这篇总结陆陆续续写了很久（1个多月？都是抽休息的时候写一些），凑合着看吧。
2017年的主要总结，我想先用几点概括一下吧：补必修课，英语学习，科研之路，博士申请，云南实习 I，毕业答辩，云南实习 II，在家修养，澳洲签证。
补必修课
作为导师的大弟子，我和导师对学校选课机制都了解甚小。于是在研一选择课程的时候，我们错误的把数学系其他专业的必修课选择在列表里。而过去的这两年，学校选课系统一直没有任何提示。直到研三开学的时候，学校更新了选课系统。
于是在某个风和日丽的早晨，我突然发现，曾经我以为自己选好的“必修课”统统变成了选修课。导致我必修学分差了9学分，无法顺利毕业。
研三的上学期，我的精力有大半放在了：微分方程数值解、现代微分几何、非线性数值优化，这三门必修课上了。同时我还要兼顾科研方面讲讨论班，不停的学习一个又一个的机器学习算法和计算机视觉算法。
简单谈谈这三门课吧！
首先，非线性数值优化这门课还是非常有价值的。选用的书是numerical optimization，是一本非常不错的优化书籍，实用性很强，我还是非常认真的学习了。不过大概是我跟数学系基因不匹配吧，我看书的关注点从来都是：明白了问题是怎么回事，理解算法是怎么来的以及我如何能把它用在一些实际问题上；而数学系考试的重点从来都是：收敛性如何分析，收敛速度如何分析，如何证明某个算法的特性。所以我考试成绩也是意料之中的糟糕，但挂科还不至于。
微分方程数值解也是如此，我更关注的是如何根据微分方程构造差分，有限元是什么。或者说，我更关注一些偏表面、偏实际应用的东西。而对于实质上的，收敛性、稳定性、解的存在性这种东西，缺乏深入的研究，也没有兴趣研究。
至于现代微分几何，我基本没学进去。这个课跟我之前学的黎曼几何一样。上来就是单位分解定理，然后是各种微分符号、切空间、联络什么的。说实话，研究数学而不结合问题来讲，只是基于一些定义，开始逻辑游戏，推导各种性质。这在我看来有点自娱自乐的意思。因此，本质上我对这个课非常反感的，尽管它有一些应用背景（比如量子物理），但不结合任何问题的纯数学探讨，在我看来只是浪费我时间。
逃离数学系的决心
数学系研究生的这几年再次坚定了我逃离数学系的决心。
数学是艺术是很美的学科，很有趣也很适合消磨时间。但数学系的很多人，其实并不明白数学如何应用在实际问题中，而数学本身脱离实际问题也可以成立。这就导致了数学系的研究人员可以完全不管任何实际问题。
从我的角度来看，在数学系从事科研的很多人，对于理论的研究都比较深，对于模型的性质也了解的比较深。它们认为理论是复杂的，是晦涩的，是艰难的。同时也认为应用的问题是简单的，解决应用问题的模型也是非常简单的。
说实话，这些数学研究者的看法大抵正确。但真正应用问题的困难性被忽略了。
应用问题的困难不是数学模型上的复杂，而是问题的开放性。没有人知道实际问题的本质是什么，而能找到一个有效的数学模型的过程本身是艰难的（不管这个模型是简单还是复杂，找出一个比现有的更好用的模型很难）。
所以，与其研究数学模型本身的性质，我更想深入研究实际问题的本质，如何来找出一个更加好的数学模型。所以我打算从事偏工程类的研发工作。
英语学习
大概有1个月左右的时间认真学了一会英语。还去报了新东方的课，实际上并没有什么收获。妄图通过上课来弥补基本功的不足是没有效果的。
怎么说呢，对英语的投入始终没法保持持续。而相对来说，对技术的投入却总是有激情和兴趣。两者的本质区别是不是兴趣呢？我认真思索了一下，其实不是。
对于技术方面我能持续投入的根本原因是，我学习技术是没有计划性的。
通常来说，我学习一个新的技术，都是因为有一个问题需要我解决。于是为了解决这个问题，我查了很多资料，看了一些书，把问题非常好的解决掉了。在这个过程中，我又会发现很多我不知道的东西，因为有很浓的好奇心和探索心理，我基本会把涉及到的方方面面都了解一遍，偶尔会对某个方面深入了解。长期保持积累的这个习惯，让我的技术累积达到了一个很广泛的程度。
而对于我学不好的方面，比如英语。我的日常生活中并没有太强的使用性需求。日常阅读英文文档需要的英语知识非常少，因此对我来说也毫无压力。没有人需要我翻译什么书籍，也没有人需要我为电影视频制作字幕。唯一需要英语的场景，就是考托福雅思GRE。这个需求的本质并不是帮别人解决问题，而是达到别人设定的标准。学习英语的过程中，很难有那种帮别人解决问题的成就感，而分数带来的成就感对我来说没什么意义。
而这次为了达到出国的要求，必须学习英语。于是就开始计划性的学习。这点上我承认我是非常差的，否则我也不会高中一直在班级里倒数了。总之，虽然最后英语成绩很差，但还是达到了拿offer的水平。于是后来又把英语学习放下了，没继续学。
未来需要努力的方向有两个：
提升计划的执行力。这些年努力下来，比当初高中的时候好了一些，但还是和当时班级里顶尖的同学有很大差距。目前主要就是：记笔记、写TODO列表，定期check。简单来说就是借助文档对自己管理。
从源动力上改善。比如不设定目标，首先为了帮助其他人或解决自己需求来做一件事。随后，由好奇心驱动，探索更多的细节和内容，跟更多的人互动。用这种方式来学习自己不擅长的科目。
学英语仍然作为长期的计划，继续保持吧。被它恶心了这么多年，不掌握到一定程度，真的不甘心。
科研之路
我导师不太愿意在应用方法上投入精力，对很多模型和应用背景都不太了解。所以，搞科研很多时候都是自己搞，大部分低年级研究生什么都不会，组里也缺乏讨论氛围。我们的讨论班很少讲论文，讲了也没人能听懂，导师也没怎么看过这些东西，提供不了太多的思路。所以最后讨论班就变成了给大家培训基本知识的课堂。（其实这不太好，毕竟基本知识所有人应该私下去学，而不是把探索学术问题的地方变成了课堂。）
期间，我还做了一次数据算法比赛。投入也不太多，很多时间都放在如何优化代码结构上了，偏离了比赛的主题。也是后来才意识到，对于比赛这种东西代码写的优雅是没什么用的，关键在于快速出结果，讨论分析结果后再次快速出结果。
至于paper方面，那段时间看了有大概50篇吧，cvpr, icml, nips等等的，很多论文看完也做了笔记。有了初步的研究方向。自己也做了一些实验。但平时补必修课+老师的横向项目+培训低年级基本知识，我始终没能在科研上专注和投入大量的精力做实验。所以最后论文内容并没有完成，我自己本身也有很大的问题。
另一方面，我其实并没有想写这篇论文。因为我觉得内容并不够，并没有真正解决问题，分析也不够深入。按照我的想法是：最好我能有半年的时间专注的只研究这个事情，并做充分和全面的调研，真正能做到解决问题之后再把成果发表成论文。而草率的把论文写出来（水论文），把精力放到讲故事上，对我来说真的没什么意义。论文多确实是能带来很多好处和资源，但我搞研究并没有想要得到这些，想要的是真正和大家分享一个实用的发现，并得到大家的认可。
虽然，研究生三年过去了我还没有一篇论文，但我也在这个过程中学到了很多。我相信所有的失败都不是白白的浪费时间。对于我来说，科研这种事情，既然是想做而不追求什么回报，那么无论将来什么时候再做都行。我真正的目标本身是，发现并分享一个真正创新而又实用的方法，那其他的方方面面又有什么好在意的呢？
博士申请
说实话，我的导师是一个非常好的人，很多时候也会替学生考虑。但教研室里，除了我跟导师沟通比较多，其他的很多学生更是愿意作为一个被管理者的角度和导师相处：导师push一下就做一做，不push就做自己想做的事儿，有问题有想法也不会找导师。
我认为，学生和导师之前要充分沟通才能建立相互之间的信任，而这种信任是直观重要的。这点上，我和我导师的相处关系就特别好。我们与其说师生关系，更接近朋友关系，会分享和探讨生活和学习上的方方面面。
我博士申请主要是导师给了我强力的推荐。我也因为这个推荐得以接触到更高的平台。我对此非常感激的，也非常期待自己的博士生涯能和更多优秀的人建立联系。
我博士申请的大学是澳大利亚的悉尼大学，导师也是一个学术声望非常高的一个老师。目前研究方向还没完全确定，但我对强化学习和因果推断更加感兴趣，也在看相关的基础书籍。希望未来能从事相关的研究。
申请的时候，我还经过了对方的电话面试。因为主要是基本功的考核，我还是得到了比较高评价（得益于讨论班上给各个学弟学妹不停的普及算法基础知识）。虽然我能写到简历上的硬核的实力不多，拿不到学校方面的奖学金，但悉尼的导师给我发了全奖的offer。我觉得自己十分幸运，也十分感激每一个在我人生路上给我提供机会和平台的人。
我会全力以赴，努力做好自己！
云南实习 I
悉尼导师在国内有个团队，做人工智能创业公司。于是在研三下学期，我就到公司这边进行实习生涯。
公司坐落在风景秀丽、气候宜人的云南，环境相比很多创业公司来说要好很多。当然，跟大型互联网公司比的话，还是有差距的。
来公司之后，主要做了一下深度学习框架的事情。听说是想支持多个框架的切换。于是我从计算图模型开始设计整个架构，计划采用类似keras的方式来设计一个兼容性的框架。因为业务要求，需要用C++开发，因此不能直接使用keras。
对于技术上这种框架架构设计来说，我还是有一定的信心和经验的。看过的框架源码也有好几个，包括游戏方面的cocos2d-x，第一代的深度学习框架caffe。我自己也基于nodejs后端开发过业务框架，涉及中间件、ODM，此外我还尝试过开发类似TFLearn那样写一个顶层的算法框架。虽然我没有很完善的搞定一个通用的技术框架，但我具备写框架需要的基本知识：精通几门开发语言，底层的CUDA和CPU并行计算都做过，优化和profiler也都试过，网络方面、序列化技术、内存管理、GUI开发、Web开发这些都有涉猎。而且我还在积极的阅读编译原理和操作系统的基础知识，也是受益匪浅。
说实话，干这种高端开发，像是搞艺术一样写代码的工作，我还是很愿意的。一来能证明我的实力，二来也能锻炼我的业务思维。因为写框架也是要围绕业务展开的。
公司对我的项目的需求上还是挺复杂的，希望我能开发经可能通用，同时支持训练的框架。我估算了一下整个方案的工作量，预计自己只能做一个开头工作，剩下的要靠组建团队来持续开发。于是，我在公司里引入了比较流行的协作开发模式，以及相应的工具链。包括git的branch管理、单元测试、CMake管理项目文件等等。
在公司实习的这段时间，我也认识了很多牛逼的博士朋友。有公司的主要技术负责人王院长，有搞SLAM的琰神，有年纪轻轻却马上毕业算法搞得666的付欢师兄，还有一些跟我一起要入学的小伙伴，算法强人梓衡和ACM大神立浩。每个人都有自己的特长，也都能发现和解决疑难问题。都是潜力极强的小伙伴。
不过最后，毕业答辩即将到来，我就回学校去搞答辩了。
毕业答辩
硕士毕业答辩一般比较水，不过我还是把自己做的工作整理了一下。简单来说就是把我研究网络初始化的思路和实验进行了总结。然后附加了一个年久失修的、导师反复强调让我搞出来发论文的、多光谱食品鉴别的算法框架。其实我对这个兴趣缺缺，算法框架虽然是我提出来的，但我觉得解决这个问题的方式更加像是一个工程，而不是学术研发。
但说实话，深度学习方面近期的发展，更像是工程进展。而明明是搞工程的套路，调了调参数，设计了个新的trick，还非得编个故事来说自己多么的有启发性，自己多么的有道理。但是大家开心就好，好用就好。
其实，学术界有这种追求实用性的作风还是个不错的事情。毕竟有很多的期刊也会偏向于理论，而应用的实用性得到重视，也说明工程师的地位也在上升。越来越多的迹象表明，大家更加看重理论结合实际的效果，而不是一个没有实际用处的理论。一般来说，这种提升性能的核心工程技术研发，都应该是国家或公司高度保密的内容。而目前学术界反而比较开放的分享这些技术，让我看到了人工智能行业的良性发展模式：理论和实践相结合，更注重理论的实用性。
当然有很多大牛批评说：深度学习领域，学者都跑去搞工程去了，本末倒置。有失偏颇吧，毕竟能搞出有用理论的人太少，其他人跟着凑热闹灌水写没用的理论分析，还不如做实验给大家更多的启发。但有实力做理论研发的人，一定也在默默的构建理论体系框架，更加结合实际经验的进行总结，得出一些更加有用的结论。
答辩整体来说进展的还是比较顺利，我的工作数学内容也比较少，但大家觉得还可以。听说有的人因为数学内容太少，还被拒绝通过。不得不说，数学系还是太注重理论。一个人应用能做出好的结果来，看起来容易听起来容易，可操作起来，我敢保证让很多数学系的老师很久都重复不出来一样的结果。而很多老师认为比较有启发，能合适应用的理论，转化为算法往往效果很差。甚至一些有应用经验的人都不用实验就能指出存在的问题。
纯数学系的人还是适合做算法的理论分析，而不是提出算法。设计和发明算法需要一个人非常懂应用问题，同时具备比较深的理论功底。这个事情是需要一个人同时具备两种能力，而不是两个具备相对能力的人配合所能达到的。毕竟，理论很广，应用也很广，两个人想结合的那么默契是不现实的；而如果一个人掌握两个方面，他往往会围绕一个核心问题来展开自己的知识面，反而更能做出突破性成果。
云南实习 II
留学澳洲的事情，因为奖学金流程被学校卡了一下，因此延期到了2018年的3月份。于是毕业的这段时间，我再次回到云南这边进行研发工作。
这次我跳出了自己的岗位细节，站在部门的角度，问了部门一些规划。
其实开发工作还是要站在更顶层才能有更明确的侧重点。这次开发，让我认识到我之前眼光过于局限，对于一些细节规划过于庞大，而这块问题目前不是公司的重点，也不能够投入大量资源来做。了解到公司的痛点之后，做技术也更加有方向性了。
首先我在公司推行标准的项目管理方式和自动化运维流程。主要技术有：Gitlab，Docker，Jenkins。Docker这个东西其实很早就知道了，以前搞项目的时候，让一个本科生（轮神）搞了搞。我自己则没太关注，因为我的代码都放在github上了，而CI当时则是用的travis，免费又好用。这次自己整了整Gitlab+Jenkins+Docker，迅速用三天时间把《第一本Docker书》给撸完，搞了大概2周左右，才把一切的流程打通，可以自动化测试和部署。初步弄好的时候，还是感觉屌屌的。（同时，我建立了：docker大法好的基本认知）
随后，我又在公司里面引入了Javascript技术。本着JS大法好的精神，前端上了Vuejs和一堆配套库，包括lint和test，后端则是迅速基于koa2撸了一个api的简单框架，初步把公司网站的主页给搭了起来。说起来，我还是不太倾向于传统java web的开发方式。前后端不解耦合，很不利于平台建设。况且现在前端框架这么牛逼，很多Java Web开发者还把JavaScript当成玩具语言，更多则是使用JSP来做前端。说实话，现在的前端支持模板渲染、路由、数据流，本身就是一套MVC了，后端真没必要再渲染。而传统Java Web的方式则是基于容器来渲染JSP页面。我觉得java web只保留servelet就好，主要处理一些：业务逻辑繁琐复杂、需要频繁操作关系性数据库的问题。此外我还建议接口统一restful，简单轻便（性能真有问题了，再说RPC或者IPC相关技术，至于XML，我真的不喜欢）。
最后临走前，我又考虑到大数据平台建设，给公司提供了一些技术规划：分布式文件系统、分布式数据库、分布式计算，给出了大概的架构方式。
总之，这次实习两个月左右，干了不少偏工程和流程管理的活儿，也站在了更顶层的角度去思考技术。说实话，这种顶层架构的活儿比较适合我的能力。而做一个大项目下的小部分，本身不能体现我的能力。毕竟我学得比较广，相对而言，小细节反而把握的不够深入。这些坑爹的BAT之类的大公司，大都是招聘螺丝钉为主的，面试问题要么就拿数据结构算法来坑我、要么就针对某个小细节不停的问更细节的（比如加密算法、系统API、海量数据排序）。本身我就是解决问题的方式来学习的，很多公司用户规模上也还没遇到这种问题，谁闲的没事不解决重要紧急的问题，反而提前考虑优化问题？优化问题本身难不难呢？我觉得一般吧，真要搞也不见得搞不定（还真没有特别多我搞不定的，GPU上写CUDA我都写过，也能达到一定提升；stream指令、避免bank conflict之类的，本质就那么回事，写起来都不用考虑工程项目结构，一个文件写下来就行）。
哎，偏偏这种细节问题答不上来，就显得你很弱一样；大公司这种态度让我觉得特不爽。而他们的一些员工也一样，以前一个google的入职员工，问我两个算法题。我没答出来就说我基础不行啊之类的，醉了。就是没刷题呗？我很少做螺丝钉的工作，当然用不着那么细节上的优化。如果真给我时间，我照样写的出来符合性能的算法。毕竟我数学系出身，算法什么的，再基础不过了。
在家修养
在云南呆着，不知道是吃饭还是什么原因，身体突然不太好。再加上按理说签证也递交了，可能快下来了，于是我就回家修养了一段时间。
回家之后，保持了很长一段时间的好作息，身体也恢复挺好的。
趁着寒假的机会，也去了一趟对象的家里，算是提前见了一下父母吧。嘿嘿。HH同学家人都很淳朴，她们家那边的饼啊啥的非常好吃，印象深刻。鉴于HH同学打算找工作，所以基本在家的时候，多来陪她一起学习了。
我自己的学习方面进展不太大，简单看了一些强化学习的书，《Reinforcement Learning: An Introduction》，大概看了几章吧。还搞了本信息论的书，也看了个开头。操作系统的书《Operating System Concept》也只看了前面的部分，看到dead lock附近吧。怎么说，我还挺喜欢看这些书的，毕竟能结合实际经验反过来学习理论，感觉理解上更加深刻和实用。论文有点不爱看，不管什么比较简单的idea，都能说的特别好，这个好那个好；但根本来说就是个trick，讨论就算有理论，也比较针对一个点，一个很小的子问题，不系统。
我还是比较喜欢学习系统一点的知识，能串联到一起，解决一个大问题这样的。论文什么的，也许以后读博士的时候，再去细扣吧。
路漫漫其修远兮！
澳洲签证
眼看着到入学截止日期，签证就像石沉大海一样。简直是坑死了。
各种手段都用过了，均没有回馈。
据说受影响的主要以phd为主。因为phd基本都不是自费的，澳大利亚不爽。外加澳洲政府高层整个有个傻逼排华，整天宣扬中国威胁论，还搞什么我们这些phd都是去澳大利亚窃取他们的高端技术。（WHAT？要不要脸？渣渣土澳，有什么值得窃取的技术？袋鼠养殖么？）
总之，我很无奈，只好把offer再次延期，到7月份。
说实话，有点不那么想去了。读博士也不利于结婚。有点想结婚定居，好好过日子。
生活嘛，有的是可以选择的。也不必非得搞得不读个海外博士不算成功这样子。
只要能心态平稳，安心进步，享受家人的温暖，享受爱情，多增长见识，多帮助他人，多回馈大家；我觉得人生就是成功的。
反正其实随便找个工作赚得也不少了，想赚更多不如想怎么样活得更优质。