
规划上大部分人是规划的结果，但是很少人会想怎样做才能得到结果，你具体要做什么，所以在落实到每天，要想的是怎么做才能这个结果，你一旦对事情有比较清晰的认识，会给你一些动力，毕竟你的目标不再是虚无缥缈的。
习惯。人都有惰性，喜欢做重复的事情，毕竟重复的事情做多了成了条件发射就不劳驾大脑了，我们其实可以利用这点，把一些事情规律化，看书可以是不同的书，但是看书这个习惯养成，后来你不看也难受，大家可以理解为形成新习惯是要消耗能量的，习惯一旦养成其实就没那么费劲了，但是换句话，养成习惯阶段也得付出点代价吧。
压力。知道自己比很多人比不过，所以就得努力呗。
行动。遇到问题、逆境，第一反应不应该是焦虑啊，焦虑能解决问题吗？动手啊，想办法啊，这个才是解决问题的关键，你焦虑1个小时不如花5分钟百度看看事情怎么做，问题怎么解决。
Q2：叉烧一个月怎么做了这么多事？
A2：6月毕业，8月入职，7月就干活啦，没什么可以挖掘的额，下一题。
Q3：工业界推荐系统的流程和框架是什么样的，技术栈如何？
A3：首先意识到一点，推荐系统的推荐会有很多场景，面临的情况也很多，技术的选择其实也很多，在特定的人手上也有不同的习惯，因此没有万能的方法和框架，我来说一些常见的吧。
目前主流的推荐系统流程就是召回+排序，可以参照我这篇文章：RS | 推荐系统整体设计
模型实现上以python为主，结合tensorflow或者pytorch进行深度学习模型构建。
模型部署Java多于c++，我感觉这个与现在互联网行业兴起有关，web服务上Java有一些优势。
spark看到很多人也在用，但是这块我不太了解。
大数据方面我也不是很了解，到我手里离线直接就hive之类的接入了，数据层可能有redis、storm、flink之类的，这个真的和业务关系很大。kafka之类的抱歉不是很了解。
Q4：初学者如何学习工业界的内容
有关学习，在基础没什么问题的前提下（前提很重要！），可以找个比赛或者通用数据集，例如movielen，开始重现一些经典论文，github上应该有人已经做了一些尝试，可以参照这他们写。
经典模型最好会，笔面试应用都可能考，前沿的内容，如果是科研必须会，否则怎么谈创新，工业界，倒是不强求，毕竟工业界要求是稳，会前沿的有利于你对问题理解更广泛吧，面试如果你会可能会加分，选会吧，有时间紧跟前沿其实很好。
Q5:实习生在这里一般充当什么角色。
实习生，分很多吧，看公司，也和你岗位有关。有的公司可能会请你去打杂，标数据、写sql之类的，但是有的公司直接把你当0.5人力，你就开始干活了，当然了别指望委以重任，实习生的经验少，也不稳定，给你个重任你炸了的话，公司也炸了，所以给你一些边缘、不着急的活，你慢慢熟悉工作后，可能才会慢慢进入核心。
Q4：学习资源哪来的这么多，怎样才能不被资源限制学习进度？
学习都有目的，有了目标开始行动。
百度查、论文查、github查。
找有关的专家前辈提问和推荐。
B站、淘宝。
图书馆。
京东和淘宝有关领域的畅销书可以关注。
公众号下的抽奖送书，抽奖拼手气，重要的是知道他们抽的是什么书，里面你会发现很多新书，这是书里面的前沿呀！
提醒一句，精、合适、全面是最重要的。