面对就业“寒流”丝毫不见回暖，就业“门槛”不断提高，“毕业就等于失业”的现状，大学生一进大学就开始为将来的毕业和找工作做准备。有的忙着考级、考研，有的忙着专升本，还有的忙着自考，其中一定有诸多疑惑和担忧。为深入了解同学们的现状，搭建系领导和同学们交流的平台，以解答相关疑惑，《杏坛之声》编辑部在我系团总支的领导下特别为同学们安排了此次调研。本次调研对经管系不同专业、不同班级进行问卷调查，最后进行了总结反馈，并做了解答，其结果如下：

一、越来越多的人选择考研，考研方面的疑惑也越来越多。考研方面的疑惑有：

（一）研究生和本科生的就业形势如何？如何抉择考研与就业？

至今，在学的全日制和非全日制研究生规模达到硕士研究生120万，博士研究生15万。我国高等学历教育规模增长的速度明显快于我国经济发展，高等教育规模的增长幅度也大大高于我国GDP的增长幅度，呈现出扩招起步快、增长不平稳、大起大落的态势，如研究生数量增长太迅速等，致使毕业研究生出现了总量供大于求，即就业中的“卖方市场”。在就业机会一定的情况下，不仅研究生之间的竞争日益激烈，就是研究生和本科生之间竞争也呈现出白热化的趋势。“就业寒流”丝毫不见回暖，“毕业就等于失业”，就业“门槛”不断加高。无论是本科生还是研究生，就业形势都很严峻，就业前景令人担忧。

对于面临毕业的大学学子来讲，考研还是就业，成为一个现实的两难问题。如今，大多数选择考研的学生早已不是单纯做学问的心态，而是各种性格、价值观、人生态度交织在一起产生的综合反映，当今社会在不断的发展，对人才的要求也越来越高了，很多学生选择勇敢的面对强大的就业压力，是比较理性和慎重的。而选择考研的大部分同学目标也比较明确，不盲目不随大流。总的来说，考不考研因个人条件而定。无论如何都要确定好自己的目标，坚定信念，抓实专业知识，以便能够在即将到来的就业之旅中占有一席之地。

（二）如何选择跨专业报考的学校和专业？跨专业报考有哪些困难？

1.确定自己是否适合继续学习本专业，而后决定是否有跨专业报考的必要。

2.确认即将报考的专业是冷门专业、热门专业还是新兴专业。

3.确认跨专业的性质，是属于理科转工科、理工科转文科还是刚好相反。

4.确定报考的学校，即报考本校还是报考外校。

5.确认自己选择报考的学校属于小型院校、大型综合学校还是研究院。

   无可否认，跨校跨专业报考的确存在很多困难，例如，要重新买专业书、找专业笔记，这些都是非常麻烦的事情。此外，由于自己所学的专业与报考的专业完全不同，也必须比本专业的考生在专业课上花费更多的时间和精力，公共课复习就会随之受到影响。但只要自己努力付出，工夫不负有心人，就会成功的。

（三）经管系各专业分别有哪些考研“热门”专业和知名院校及导师？

热门专业：金融学、数量经济学、财政学、产业经济学、国民经济学、西方经济学、企业管理、行政管理、工商管理

经管类专业全国最出色的学校：人大、厦大、上财、复旦、西交、东财、浙大、中财

著名导师：张成福 法学博士，中国人民大学公共管理学院副院长、教授，博士生导师

张立荣 华中师范大学管理学院院长，主要研究公共政治学、政府管理理论与改革、比较行政制度

张康之 中国人民大学行政管理学系教授，博士生导师

胡坚 北京大学经济学院副院长，兼金融系主任教授、博士生导师

李庆云 北京大学经济学院教授,博士生导师，为国务院参事成员

刘文析 北京大学经济学院西方经济学专业教授、博士生导师

田国强 上海财经大学经济学博士、博士生导师

戴国强 上海财经大学金融学院院长、教授、博士生导师

姜波克 复旦大学国际金融研究中心主任、博士生导师、著名经济学家

（四）对考研科目应注意什么？

不同的学校考试科目不同，但政治和外语（一般是英语）是必考的，其余科目要到该学校的研究生招生专业目录上去查，包括初试科目、复试科目以及参考书目。考生也可以打电话问该学校。不同的专业对考试科目的要求也不一样，一般来说，经济类的都必须考数学，但管理类的就不一定，如行政管理。

（五）考研对英语和数学有何要求？如何备考英语和数学？

   考研对英语没有具体的要求，没四级也可以报名，主要注重的是逻辑判断能力，而四六级则是看做题速度。

 考研复习是一个系统而复杂的过程，考研英语的复习则是这个过程的关键环节，我们需要对考研英语进行全方位的规划，预备阶段的复习重点在于基础，包括考研单词的记忆和考研语法的复习。对于单词，首先，删除已经熟练掌握的词汇；第二，大量且快速的背；第三，有重点的背。对于语法，应结合英语真题中经常出现的语法难点和重点，掌握基础的语法知识。考研英语完形与阅读主要考查的语法知识有长难句的理解（包括快速准确地理解这个句子的成分）、各个成分之间的关系和涉及到的语法知识、正确翻译句子等。因此，平时多阅读文章，并做到可以“通顺”地理解所读材料的含义，有重点的分析造成理解障碍的要点、难点或盲点。

、四这四种，一般理工类的科目考数一或数二，经管类科目考数三或数四（数三和数四相对简单些，数一和数二难些），都是全国统一命题。具体考什么，不同的学校要求也不同。考研数学的内容包括三个部分：微积分、线性代数、概率论与数理统计。这是基础知识，简单但重要。备考数学，第一个阶段是按照考试大纲划分复习范围，在熟悉大纲的基础上对考试必备的基础知识进行系统的复习，了解考研数学的基本内容、重点、难点和特点。第二个阶段是在第一阶段的基础上，做一定数量的题，重点解决解题思路的问题。第三个阶段是实战训练阶段，考生要对大纲所要求的知识点做最后的梳理，熟记公式，系统地做几套模拟试卷，进行实战训练，自测复习成果。

（六）有没有必要买考研教辅和报辅导班？若有必要，如何选择？

   教辅和报班应根据学生实际情况自主选择，辅导班或辅导书只是学习的一种手段，最终解决问题还要靠自己动手动脑。

 考研参考书层出不穷，如何选择是每个考生都会遇到的问题。因此向考生提出以下几点建议：首先要选择那些有归纳和总结、在方法上高屋建瓴、有具体指导方法，并以题型为纲的辅导书。这种辅导书是以题型为纲，而不是搞题海战术。其次，应选择有超前性前瞻性的书。书中应有作者精心讲解的方法和技巧，可以用来解决将来考研中的试题。考生不必选择太多的书，但是所选的辅导书中一定要有重要的概念定理和公式，有题型的归纳总结。

   辅导班有没有用，关键在于你是否坚持下来了，特别是你对他们老师的认同度怎么样！参加辅导班，有一定的好处：第一，我们可以在这里学习那些自己比较不扎实的知识；第二，我觉得报班可以提供一些信息，而这些信息对我们很重要；第三，报班可以减少自己的盲目性。当然，如果个人能力很强的话，这些东西就不需要了，如果是不跨专业的，也可以不报。

（七）请推荐一些与考研相关的网站。

（八）考研在时间上有哪些注意事项？

1.下面以2012年考研时间为例给大家提供些参考，每年考研时间都大致相同

2011年10月—11月 1.研究生考试网上报名工作开始，谨慎填报，牢记报名信息。

2.研究生考试报名工作确认开始，考生到指定的地点进行现场确 认，缴费并照相。

2011年11月下旬 第三轮复习，政治、英语、数学、专业课进入冲刺复习阶段，购买辅导冲刺的内部资料。

2011年12月—2012年1月 进行模拟实训，报一个冲刺班进行查缺补漏，做考前整理。

2012年2月 复试调剂，调整心态，熟悉考试环境，准备考试。

放松心情，查询初试成绩。

2012年3月 关注复试分数线。

2012年4月 准备复试，联系招生单位。

2012年5月 关注复试成绩。

2012年6月—7月 录取报到，关注录取通知书。

（九）考研时如何更好地通过面试？

 对于上线并能进入复试的考生来说，复试中的面试是一个非常关键的环节。对待面试，考生既要放松心情，又要严肃认真。考生表情要自然，落落大方。回答问题时，考生要有一说一，求真务实，不浮躁，不虚夸。一般而言，多数研究生导师喜欢做事严谨、踏实肯干的考生。以前的研究生面试中，有的考生为了显示自己学术功底深厚、具有科研能力，进门就夸夸而谈，遇到不懂的问题还装懂，结果往往被淘汰。

   考生还要在平时养成做事细心踏实的习惯。粗心大意、马马虎虎是面试中的一大忌讳。曾经有考生因机读卡的准考证号漏涂一个数字而造成一门学科客观题得分为零。在重大考试时连准考证号都不能正确填写的考生，一般导师是不敢把科研课题交给他来做的，尤其是理工科。由此可知，不论是初试，还是复试，考生都要认真仔细，不可粗枝大叶，草草了事。

   考生考研、读研不要有太强的功利性。换言之，考生考研的目的不能仅仅为了混个研究生文凭。目的不端正，在读研期间自然也就很难做出什么成果，这一点是研究生导师不愿看到的。面试时，导师们往往会从侧面考察考生报考研究生的动机，了解考生的性格品质，从而判断考生是否适合在本校读研。

（十）考研何时准备最好？选择考研后还用参加大四的实习吗？

   考研准备不在于早，而在于是否真正用心准备，是否真正全身心地投入。一般情况下在大三暑假即七月份开始着手准备，此时距考试还有半年，时间足够。甚至在9月份也来得及。但千万记住，一旦开始动手准备，就要全身心的投入，至少要保证每天有8~10小时的复习时间。

虽然早点确定要考什么学校和考什么专业比较好，但是像有些大学的同学从入大学起就开始准备，或从大二就开始准备，也未免过头了一点。这样一来，整个大学生活完全围着考研转，在以后回忆起自己的大学生活时，难免觉得自己为了考研，放弃了太多的东西，别人有美好的大学生活，而自己的大学生活却黯淡无光。

   因此，如果已经决定考研，那么在大三前要找好将来要考到的课，然后认真学，学到和考研差不多的水平（比如说在上课时，特别是期末考试前就抱着考研的数学复习指导书来看）时，就是在为将来顺利考上研究生做准备了。在大三前，把所有的数学课都尽量学好，尽早把英语提高到六级水平或六级优秀的水平，这都是为考研做了很好的准备。

 如果考本专业，那么大三下学期开始看数学以及一些专业课就可以了。如果是跨专业，则最好是大三上学期就开始学一些该专业的课程或直接读该专业的考研指定参考书，然后在大三下学期开始看与指定参考书的书名相同、但作者不一样、内容也有些差异的教材，这样可以增加对指定教材的理解，也可以降低考试时出现没见过的内容的危险。最近，可能由于考研竞争激烈，也听到过很多学校的专业课出现大面积超出指定教材的现象，有时甚至出现超过一半的考试内容在指定的参考书（主要是经济类和纯文科的专业）上找不到的现象，所以早点读些其他教材非常重要，如果指定的教材不够权威、内容太浅或不够全面，那么就应该仔细研读与该书同名的权威教材。

   大学一般都把专业实习安排在大四，但对于要考研的学生来说，大四上学期是复习的重要阶段；而对于要找工作的学生来说，大四下学期是找工作的黄金时期。所以，当考研、找工作与专业实习冲突时，学生们“无条件”地放弃了实习。

二、专升本是专科生进修的桥梁，面对激烈的竞争环境，更多的专科生通过专升本来弥补不足。他们有如下疑惑：

（一）专升本的就业前景如何？专科生应如何应对？

 学历越高，将来发展的前景越好，得到提升的机会越大。现在很多单位在提拔人才时，首先看的就是学历。从目前来看，全国就业形势严峻，很多的本科毕业生毕业即失业，很难找到一份满意的工作，专科生就业就更难了。而且相对本科生来说，专科生就业渠道更窄，社会歧视专科生的现象很严重，很多本科生能考的，专科生都不能考，比如选调生、大学生支援西部计划等等，公*对专科生也有很多限制，像地方公*，专科生只能报考一些乡镇级别的职位。

 在就业形式相当严峻的情况下，专科生所找到的工作往往与自己的专业和初衷相去甚远，工作的目的也仅是挣钱糊口，但专科生不要就此放弃，并且要尽可能争取每次跳槽能站在一个比原来更高的起点。那种从基层干起，慢慢往上爬的观念表面上看十分正确，但实际情况是，从底层看到的景象并不是很光明或令人鼓舞的，它反而会抹杀一个人的进取心，许多从基层干起的人，从来不曾设法抬起头，以便让命运之神看到他们，所以他们永远停留在底层。许多专科生因此放弃了自己的理想，并就此淹没在生活的底层洪流中。

   彼得原理有个重要推论，那就是职位越低，斗争越激烈，机会越少，人的消耗也越大，越往上，人的路越好走。所以，专科生找工作要尽量争取从基层的上一步或上两步走，从而免去底层生活的折磨，尤其是避开低层次的竞争，避免形成狭碍的思想和悲观的论调。学历并不代表一切，赚钱靠的是能力！

（二）专升本的渠道有哪些？

专科生进入本科深造可以分为三种情况：

1.成人高考接本：专科毕业工作一年后，可通过全国成人高考中的专接本考试进入成人院校学习，一般不脱产或半脱产。

2.自考接本：高教自考中有独立本科段考试，每个专业有10多门课程，全部通过可获得国家承认本科学历。考生可自学，也可参加业余辅导班，边工作边学习。

3.专升本考试：招生对象为省内普通高等学校、高等职业技术学校(包括电大普专班)的优秀应届专科毕业生。在考试内容与教学衔接上更符合当前专科教育特点，应该成为专升本的主渠道。

（三）专升本的考试科目有哪些？都有何要求？

行政管理： 1.计算机；2.英语；3.综合一（管理学原理、行政管理学）；4.综合二（政治学原理、行政法学）

工程管理： 1.计算机；2.英语；3.综合一（管理学、会计学）；4.综合二（建筑材料、招投标与合同管理）

国际经济与贸易：1.计算机 ；2.英语；3.综合一（高等数学、会计学）；4.综合二（国际贸易理论与实务、市场营销学）

会计学： 1.计算机；2.英语；3.综合一（高等数学、基础会计）；4.综合二（财务会计、审计）

电子商务： 1.计算机；2.英语；3.综合一（高等数学、经济法）；4.综合二（网络营销、国际商务）

市场营销： 1.计算机；2.英语；3.综合一（经济法、会计基础）；4.综合二（市场营销

金融学： 1.计算机；2.英语；3.综合一（西方经济学、货币银行学）；4.综合二（会计学、保险学原理）

公共事业管理： 1.计算机；2.英语；3.综合一（管理学原理、管理心理学）；4.综合二（人力资源开发与管理、公共关系学）

工商管理： 1.计算机；2.英语；3.综合一（经济数学、管理学基础）；4.综合二（经济学、基础会计）

旅游管理： 1.计算机；2.英语；3.综合一（旅游概论、旅游心理学）；4.综合二（旅游市场营销、旅游资源与开发）

法学： 1.计算机；2.英语；3.综合一（法理学、宪法）；4.综合二（民法、刑法、经济法）

思想政治教育： 1.英语; 2.计算机;3.综合一（教育学、心理学、法学概论）；4.综合二（哲学、科学社会主义、国际时事政治）

（四）目前我省内招收专升本的学校有哪些？

 今年共有28所高校招收专升本考生，其中师范类专业参与招生的学校有临沂师范学院、菏泽学院、德州学院、济宁学院、滨州学院、枣庄学院、泰山学院、潍坊学院8所市属二本高校，医学、中医、护理类专业的招生院校则为泰山医学院、山东中医药大学、济宁医学院、潍坊医学院、滨州医学院等。普通高职高专类专业参与招生的学校有中国石油大学胜利学院、中国海洋大学青岛学院、烟台大学文经学院、山东师范大学历山学院、山东科技大学泰山科技学院、山东经济学院燕山学院、山东财政学院东方学院、曲阜师范大学杏坛学院、青岛农业大学海都学院、青岛理工大学琴岛学院、聊城大学东昌学院、济南大学泉城学院和8所市属高校。

（五）请具体介绍一下近年来我系专升本的情况

   在我系师生的共同努力下，我系专升本率越来越高。2007级共有专科生97人，其中有17人成功升入本科，升本率达17.5%。2008级，我系再创佳绩，在101位专科同学中有62人参加专升本考试，其中有24人实现本科梦想，踏入理想的大学，使我系的升本率提高到23.8%，实现了专升本的又一次跨越。

 这一成绩的取得离不开我系教师的辛勤工作，更离不开同学们的勤奋努力。07级思政专业的孙成栋等同学升入聊城大学，行政管理专业的齐洁、王珊珊进入了山东经济学院，思政班的张艳艳等同学升入了曲阜师范大学。08级专升本中，思政班的李红艳、王德军，行管专业的孙恒恒等同学考入临沂大学，行管专业的杜琳琳、张德江等同学升入了滨州学院，薛亚坤、陈哲等同学进入了青岛农业大学，王晓妮同学考入了山东财政学院，朱仙梅同学则考入了山东工商学院。同学们取得的这一良好成绩，充分体现了我系师生锐意进取、刻苦钻研的精神。

三、目前各类证书、考试培训广告布满大学校园：英语四六级、计算机等级证、雅思、注册会计师、驾证等各类证书，培训花样繁多，问题和疑惑也越来越多。考级方面的疑惑有：

（一）大学有哪些需要考的证书，这些证有何重要性？拿证有什么作用？

大学需要考的证书及其重要性：

大学英语四、六级证书(CET-4，CET-6)：极其重要；

专业八级：只有英语专业才有资格考，但很多职位对此证书有要求，如翻译或者外籍主

大学英语四、六级口语证书：证书不重要，能力和面试时的表达重要；

英语中高级口译：含金量很高；

托福(TOFEL)：只有少数企业会问到是否考过托福，但同时会担心你工作不久后，可能会出国溜掉；

雅思(IELTS)：少数英联邦国家企业会注意到你考过雅思，但绝不是必要条件；

剑桥商务英语(BEC)：证书说明了你的英语能力，也说明你在大学里很好学，懒惰的同学不会去学，或者学了考不过的，这是企业关注的；

托业考试(TOEIC)：鸡肋，有比没有好；没有培训，只是考试，企业不感冒。；

小结：四六级证书最重要，其他有比无好；至于口语，关键看面试时的表现。

Office操作是基本技能，不需要证书的。

全国计算机二级证书：有些大城市申请户口时用，是必要条件，如上海市；

其他如：ACCP、MCSA、CCNA，以及名目繁多的专项技能计算机证书，则与未来具体工作选择相关，不是每个企业都会看重，甚至知道这些证书的。

关于计算机技能的各种培训很多，但被企业认同的证书却不多，关键看实际操作技能。

注册会计师(CPA)：共五科，每科报名费80元。

注册金融分析师(CFA)：需要相关方面3年以上工作经验，考证难度很高(考证费用2～3万元)。

特许公认会计师(ACCA)：ACCA被称为“会计师界的金饭碗”。英国立法许可ACCA会员从事审计、投资顾问和破产执行的工作，有资格直接在欧盟国家执业。(考试费用在2万元以内)

希望从事财务工作，或者以后要做职业经理人的，财务知识必不可少，财务类证书和财务知识使你早日成功。

4.毕业证、学位证、第二学位

这是最重要的证书，存在三点区别：一是名牌院校和普通院校的区别；二是热门专业和冷门专业的区别；三是专科、本科、研究生的区别。

专业背景是企业最看重的，很多职位是要限定专业进行面试的。

具有第二学位，跨学科辅修某些专业，使自己成为复合型人才，也是很多企业所看重的。

虽然说企业看重能力，而不是学历，但名牌大学、热门专业，就是一块有分量的敲门砖，进得门里才有机会展现能力。

包括：奖学金证书、三好学生、优秀毕业生、优秀学生干部等

奖学金证书非常重要，有的HR看不懂大家给出的各种复杂算法的GPA，但一看是否有奖学金 ，就有一个大概 印象了。奖学金证书被很多企业列为筛选简历的必要条件，没有奖学金，就没有面试机会。

学生干部经历非常重要，如果再有一个“优秀学生干部”的证书，就更能起到证明作用了。

三好学生、优秀毕业生等，在申请户口时可加分（上海），非常重要。

还有一项不是证书的，党员，在申请公务员，到中学当教师的时候，作用很大。

会一门第二外语，将大大增加进入相关企业的机会。

时下比较热门的第二外语：

日语（世界500强中87家日本企业）

法语（世界500强中36家法国企业）

德语（世界500强中35家德国企业）

韩语（世界500强中13家韩国企业）

其他如葡萄牙语、西班牙语、意大利语、阿拉伯语等，因为中国与南美国家的经济往来，与阿拉伯国家的石油合作，前景看好。

还有，学习德语和法语，不仅是找工作，还可以在申请到德国或法国留学时起作用。

很多很多，要看专业和行业情况，如：律师资格证书，适用于未来立志于当律师的同学；

CAD工程师认证证书：多用于机械、室内装饰、建筑行业；

导游资格证书：根据国家规定，导游人员必须持证上岗；

报关员证书：有证书才有资格；

人力资源从业资格证书；

驾驶证：不是应聘司机才需要

应为没有经验，所以才叫“应届生”，所以工作才难找。

但是，具有了相关的兼职实习经验，就成了应届生中的“有工作经验”的，具有优势，脱颖而出。

9.发表论文、专利证书

  对于研究生来说，做过相关项目，撰写过有质量的相关论文，被EI/SCI收录，这些发表论文的证明，在寻求相关工作的时候会有极大的帮助。

  另外，本科生或研究生在申请出国的时候，如果发表过高质量的论文，就更容易获得国外教授的青睐。

  还有专利证书，在申请户口中起加分作用。专利申请分为发明、实用新型和外观设计三种类型，发明专利较难，但实用新型和外观设计还是非常容易申请的。拥有专利和申请专利都可以获得户口加分，而且企业对专利证书也很重视。

  大学里或者社会上的各种竞赛，获奖证书也非常受青睐。

 到社会上，用到的课本知识很有限，主要还是平时积累的经验和上学时形成的良好习惯。加之现在的专业不对口现象越来越普遍，要如果真的想多积累知识，想在这方面有造诣，文凭是凭证，辛苦读了这么多书，没凭证有点亏。现在到人才市场，普遍应聘者都是大专以上，文凭并算不上什么，但它现在已经成了硬性门槛，这是现实，所以有时学习就是为了凭证。有些同学因为各种原因退学，但也不见得他们就没出路，而许多同学念完大学后又学到了什么，无非有了文凭，面对当今社会更加合理罢了。因此，要想在这日趋激烈的就业竞争立有一席之地，多考几个证，是很有必要的。

（二）请介绍一下英语四六级考试的具体情况。

全国大学英语上半年四六级考试时间：2011年6月18日（以教育部考试中心确定为准）；

全国大学英语下半年四六级考试时间：2011年12月17日（以教育部考试中心确定为准）。

级别 考试时间 考试全程时间

四级考试方式及内容：听力（35%）、阅读（35%）、完型填空或改错（10%）、作文和翻译（20%）。

　　各单项报道分的满分分别为：

　　完型填空或改错70分，

　　各单项分相加之和等于总分（710分）。

　　听力理解部分分值比例为35%；其中听力对话15%，听力短文20%。听力对话部分包括短对话和长对话的听力理解；听力短文部分包括选择题型的短文理解和复合式听写。

　　阅读理解部分分值比例为35%；其中仔细阅读部分（Reading in Depth）25%，快速阅读部分（Skimming and Scanning）10%。仔细阅读部分分为：a）选择题型的篇章阅读理解；b）篇章层次的词汇理解（Banked Cloze）或短句问答（Short Answer Questions）。快速阅读理解部分测试的是浏览阅读和查读能力。

　　完型填空或改错部分分值比例为10%。完型填空部分采用多项选择题型，改错部分的要求是辨认错误并改正。

写作和翻译部分分值比例为20%；其中写作部分（Writing）15%，翻译部分（Translation）5%。写作的体裁包括议论文、说明文、应用文等；翻译部分测试的是句子、短语或常用表达层次上的中译英能力。

（三）计算机二级证有无必要考？C语言和VF有什么区别？

大多数人参加这个考试的目的很简单，无非是在个人简历上增加一条信息，使看到简历的单位知道自己有这么一个技能；或者，是被动参加。先说为了找工作而考计算机二级的人。许多人并不认为这张二级证书对于找工作有什么帮助。因为计算机二级考试的内容基本没有实用性，不能说明考试的人具有什么计算机的专业水平，充其量只能说明其具有最基本的计算机编程知识，或者，仅仅是在应试教育下，对于“处理”这种考试游刃有余。

考什么要根据自已的实际需要和将来的职业规划。如果你想自已做就没必要考，如果想进大公司从事相关工作建议可以考一下。是否想报考，最终还要根据个人的兴趣和爱好。

C语言是个多面手，几乎什么都能干，而且比较接近底层，可以嵌套汇编（asm）。现在的操作系统（比如linux）几乎都是C语言写出来的，可见功能之强大。

VF是可视化的数据库编程工具，发展前景一般，如果一定要考就考C语言吧。

（四）初级会计证对就业有何帮助？对经济学专业而言，有无必要报班考证？

会计作为一种商业语言，在经贸交往中起着不可替代的作用，在我国具有良好的就业前景。这适应了中国外向型经济迅速发展的形式，考会计证能够把自己培养成既懂中国会计，又懂国际会计的会计人才。可以为以后在企事业单位、政府机关、会计师事务所工作打下坚实的基础。同时，可以把自己培养成具有良好思想素质和职业道德水平、基础扎实和具有较强业务能力、有较强外语水平和具有创造品质的会会计与财务管理的专门人才。

 其实报不报班，全在于个人。如果有些同学自学能力很强，完全没有必要报班。这些同学可以根据平时所学的专业知识，适当的买些相关书籍，就可以完成初级会计的课程，顺利地考取初级会计证。但对于大部分同学来说，可能还达不到这种水平，他们可以选择报班以监督自己。毕竟是自己花钱报考的班，再加上辅导班老师的监督，班内同学的激励，就能提高学习效率，有利于自己考证。对于是否有必要报班，关键还是看自己的实际情况。

（五）普通话考试的时间、具体内容、考试方式怎样？

全国普通话等级考试是一年两次，全国统一，没具体安排表，具体安排看当地政策。上半年大约是3月报名，5月考试。下半年大约是9月报名，12月考试。

普通话水平测试试卷由五个测试项构成，总分为100分。

1.读单音节字词100个，限时3分钟，占10分。目的考查应试人普通话声母、韵母和声调的发音。

　　2.读双音节词语50个，限时3分钟，占20分 。目的是出考查应试人声、韵、调的发音外 ，还要考查上声变调、儿化韵和轻声的读音。

　　3.判断测试，限时3分钟，占10分。目的主要是考查应试人掌握普通话词汇、语法的程度。

　　4.400字短文朗读，限时4分钟，占30分。目的是考查应试人使用普通话朗读书面材料的能力，重点考查语音、语流音变、语调等。

5.说话，时间不少于3分钟，占30分。目的是考查应试人在无文字凭借的情况下说普通话所达到的规范程度。

（六）大一学生能否参加英语四六级考试？如若不能，为什么？

　　从2006年12月的考试开始，大学英语四六级考试将不在对社会考生开放。报名对象仅限于如下几种考生：

　　1.全日制普通高等院校 本科 、专科、 研究生 在校生。

　　2.各类全日制成人高等院校本科、专科在校生。

　　3.修完大学英语四级 课程 的学生才能报考CET4。

　　4.具有CET4合格证书或者取得425分（含425分）以上CET4成绩的学生才能报考CET6。

注意：各学校针对自己的教学需要还附加有一些特殊的要求，请大家在报名的时候仔细阅读本校的报名须知。

就我校而言，目前大一还不能参加英语四级考试。

四、竞争比的是什么？比的是核心竞争力：别人没有的我有，别人有的，我更好。自考能让我们成为“多面手”，使我们锦上添花。自考方面的疑惑有：

（一）对于本、专科生而言，是否有必要自考？

   1.解决就业压力；随着高校的扩招，就业压力已越来越大，本科生毕业多一个文凭也将多一个敲门砖。

　　2.发展自身爱好；因为种种原因，在校生可能错过了去学习自己所喜欢专业的机会，自考为在校生提供了这样一个非常好的契机，多一个文凭也为改变未来就业方向提供了一个机会。

　　3.拓宽知识面；随着各行各业对知识面要求的提高，就本专业的知识可能已经无法满足未来工作的需求，知识的宽度也可能决定着未来的出路，多一个专业技能对以后工作发展也将是决定性的。

（二）专科生自考以后能否以本科生身份考研？有无歧视？

   如果拿到自考本科证就可以以本科学历报考，如果没有拿到毕业证只能以同等学历报考。

自考本科考研不受任何限制，但在现实中却难免会受到歧视，但考试毕竟是靠实力的，所以不要太在意别人怎么看，还是要看自己的表现。国家明文规定，自考取得学历文凭应与普通高校文凭一视同仁，不应该受到歧视，况且自考学历在国际上都是得到认可的。

（三）自考应如何选择专业？可以跨专业报考吗？

     在选择专业时，要认真阅读本省(市)高教自学考试委员会公布的《报考简章》，了解本省(市)的报名时间、报名地点、报名手续、开考专业的情况和本次考试的课程安排，根据自己报考时的工作性质和实际情况，慎重选择一个专业报考。

   在选报专业时应注意，由于各省开考的专业较多，有些专业是面向社会开考，报考对象不限；有些专业是部门委托开考，仅限本系统在职人员报考；一些本科段专业和特殊专业(如医学类专业)对报考者的学历、职业等还有一些具体要求。

　　首先，应该考虑自己的兴趣和爱好。兴趣是最好的老师，只有感兴趣的东西，才会真正投入的去学。

　　其次，要选择与自己文化基础相适应的专业，以保证学习的顺利进行。比如你的数学基础比较好，逻辑思维比较灵活，则可以考虑选择理工类的专业；如果你的记忆力比较不错，可以选择识记性较强的专业。

   第三，要充分考虑到社会的需要及该行业的发展状况，选择一些社会上已供大于求的专业，对今后的求职和就业会造成影响。高等教育自学考试现有专科、本科两个学历层次，专科、本科、独立本科段三种专业类型。

   在选择好专业的基础上，确定本次应考课程，并在规定的时间内办理报名手续。选定专业和本次应考课程后，应尽早购买该专业的《专业考试计划》，按有关课程的《课程自学考试大纲》和指定的必读教材进行自学。

   自考可以跨专业报考，但需要按规定加考两到三门课程，如7月自考开考的商务管理和金融管理两个本科专业，经济类、管理类专业毕业生可直接考这两个专业，但其他类专业毕业生则要加考商务交流和财务管理两门课程，其中商务交流课程在7月自考中安排了考试。

　　考生所学专业规定的加考课也是专业考试计划的一部分，考生在办理毕业手续时，除取得专业计划规定的课程合格成绩外，其加考课也必须取得规定的合格成绩，否则将无法办理毕业手续。市自考办有关老师介绍，在以往毕业审定中，未通过审核的考生有一部分就因加考课缺考或加考课未达到规定的合格成绩而被延迟毕业。

（四）自考如何选择教材？如何正确选择学习班？

　　高等教育自学考试教材实行两级管理。凡是全国统考课程的教材由全国考委组织编写、出版，并作为全国考委指定教材向考生供应；凡是省统考课程由省考委编写或指定教材。

　　全国及各省自考办每年都要向社会公布开考计划，计划中对每门课程使用的教材都有明确规定，考生应注意所规定的教材的名称、作者、出版社等有关信息，以便按规定购买。

　　自考教材实行主渠道供应，即由全国考办及省级考办、地、县各级考办向考生供应教材。供应教材是各级自学考试办公室的职责。

　　考生咨询有关教材问题均可与当地自学考试办公室联系。

选择学习班时应注意以下问题：

　　(1)要选择经过教育行政部门审批，自*审查、备案的，具有正式办学资格的助学组织。

　　(2)学校开设的是否属于国家自考系列，与考生自己所选择的专业是否一致。在报考前，先看一下学校专业介绍和各省、市、自治区自考办的专业考试计划，将专业设置的课程目录浏览一遍，做到心中有数。

　　(3)学校的助学方式和授课时间是否适应个人的情况，如全脱产、半脱产、业余、夜校和函授等等。考生可以根据自己的学习时间、学习计划，权衡哪种方式最适合自己。

　　(4)了解学校的办学质量，看一看学校的设施(硬件)和管理(软件)怎样？哪些教师任课？学生的课程统考及格比例在当地的水平如何？这些都是考生选择学校前应该了解清楚的。

　　(5)另外，自学考试的某些专业，或某个层次，对考生来说，还有具体报考条件的限制。 比如报考医药类的助学学校，是否具备较好的实验和实践环节考核条件，这也是考生完成学业必不可少的条件。

（五）自考有哪些注意事项？自考应掌握哪些学习方法？

1.自学考试开设的专业很广，包括经济、农、林等各行业，你可以选择适合自己的专业报考。

2.根据你的情况，建议一选择原专业本科段学习（这是人们常说的专升本），二选择不同的专业本科段学习，这就是常听到的“独立本科段”，因为跨专业学习要加考专科段课程（已经包括在考试计划中），所以难度不小，你要考虑好，选择自己感兴趣的专业学习。

2011年自考需掌握四大学习方法全面盘点：

　　从听辅导教师授课到准备考试，应该至少读五遍指定教材。可将其总结为“自考五读口诀”，具体内容如下：一读课前预习先，从师二读课堂间，温故知新读三遍，四读再把习题练，五读复习迎考试，胜利通过笑开颜。这主要强调在课前预习、课堂听讲、课后复习、做题巩固以及总复习迎考中都要把读书放在基础性地位。如果学习条件允许，可以大声朗读教材内容(不限于语言类课程)，李阳的疯狂英语正是成功之例。

　　好的教师上课不会一味照本宣科，他们往往用有条有理的板书来演绎教材及课程的逻辑体系和重点难点，并对课本作必要的修正或补充。学生上课时要认真记好笔记，有时老师并未板书但反复强调的内容也要记下来。选一本比较好的硬皮本或软皮本作笔记，最好要大一些的，每一张纸的左或右一侧要留出1/5或1/4的空白，用于课后复习巩固时对照课本再作必要的充实，或注出自己碰到的疑难问题。这样从上课记笔记到课后整理笔记也正是对所学知识的再一次亲密接触和升华。

　　买一本街面上非常流行的袖珍型的便笺本，将教材中必须记住的一些重点难点问题摘录下来，平时乘坐公共汽车或地铁、排队、休息时拿出来看一看。不要小看这口袋书的作用，或许正是这平时点点滴滴的积累才换来考场上的文如泉涌，下笔如有神。还有些同学将知识点录在磁带上，放在随身听中时不时地听上一段，做成一本有声的口袋书。

　　有不少同学往往会提前比较多的时间到教室，这时切莫要无所事事。不妨找一个同学互相探讨课程学习中的问题，或采取讨论式，或采取提问式，在交流中你会大大加深对某个问题的印象。而且，来自天南地北的同学也会因这短暂的交流而拉近距离，教室的气氛也会因此而倍显温馨。

（六）自考学历社会认可度高吗？能否成为就业的砝码？

   自考由于其学历证书获得最难，所以认可度相对较高，目前国外有包括美国、英国、日本等26个国家承认我国的高等教育自学考试文凭。电大文凭也得到英、美、日、澳等众多国家的承认。而对于参加网络考试的考生而言，关键不在于网络教育文凭本身，他们更看重的是网络教育学院所依托的名校品牌、专业实力。

　　该文凭含金量高。学分制国家统考，既保证了每个坚持学习的学员都能毕业，又保证了每个学员的毕业质量。该文凭不但在中国承认，还得到英、美、加、澳等几十个国家认可。自考毕业生出国留学可免修已取得合格成绩的课程。

   证书含金量对比成人高考、自学考试、电大、网络教育，都颁发国家承认的学历证书，毕业证书获得者的待遇与普通高校同类毕业生相同，都可以参加硕士研究生考试、公*、司法考试等。符合相关条件者，都可以申请获得学士学位。

AI原本是一个专业领域，没什么特别的。作为码农一枚，笔者的工作内容正好在这个领域。

近来这一年左右时间里，连续发生了多件事情，使得笔者不得不抬起原本一直低着敲代码的头，看看这个为AI狂欢的世界。

【Case 1】 居然在一个月里碰到两位在相对传统行业创业的亲友，来打听将AI技术应用到他们所在行业上的问题，例如：是聊天机器人是否可以代替人工客服。

两位亲友居然都动了雇佣一位算法工程师的念头。其中一位真的已经开始物色了。

颇费周折找到一位某非 985 院校专业对口的博士，友人有点动心想要聘用，奈何人家开口就要100万年薪。

创业企业虽然已经拿了两轮融资，还是不敢烧钱作死，故而多方打听“算法”这东西的用处。

【Case 2】 笔者所在公司今年的校园招聘，本人照例作为 interviewer 参加，面试了几个来自不同985院校的学生（明年毕业）。顺便又和几位今年刚入职的应届生聊了聊。

结果发现，所有 interviewee（至少是我碰到的），全都是人工智能或机器学习方向的学生，所有交流过的新同事，在学校里做的也全部都是机器学习 or 深度学习算法。

而且，每一个人对于入职后工作的期望都是做算法。

人工智能，已经跌入到两三年前大数据风口上，全民皆“数据科学家”的套路里了。

到底做什么，算是入行AI？

这个话题其实在笔者之前的几个chat里面已经反复提到过了，在此再说一遍：工业界直接应用AI技术的人员，大致可以分为三个不同角色：算法、工程，和数据。

现在各种媒体上，包括gitchat中有大量的文章教大家怎么入行AI，怎么成为具体某个领域的工程师，告诉大家要在某领域内发展需要掌握的技术栈是什么，等等……对此本文不再赘述。

我们不说怎么能够成为XXX，我们先来看看成为XXX之后要做什么事情，而做这些事情，需要什么样的能力，在拥有了这些能力、做上了这件事情之后，又能向什么方向发展。

换言之，本文中，我们将从直观的角度，管窥承担不同角色工作所需要具备的素质，日常工作的状态，和职业发展路径。

所有人都想做算法，那么，说到底，在工业界做算法倒是干什么？

真正的算法工程师（也有公司叫科学家），最基本的日常工作其实是：读论文&实现之——确认最新论文中的阐述是否真实可重现，进一步确认是否可应用于本企业的产品，进而将其应用到实践中提升产品质量。

既然日常工作首先是读别人论文。那么，必不可少，作为算法工程师得具备快速、大量阅读英语论文的能力。

有一个网站，所有有志于算法的同学必须要知道：https://arxiv.org ——这里有多个学科（包括computer science）大量的最新论文。

现在许多科学家、学者、研究人员和博士生在论文刚刚完成，尚未在正式期刊会议上发表时就先将论文发布在此处，为的是在尽量短的时间延误下对外传播自己的成果。

传统的正规渠道，从论文完成到正式发表之间存在短则三四个月，长则一年半载的延迟。这对一些传统学科，还勉强可以接受。

但计算机科学，尤其是人工智能、机器学习、深度学习这几个当今世界最热门的主题，大家都在争分夺秒地抢占制高点，几个月的耽搁根本不能容忍。

 因此，对于AI的学术性文献而言，arxiv.org 实际上已经成为了当前的集大成之地。

如果要做算法，平均而言，大致要保持每周读一篇最新论文的频率。

也许这就是为什么，到目前为止，笔者所听闻和见过的算法工程师都是名校相关专业博士的原因。

经过几年强化学术研究训练，这些博士们，就算英语综合水平不过 CET-4，也能读得进去一篇篇硬骨头似的英语论文！

1.3 自测“算法力”

但当然不能说硕士、学士或者其他专业的有志之士就做不成算法了。人都不是生而知之，不会可以学嘛。

但是到底能不能学会，其实也并不需要三年五载的时间，花费几万十几万金钱在各种培训或者付费阅读上才能够知道。

现在不懂没关系，至少先试试在不懂的情况下能不能把它从头到尾一字不漏的读完，有不认识的字查字典。

如果这都做不到，还是当机立断和“算法”分手吧。既然注定无缘，何必一味纠缠？

如果，碰巧你喜欢读论文，或者就算不喜欢也有足够强大的意志力、专注力压迫自己去强行阅读论文。那么恭喜你，你已经跨上了通往算法山门的第一级台阶。

下面一级是：读懂论文。

既然要读论文，读最新论文，而且阅读的目的是指导实践，那么自然要读懂。拿起一篇论文就达到*懂*的程度，至少需要下面这三种能力：

一篇论文拿来一看，一大堆名词术语不懂，它们互相之间是什么关系也不知道。怎么办？去读参考文献，去网上搜索，去书籍中查找……总之，动用一切资源和手段，搞清不明概念的含义和联系。

这种能力是学术研究的最基础能力之一，一般而言，有学术背景的人这一点不在话下。

如果现在没有，也可以去主动培养，那么可能首先需要学习一下学术研究方法论。

如果只是本着学习的目的读经典老论文，那么只要清楚文中图表含义，看公式推导明白一头一尾（最开始公式成立的物理意义，以及结束推导后最终形式所具备的基本性质）也就可以了。

但读最新论文就不同。因其新，必然未经时光检验，因此也就没人预先替你验证的它的正确性。

在这种情况下，看公式就得看看推导了。否则，外一是数学推导有错，导致了过于喜人的结果，却无法在实践中重现，岂不空耗时力？

如果目前数学能力不够，当然也可以学。但就与后面要说的做工程用到什么学什么的碎片化学习不同，做算法，需要系统学习数学。

微积分、线性代数、概率统计，是无法回避的。如果在这方面有所缺乏，那还是先从计算机系的本科数学课开始吧，个人推荐北师大教材。

1.4.3    理论联系实际，将学术论述与产品、业务结合的能力

一般来说，在大企业里做到真正的算法工程师/科学家，也就不需要自己去动手开发产品了。但做 demo/prototype 还是不能避免的。

算法工程师，可不是用别人写好的工具填几个参数去运行就可以的，需要负责实际业务问题到数学模型的抽象，并能够将他人最新成果（敲黑板——那些论文！！！）应用到业务数据上去。

说得更通俗一点，就算是用别人写的工具或框架，做算法的，也得是i）第一拨、最前沿那批试用者，或者ii）工具最新玩法的发明者。

算法工程师，即使自己不发明新的算法，不提出新的算法优化方法，也得去尝试最新算法的使用或者把已有算法用出新花样来。

毋庸置疑，这是一个有着必然创新性的角色。因此，这个角色必然不适合绝大多数人！

相对于算法的创新和尖端，做工程要平实得多。

这一角色比较有代表性的一种岗位就是：机器学习工程师（或戏称调参工程师）——他们使用别人开发的框架和工具，运行已有算法，训练业务数据，获得工作模型。

其间可能需要一些处理数据、选取特征或者调节参数的手段，不过一般都有据可循，并不需要自己去发明一个XXXX。

做工程也得读论文，不过和做算法不同，做工程读论文的一般目的不是尝试最新方法，而是用已知有效的方法来解决实际问题。

这就导致了，做工程的，读的经常是“旧”论文，或者相对学术含量低一些（不那么硬）的论文。

而且在阅读时，主要是为了直接找到某个问题的处理方法，因此，可以跳读。

对于其中的数学公式，能够读懂头尾也就可以了。论文阅读频率和学术深度的要求，都比做算法低得多。

TIP：很多title写的是“人工智能/机器学习/深度学习算法工程师”的招聘岗位，其实招的是做工程的人。不要执着于辞藻，看清楚具体职责和工作内容。

2.2 软件工程师的分支

说到底，机器学习工程师，是广义的软件工程师（或云程序员）的一个分支。AI产品开发，是广义软件开发的一个领域。

说起来，每一个程序员都有一个领域。不过，不同领域在不同时期热度不同，发展趋势不同。

若干年前，做*底层*的程序员在程序界睥睨群雄。写协议栈的、开发驱动的、实现各种系统接口的程序员，站在鄙视链的最顶端。

如今，风水轮流转，昨日黄花已谢，轮到AI封神了。

但说到底，开发人工智能产品的程序员，也还是程序员。不过是需要懂一定程度的领域内理论知识而已，和以前开发 PCI 协议栈要懂 PCI 协议，写网卡 driver 要懂 TCP/IP 的道理是一样的。

2.3 程序员的基本素质

既然是程序员，首先就不能丢掉 程序员的基本素质：编码能力，和基础算法能力（不是前面说的那种算法，而是链、树、图的构建、删除、遍历、查找、排序等数据结构里讲的那种算法），是最起码要求。

其实，在AI成为潮流的今天，只要能找到一个在AI方面相对比较前沿的企业，进去做一名普通程序员。

那么即使本来开发的产品不属于AI范畴，未来通过在旧产品上应用新的AI技术，或者在公司内部 transfer 到做 AI 产品的 team，都可能获得入行的机会。

甚至具体知识的掌握，都可以在入职后慢慢积累——对于大多数AI工程人员，这可能才是一条自然的入行之路。

但这一切的前提是：此人首先得是一个合格的程序员！

而不是本末倒置，虽然花功夫学了几个模型、算法，却连最基本的编程面试题都做不对。

2.4 做工程，「机器学习」学到多深够用

当然，既然是有领域的程序员，在专业上达到一定深度也是必要的。

虽然做工程一般要使用现成技术框架，但并不是说，直接把算法当黑盒用就可以做一名合格的“调参”工程师了。

把算法当黑盒用的问题在于：黑盒能够解决问题的时候，使用方便，而一旦不能解决问题，或者对质量有所要求，就会感觉无所适从。

作为程序员、工程人员，想用机器学习算法解决实际问题，就得对算法有一定程度的掌握，此外对于数据处理和模型验证，也需具备相应知识。

仅从使用角度而言，掌握算法，大致可分为如下由浅入深的几步：

【1】简单使用：了解某个算法基本原理，应用领域，功能和局限。

• a)  该算法的应用问题域是什么？（e.g. 分类、回归、聚类……）

• b)  该算法的应用目标是什么？（e.g. 判别算法、生成算法……）

• c)  该算法适合应用在怎样的数据集，它能对数据造成怎样的影响？（e.g. 适用少量高维稀疏数据……）

• d)  能够主动获取该算法的函数库，调用该算法生成模型。

【2】模型调优：对所采用算法和对应模型的数学公式有所了解。

• a)  知道调用函数中各个参数的意义（e.g. 迭代次数，对应到公式中参数的含义……），能够通过调节这些参数达到优化结果的目的。

• c)  了解在当前问题域，目标和输入数据确定的情况下，还可以用哪些其他模型可替换现有模型，并进行尝试。

【3】运行效率优化：对模型本身的数学推导过程和模型最优化方法有所掌握，对于各种最优化方法的特点、资源占用及消耗情况有所了解。

• a)  了解算法在当前数据集上的运行效率（e.g. 需要进行哪些运算，是否易于被分布式等）。

• b)  了解在其他语言、平台、框架的工具包中有否同等或近似功能但在当前应用场景下效率更高的算法。

• c)  能够针对具体场景，通过转换模型的最优化方法（optimizer）来改进运行效率。

仅仅只有算法，并不能解决问题。算法和数据结合，才能获得有效的模型。

对于数据，需要从：i）. 具有业务含义的信息，和ii）.用于运算的数字，这两个角度来对其进行理解和掌握。

【1】特征选取：从业务角度区分输入数据包含的特征，并认识到这些特征对结果的贡献。

• a)  对数据本身和其对应的业务领域有所了解。

• b)  能够根据需要标注数据。

• c)  知道如何从全集中通过划分特征子集、加减特征等方法选取有效特征集。

【2】向量空间模型（VSM）构建：了解如何将自然语言、图片等人类日常使用的信息转化成算法可以运算的数据。

• a)  能够把文字、语音、图像等输入转化成算法所需输入格式（一般为实数空间的矩阵或向量）。

• b)  能够根据信息熵等指标选取有效特征。

【3】数据清洗和处理：对直接的业务数据进行筛选并转换为模型可处理形式。

• a)  能够运用统计学方法等ETL手段清洗输入数据。

• c)  能够采用bootstrap等采样方法处理有限的训练/测试数据，以达到更好的运算效果。

算法+数据就能够得到模型。但是，

• 这个模型和那个模型比较，哪个更适合解决当前问题？

• 在做了如此这般的优化之后得出了一个新的模型，怎么能够确认它比旧的模型好？

为了解答这些问题，就需要掌握度量模型质量的方法。为此，需要做到：

• iii)    能够构建训练集、测试集，并进行交叉验证。

此处说得做数据并非数据的清洗和处理——大家可以看到做工程的岗位，有一部分工作内容就是ETL和处理数据。此处说的做数据是指数据标注。

3.1 标注数据的重要性

虽然机器学习中有无监督学习，但在实践领域被证明有直接作用的，基本上还都是有监督模型。

近年来，深度学习在很多应用上取得了巨大的成功，而深度学习的成功，无论是图像、语音、NLP、自动翻译还是AlphaGo，恰恰依赖于海量的标注数据。

无论是做ML还是DL的工程师（算法&工程），后者有甚，都共同确认一个事实：现阶段而言，数据远比算法重要。

3.2 数据人工标注的必要性

其实，之所以有这样的结果，恰恰是因为 Zero 利用围棋严格完备而明晰的规则，自己制造出了巨大量的标注数据——这些标注数据的数量远超其前辈 AlphaGo 的输入，而且可以随时造出更多。

围棋是一个人为定义的在19x19点阵范围内，按完备无二义性规则运行的游戏，因此计算机程序才能依据规则自动产生标注数据。

真实人类世界的事情，基本没有完全按矩而行无意外的情况。因此，对人类真正有用的模型，还是需要人工标注的训练数据。

固然，目前有多种技术用以在标注的过程中辅助人工，以减小工作量及降低人工标注比例。但至今没有能在应用领域完全自动化标注的技术出现。

换言之，在看得见的未来之内，人工标注数据仍然是AI落地的必要和主流。

3.3 人工智能的“勤行”

举个很简单的例子说明一下什么是数据标注：

在开发聊天机器人的时候，我们需要训练意图判定和实体识别模型，因此也就需要标注用户问题的意图和出现的实体。

这是用户问题原始数据：“00183号商品快递到伊犁邮费多少？”

这样一句话，很显然问它的用户是想知道某一种商品发往某地的邮费。邮费是商品的一个属性，我们把所有查询商品属性的意图都定义为“商品查询”。

因此，这样一句话的意图是“商品查询”。其中有包含了几个实体，分别是商品Id，目的地和商品属性。

这句话被标注出来以后，就是下面这个样子：

具体格式不必纠结。核心一点：标注就是将原始数据内全部或者部分内容，按照业务需求打上定义好的标签。

3.3.2 数据标注的日常工作

简单说：数据标注的日常工作就是给各种各样的数据（文本、图像、视频、音频等）打上标签。

【好消息】：数据标注工作几乎没有门槛。一般任何专业的大学毕业生，甚至更低学历，都能够胜任。上手不需要机器学习之类的专业知识。

【坏消息】：这样一份工作，是纯粹的“脏活累活”，一点都不cool，起薪也很低。

做算法是屠龙，仗剑江湖，天外飞仙；
做工程是狩猎，跃马奔腾，纵酒狂歌；
做数据是养猪，每天拌猪食清猪粪，一脸土一身泥。

所以，虽然这是一件谁都能干的工作，但是恐怕，没几个人想干。

3.3.3 数据标注的难点

就单个任务而言，数据标注是一项很简单的工作。它的难点在于数据的整体一致性，以及与业务的集合。

【1】数据一致性是指：所有数据的标注原则都是一样的。

当数据很多的时候，一致性是相当难以保证的，尤其是在有精标需求的情况下。

如果一份 raw data 由多个人同时标注，就算是反复宣讲标注原则，每个人也都有自己的理解和侧重，很难保证一致，很可能一句话在某个人看来是“查询商品”，而在另一个人看来就是“要求售后”。（即使是将所有数据交给一个人，也可能在不同时间段理解不同。）

出于对数据标注工作的不重视（正好与对算法的过分重视相映成趣），很多公司外包了数据标注工作。

对于数据标注的不一致性，则采取一种暴力解决方案：让多个人（比如3个）同时标注同一份数据，一旦出现不一致，就采用简单多数法，取最多人一致认定的那种结果（比如：3个人中两个都选“查询商品“，则选定”查询商品“为最终 label）。

这种方案对于粗标数据还可以起到一定作用，但如果是精标，则往往连多数人一致的情况都难以出现。

如果三个人所标结果完全不一样，那么这条数据也就失去了标注价值。

在现实中，经常会出现同一份数据因为质量过低，被要求重复标注的情况出现，费时费力。

【2】与业务的集合是数据标注面对的另一个挑战。

这一点在目前还不是很明显。因为：目前人工智能的落地点还比较有限，真正的商业化领域也就是语音和图像处理的少数应用；

owner 都是大公司，有自己的标注团队，或者雇佣有长期合作关系的第三方标注公司，标注人员都相对有经验；

业务要求也相对稳定，所需数据标注又相对通用化，普通人都不难理解数据含义和标注原则。

一旦未来人工智能的落地点在各个领域全面铺开，很可能需要的是针对具体企业、具体业务，不断变更的标注需求。

标注这件事情看似容易，但是一旦标注原则有所改变，就要整个重新来过。以前的标注不但不是积累，反而是累赘。

如何应对快速变更的业务需求，同步更新标注结果，将是一个在AI真正服务于大众时全面爆发的问题。偏偏现阶段还未引起足够重视。

3.3.4 数据标注的潜力

就目前而言，数据对模型的影响远胜于算法。一群年薪百万起步的算法工程师耗费经年的成果，对于模型质量直接的影响甚至比不上一个靠谱标注团队一两个月的精心标注。对模型的影响尚且如此，更何况是商业价值。

此时此刻，AI 在风口浪尖，大公司、拿了巨额风投的独角兽 startup，一个个拿出千金市马骨的气概，将不可思议的高薪狠狠砸向 AI 领域的顶尖学者，顺便捧起了一批年轻的博士，也引来了世人的垂涎。

这种情形能维持多久？商业企业能承受多少年不挣钱只烧钱？待潮涌过后，行业回归理性，模型还是要用来挣钱的。

到了那个阶段，大小企业不会去算成本收益吗？他们会意识不到将资源投入数据和算法的不同产出比吗？

企业为了创造利润应用AI技术，算法工程师不是刚需，而数据标注这个人工智能领域的“勤行”，人工智能蓝领，一定是刚需！

一切标注工作的难点和潜藏的风险，也就是这项工作的潜力和从事这项工作未来职业发展的可能性所在。

3.3.5 数据标注的职业发展

如前所述，数据标注的难点在于：

• 如何根据业务设定标注原则

• 如何快速统一地实现标注原则

同时，和所有门槛低的工种一样，从事数据标注工作，要面临如何从极大量基数资质类似的人员中脱颖而出的问题。

还有就是如何与越来越多的自动化标注技术共处的问题。

因此，笔者个人建议的数据标注职业提升路径：经验+业务+管理。大致步骤为：

• 通过实践积累数据标注的工作经验

• 深入理解业务需求并将其体现到数据的标注结果中

• 管理标注团队达到高效的标注结果与业务变更align

未来也许会出现一个“数据经理”之类称谓的职位：其职责以负责提供高质量标注数据为基础，技术上衔接工程领域的 ETL 和数据处理，产品上对接业务，带领团队为公司产品或服务的 revenue 提供直接贡献。

4. 认清形势，脚踏实地

近来一段时间，能明显感到，想入行AI的人越来越多，而且增幅越来越大。

为什么这么多人想入行AI呢？真的是对计算机科学研究或者扩展人类智能抱着无限的热忱吗？说白了，大多数人是为了高薪。

人们为了获得更高的回报而做出选择、努力工作，原本是非常正当的事情。关键在于，找对路径。

寻求入行的人虽多，能真的认清市场当前的需求，了解不同层次人才定位，并结合自己实际寻找一条可行之路的人太少。

人人都想“做算法”，却不想想：大公司里的研究院养着一群高端科学家，有得是读了十几二十年论文始终站在AI潮头的资深研究人员。

想要与他们为伍做算法，须有可以与之并列的成就：要么有足够分量的学术成果，要么解决过大用户量产品的实际业务问题——你占哪一条呢？

仅仅是学过课程，做过练习或实习性质的小项目，是不足以去做算法的。

谁在自己的想象世界里不是屠龙的剑客？但现实当中能屠龙的人又有几个？留给人去屠的龙又有几条？养猪虽然没那么高大上，有猪肉吃是实实在在的。

好高骛远只会虚掷光阴，脚踏实地才能实现理想——这也是笔者写作此文的初衷。

5. 小公司的AI之路

有开头的Case 1，多说几句笔者通过个人观察和思考，对小企业应用AI提出的建议。

小公司没有那么多钱可烧，不可能像大公司那样，负担研究院、科学家。因此，真心不建议小公司以技术储备为目的雇佣做算法的人。

试想：真要是花费百万年薪聘请到一位博士毕业生，过了半年TA什么交付都没有，或者即使有几个看起来很炫酷的模型，却既不能增加流量，也无法吸引用户付费，对公司收入没有任何帮助，到时候，作为雇主，又如何判断是AI技术的发展还没有成熟到能在公司业务上落地，还是这个人尸位素餐呢？

当然，不是说小公司就不能聘用算法工程师，而是说，这种高成本的付出应该有的放矢，且公司原有成员具备评判交付成果质量的能力。

作为用人方，得知道招人进来做什么，有什么事情可以应用AI技术提高其质量或效率，而这种提升又可以用什么样的指标来衡量。换言之，就是：小公司用AI，先定好KPI再招人。

笔者个人意见：大部分小企业真的用不着算法工程师，完全可能通过：

来实现应用AI技术的目的。

如此一来，小企业真正需要的是：

• i）少量了解模型原理，能够直接应用现成框架、工具、算法库训练模型的程序员（2中所描述的做工程的人）；

• ii）针对业务提出模型应用需求并提供数据的人——不仅仅是数据标注，而是综合了业务、数据、技术的复合型人才。3中所述“数据经理”很可能首先批量地从小企业中涌现。

转自“悦思悦读”公众微信号

编辑：(深度学习冲鸭公众号)

著作权归作者所有，本文仅作学术分享，若侵权，请联系后台删文处理

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序n个项目要Ο(nlogn)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。

事实上，快速排序通常明显比其他Ο(nlogn)算法更快，因为它的内部循环（innerloop）可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法（Divideandconquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

1.从数列中挑出一个元素，称为“基准”（pivot），

2.重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。

在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。

3.递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。

堆排序的平均时间复杂度为Ο(nlogn) 。

2.把堆首（最大值）和堆尾互换

3.把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置

4.重复步骤2，直到堆的尺寸为1

归并排序（Mergesort，台湾译作：合并排序）是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（DivideandConquer）的一个非常典型的应用。

1.申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列

2.设定两个指针，最初位置分别为两个已经排序序列的起始位置

3.比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置

4.重复步骤3直到某一指针达到序列尾

5.将另一序列剩下的所有元素直接复制到合并序列尾

二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。

搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。

如果在某一步骤数组为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。折半搜索每次把搜索区域减少一半，时间复杂度为Ο(logn) 。

算法五：BFPRT(线性查找算法)

BFPRT算法解决的问题十分经典，即从某n个元素的序列中选出第k大（第k小）的元素，通过巧妙的分析，BFPRT可以保证在最坏情况下仍为线性时间复杂度。

该算法的思想与快速排序思想相似，当然，为使得算法在最坏情况下，依然能达到o(n)的时间复杂度，五位算法作者做了精妙的处理。

1.将n个元素每5个一组，分成n/5(上界)组。

2.取出每一组的中位数，任意排序方法，比如插入排序。

3.递归的调用selection算法查找上一步中所有中位数的中位数，设为x，偶数个中位数的情况下设定为选取中间小的一个。

4.用x来分割数组，设小于等于x的个数为k，大于x的个数即为n-k。

5.若i==k，返回x；若i<k，在小于x的元素中递归查找第i小的元素；若i>k，在大于x的元素中递归查找第i-k小的元素。

终止条件：n=1时，返回的即是i小元素。

算法六：DFS（深度优先搜索）

深度优先搜索算法（Depth-First-Search），是搜索算法的一种。

它沿着树的深度遍历树的节点，尽可能深的搜索树的分支。当节点v的所有边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。

这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。DFS属于盲目搜索。

深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用堆数据结构来辅助实现DFS算法。

深度优先遍历图算法步骤：

2.依次从v的未被访问的邻接点出发，对图进行深度优先遍历；直至图中和v有路径相通的顶点都被访问；

3.若此时图中尚有顶点未被访问，则从一个未被访问的顶点出发，重新进行深度优先遍历，直到图中所有顶点均被访问过为止。

上述描述可能比较抽象，举个实例：

DFS在访问图中某一起始顶点v后，由v出发，访问它的任一邻接顶点w1；再从w1出发，访问与w1邻接但还没有访问过的顶点w2；然后再从w2出发，进行类似的访问，…如此进行下去，直至到达所有的邻接顶点都被访问过的顶点u为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。

如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

算法七：BFS(广度优先搜索)

广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。

如果所有节点均被访问，则算法中止。BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。

1.首先将根节点放入队列中。

2.从队列中取出第一个节点，并检验它是否为目标。如果找到目标，则结束搜寻并回传结果。否则将它所有尚未检验过的直接子节点加入队列中。

3.若队列为空，表示整张图都检查过了——亦即图中没有欲搜寻的目标。结束搜寻并回传“找不到目标”。

戴克斯特拉算法（Dijkstra’salgorithm）是由荷兰计算机科学家艾兹赫尔·戴克斯特拉提出。

迪科斯彻算法使用了广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。

该算法的输入包含了一个有权重的有向图G，以及G中的一个来源顶点S。我们以V表示G中所有顶点的集合。

每一个图中的边，都是两个顶点所形成的有序元素对。(u,v)表示从顶点u到v有路径相连。我们以E表示G中所有边的集合，而边的权重则由权重函数w:E→[0,∞]定义。因此，w(u,v)就是从顶点u到顶点v的非负权重（weight）。

边的权重可以想像成两个顶点之间的距离。任两点间路径的权重，就是该路径上所有边的权重总和。已知有V中有顶点s及t，Dijkstra算法可以找到s到t的最低权重路径(例如，最短路径)。

这个算法也可以在一个图中，找到从一个顶点s到任何其他顶点的最短路径。对于不含负权的有向图，Dijkstra算法是目前已知的最快的单源最短路径算法。

2.从T中选取一个其距离值为最小的顶点W且不在S中，加入S

3.对其余T中顶点的距离值进行修改：若加进W作中间顶点，从V0到Vi的距离值缩短，则修改此距离值

重复上述步骤2、3，直到S中包含所有顶点，即W=Vi为止

动态规划（Dynamicprogramming）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。

动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。

动态规划背后的基本思想非常简单。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。

通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量：一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。

关于动态规划最经典的问题当属背包问题。

1.最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质（即满足最优化原理）。

最优子结构性质为动态规划算法解决问题提供了重要线索。

2.子问题重叠性质。子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。

动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次需要计算已经计算过的子问题时，只是在表格中简单地查看一下结果，从而获得较高的效率。

算法十：朴素贝叶斯分类算法

朴素贝叶斯分类算法是一种基于贝叶斯定理的简单概率分类算法。贝叶斯分类的基础是概率推理，就是在各种条件的存在不确定，仅知其出现概率的情况下，如何完成推理和决策任务。

概率推理是与确定性推理相对应的。而朴素贝叶斯分类器是基于独立假设的，即假设样本每个特征与其他特征都不相关。

朴素贝叶斯分类器依靠精确的自然概率模型，在有监督学习的样本集中能获取得非常好的分类效果。在许多实际应用中，朴素贝叶斯模型参数估计使用最大似然估计方法，换言之朴素贝叶斯模型能工作并没有用到贝叶斯概率或者任何贝叶斯模型。

尽管是带着这些朴素思想和过于简单化的假设，但朴素贝叶斯分类器在很多复杂的现实情形中仍能够取得相当好的效果。

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