记录求职过程中的心理历程和目标方向--仅作记录用==
当初考上研究生并选取了大热的人工智能方向，我暗自窃喜，方不知自己和大学舍友的差距正在逐日拉大。有人说三年工作经验（硕士三年）并不一定比硕士学位差，我很认同这种说法。三年的工作经验真的能够学到很多很多学校里学不到的（尤其是读研期间不能出去实习的我）技能与知识，如为人处世的技巧、公司业务知识、社会上各岗位行情等等。但各有利弊。我宽慰自己=我首先拿到了硕士文凭、再者开阔了自己的视野（工作及知识）、提高了自己的能力。but--从微观的角度看腻了自己的生活，我更喜欢从宏观的角度出发来总结自己读研期间的成长与收获：课题一般般，课题方向应用性差；算法基础知识掌握一般般；没有项目经历和实习经历；上述三点直接的引发了我在本次秋招中的忧虑，从未感受到如此的就业压力。我开始寻找自己的就业出路。立足于读研期间所学知识与技能，我选定了数据分析岗作为我的毕业首份工作目标，现实是残酷的啊，投了很多公司，大小厂都有，但是回复的却很少，究其原因、一是自己不够优秀，无实习经历，竞争力太低，说到竞争力就得说说第二点：数据分析的缺口并没有网络上宣传的大，并且转行数据分析的人太了，各行各业的都在转行数据分析，why？因为数据分析偏业务，门槛低，会sql提数、会统计知识、会python、有业务理解能力就能做数据分析师，大多工作一两年的人转行数据分析的不在少数，狼多肉少。在这种大环境下，自己没有两把刷子真的很难找到一份自己心目中的工作，这两把刷子是什么？答：软实力与硬实力，逻辑思维、业务能力、工具的使用。笼统来讲：数据分析偏业务、数据挖掘偏技术，为了凸显自己的优势，我决定去做数据挖掘，在博客上看到一句话：“应该把数据分析作为数据挖掘过程中的一种能力”。
自己的知识储备还远远未能和自己的目标工作相匹配。充分准备数据挖掘工作，即使数据挖掘不成功，也能找到数据分析的工作，因为两者的区别不是很明显，无非是业务和技术上的区别。万事开头难，担心自己的行动路线不对，我和女朋友谈了自己的担忧，女朋友开导我：“放开手去干，不要因为未知而恐惧”。对啊，放手去做，技多不压身。
转做数据挖掘，就要扎实自己的机器学习、数据挖掘相关概念知识以及统计学基础知识。制定每天的学习计划，以此记录来督促自己，并每日在该文末进行学习日记更新。
----------------------------------------------------------我是10.4分界线
三天过去了，一边忙着课题室课题，一边储备知识，感觉这个秋招是凉了，知识储备不够啊，在论坛看各种大神转行、更有厉害的大佬一天有效时间能有14小时，然后进了ali，厉害，膜拜啊，我和大佬差得太多了，执行力、学习效率and so on，笨鸟继续飞
两天没有更新，两天内读了读金字塔原理，由于假设检验部分不是很熟悉，学习了统计分析。以下针对统计分析部分进行总结。
课程参考：张文彤老师的统计课程https://www.bilibili.com/video/BV1h541147xB?p=31
第一章：从简单概念入手，讲了连续变量、离散变量、统计量（样本特征指标）、总体参数（总体特征指标）、概率、频率、小概率事件（小概率原理是统计推断的基础）、初探了抽样误差，讲述了统计研究的基本步骤：设计收集、整理、分析。其中分析部分引出了统计描述（了解样本数据情况）和样本回推整体即统计推断（参数估计和假设检验）。
第二章：（连续变量）紧接着第一章上述内容说的分析部分引出的两个概念，本章讲了统计描述，包含集中趋势（描述指标：均数、中位数、几何均数、众数、截尾均数）；离散趋势-个人理解为波动情况（全距、离均差、方差-正太分布适用、标准差-同上、变异系数-同上-为了不同量纲的可比性、百分位数-非正态分布适用、四分位数-同上）；分布形状（正偏态和负偏态-以大头位置定义）；分布特征（离群值和极端值另外分析）；统计工具的实现（excel函数：average()median()geomean()mode()trimmean()var.p()stdev.p()percentile.inc()quartile.inc()or加载宏方式、python、sas、spss）
第三章：（简单讲了分类变量-eg血型）分类变量的统计描述指标（频数列表、百分比、累计百分比、众数、比、构成比、率等）
第四章：正式进入了正态分布的世界。
从概率分布到正态分布，我们统计的直方图的面积实际上可以转换成频率或者百分比，因为当样本量越大，频率趋向于概率，组距越来越小，直方条顶端变成一条曲线，该曲线即为概率密度分布曲线，曲线下的面积就是对应的累计概率（概率密度曲线就是大量重复随机抽样下个体数值变化的规律），好了，现在明白了分布曲线的含义。引出正态分布，正态分布mu是曲线的峰位置（集中趋势），sigma是离散趋势，正态分布是对称的。mu和sigma取不同的值时，正太曲线不相同，为了便于应用上的计算，计算了均值mu为0，sigma为1时曲线下的面积分布规律N（0，1），其他正太分布和标准正态分布就有了一定的转换关系，因此，只要将相应的指标转换为服从标准正态分布，就可以根据该面积分布规律计算出累计概率。
第五章：讲了二项分布的相关知识，其可应用于白细胞等参考值的确定。
第六章：讲了抽样误差和统计推断。
第七章：假设检验知识
我是分界线-------------------------------------------------------------10.11
本周学习内容为ml的应用，包含数据挖掘十大算法的代码实现及应用，算法的公式推导。gogogo
参考书目：机器学习实战：
第一章：knn算法（精度高、对异常值不敏感、无输入数据假定。计算复杂度高、空间复杂度高。）原理：存在样本集合，集合中每个样本都包含数据标签，输入新的没有标签的数据，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据的分类标签，一般来说我们选定k个最相近的数据，通常k不大于20.选择k个醉相思数据中出现次数最多的分类，作为新数据的分类。所以knn算法中没有模型训练这一步骤，可以计算欧氏距离（点差平方和开方-点与点的距离）

我是分界线----10-10---
社会在进步，不学习新知识就会和社会脱节，只有不断学习新知识才能保持自己的活力、竞争力，才能够更好的迎接新机遇，新挑战。十月假期过去了，继续进入公司的笔试面试环节。连着三天笔试：便利蜂、百度、58同城。相关record在另一篇讨论帖中哦。点我传送https://www.nowcoder.com/discuss/530702?source_id=profile_create&channel=1009