研二上学期总结

Posted by Suffoquer on 2022-12-22

现在是12.22,从学校跑毒回家结果还是阳了,现在已经发烧第四天了还是没退烧,不管了,烧吧烧吧。躺在床上没事干,来写写总结。

课程

缺8学分,选了4+3+2,亏了一分心痛好久。这学期又可以记两个PF,好像除了研一上以外我几乎都是PF了。真好,反正西贝尔早就没戏了,硕士GPA也没什么用,懒得卷了,没有意义。

人类从历史中学到的唯一教训就是人类不会从历史中吸取教训。我在课上学到的唯一真理就是我上课学不到任何东西。

最优化方法(PF)

就去过一次线下课,后面都是雨课堂线上了,反正也没听过。有14次作业,但是好像只占20%。作业就对着PPT和凡老师的作业答案拟合,大部分都是原题。不得不说,这老师的PPT做得确实不太行,直接看感觉好乱,可能是我没听课的问题。 还没考试,不过是开卷。考完再来写

考完了,一点也不难,而且PF了我也不在意。

至于说学到了什么,印象最深的东西就是凸函数的定义,其他的好像都没学会。凡老师觉得这个对科研还是有帮助的,也许吧。我做(混)的科研大多都跟数学没什么关系,我也不觉得这些数学课能对做检索推荐的人有什么帮助。再说,真有什么需要用的数学,现学大概也能学会吧。

机器人认知计算(PF)

佳玉姐推荐的课,无作业无考勤,评分就是最后写个报告。只去了第一节课,后面一次都没有听过,打算到ddl用xiezuocat或者chatgpt胡诌个报告交上去完事,反正PF,我就不信他会挂我。

人工智能

马老师的课,主要面向外系的同学介绍人工智能,内容非常基础。讲实话实用价值并不高,要学理论的话朱军的统计机器学习会深入得多,要学应用的话也有自然语言处理或者计算机视觉相应的课。马老师给本科生开的“人工智能导论”和这个内容一样作业一样,所以才选了,作业改下学号直接交就行。

课程有随堂小测,不过我都没做。三次大作业和一次考试,三次任选一次做就可以了。大作业是拼音输入法,重力四子棋AI和mnist手写数字识别。以前第三次是文本情感分类,改成这个更简单了,直接用chatgpt写肯定都没问题。

考试可以带两张A4纸的小抄,按照本科经验难度应该不大,不过我现在应该比本科时候退化很多了。涉及的考点就那几个,会有一个开放一点的题,我是瞎写的。

科研

本来不想写这部分的,我哪有在科研,我只是在完成任务让老板看起来我在做事而已。一直在搞Dense Retrieval迁移的事情,纯粹就是在不停尝试各种做法,最后总算碰上一个看起来有效果的东西。本来是借鉴了之前一篇工作(Match-Prompt)的做法,用在DR上好像也还行。谁知道12月的时候发现人家作者自己也用在DR上又搞了一篇,方法上和我的几乎一样比我高级得多。没办法,祈祷审稿人没看过那篇吧。

别的没什么好写的,现在在赶论文,要是这篇赶不上的话,能拖一拖改一改当硕士毕设也挺好的。

找工

这学期一开始我就在焦虑秋招的事情了,预想了很多要做的事情,不过大多烂尾了。烂尾贯穿我的人生,烂尾就是我的常态,这篇能写到这里还没烂尾真是奇迹了。 方向是入学时候就明确了的,优先级应该是大厂ML平台/系统开发 > 量化dev > 大厂算法岗 = 游戏厂开发 = 国企/其他

简单解释一下吧,首先是为什么开发 > 算法,本科失败的科研经历让我觉得自己不适合做探索类的事情(硕士之后更加确信了),每天去思考为什么模型没有效果对我来说是种折磨,学生时期还好,最坏的结果就是被老板骂一顿,要是工作以后几个月没成果估计就要刷题找下家了。相比这样,我宁愿做踏实一点的开发工作,累点就累点,好歹写一行代码是一行。

为什么平台和系统,我觉得AI在未来几十年内肯定还是有很大发展空间的,具体到算法和模型上肯定会快速迭代,但是像AI平台和系统相对来讲会稳定一些,应该不太容易被全面淘汰。

量化纯粹是冲着钱去的,只考虑dev,不考虑quant researcher,原因上面解释过了,我讨厌产出不确定的事情(况且researcher我估计也做不了,看了下tmh的笔试题,就没几题我会做的)。做量化技术路线和大厂不太一样,之后发展会更局限一点,但架不住量化给的是真的多。只考虑外资,稳定一点,搞不好哪天一纸公文,国内就没有量化这个行业了,谁知道呢。

(好了,这下全部真香了)2024.03

9月份做了简历之后发现没有拿得出手的项目和经历,项目全是本科的大作业,没有什么亮点。经历上只有一段某大厂推荐算法岗的实习,做的事情naive到我都不好意思写出来。觉得要搞一些项目,当时选了rCore和TinyKV。rCore能顺便重新学一遍os,写了写发现和面试要问的差太远了,还是老老实实背八股吧,就没继续了。TinyKV想着写完了可以替代掉原来的数据库项目,顺便还带一点分布式的东西,写了两个lab,烂尾了。

Leetcode断断续续在刷,会的还是会,不会的看了题解下次碰到大概率还是不会,感觉没什么长进,还是得专门抽时间集中刷题。

准备先面试几家看看情况,投了腾讯和百度。百度投了深度学习平台开发,一直在简历初筛,应当不至于简历都过不了吧。腾讯投的是后台开发,天美工作室捞起来的,一面挂了,具体面试经过就不写了。看了几家大厂都不招日常实习了,有点头大。准备年后让李哥帮忙内推一下,现在还没时间准备这事。

其他

没有什么其他,我的日常就是实验室-宿舍-食堂,娱乐活动几乎只有游戏,偶尔打台球。我没有生活,我只是活着。

总结就写到这里吧,现在记忆力大不如前了,上半年的事好多都想不起来了,以后还是得多写下来。

PS

刚刚试了一下拿chatgpt写人工智能的作业,以下是一段给出的结果:

在这份报告中,我们研究了使用卷积神经网络(CNN)在MNIST数据集上进行手写数字识别时,使用不同超参数的效果。 首先,我们尝试使用不同的优化器来训练模型,包括Adam和SGD。我们发现,使用Adam优化器训练的模型在测试数据上的准确率为97.75%,而使用SGD优化器训练的模型的准确率为95.39%。因此,在这种情况下,使用Adam优化器训练的模型表现得更好。 然后,我们尝试调整卷积层的数量和尺寸。我们发现,将卷积层数从2增加到3可以使模型的准确率提高1.16%,而将卷积核尺寸从3x3增加到5x5则使准确率提高了1.29%。 最后,我们尝试调整批量大小。我们发现,将批量大小从32增加到64可以使模型的准确率提高0.79%,而将批量大小从64减小到16则使准确率下降了0.87%。

代码和报告都不用自己写了,至于报告里的数据准不准,我不知道,不过助教也必不可能去跑实验,就算不准又有什么关系呢。



Suffoquer's Blog

作诗中...


Meow?