杂记 | 一些零散的记录

一些求职技巧：

最为心仪的公司不要在最开始投递。当你想要申请加入一个公司的时候，前几个公司更多的为你带来的是经验上的回馈，执行过程中总能发现各种缺漏，补足和练习之后再去投递最想要去的公司。不仅是找工作，其实对于包括申请的小朋友，做任何稍微多一些选择的尝试的时候，这一条都很适用。

勇敢地去找该公司的校友或者来自同一个国家的人（从 LinkedIn 或者校友会）约 Coffee Chat。可能会成功，也可能会失败，但总会遇到一两个好心人愿意和你聊一聊。准备好自我介绍和各种问题，时间可以控制在一个小时左右，多问一问公司的事情，文化、求职经历、工作经历、吸引点、和适合自己的地方。

多看看求职需求和公司官网，以及可能有的公司 blog 和 LinkedIn 上相关员工的长一些的文字，在 CV 和 Cover letter 中写下自己具有非常 specific 的资质，并且将 Coffee chat 的聊天内容也包含进去，以展现自己对公司的了解与兴趣。

有 case book 可以参考，多看看面经，LeetCode 刷起来，以及专业知识多看看多背一些。

或许有 Online Mentoring 也可以去看看免费资源。对于 Consulting Position 有比如 crafting the cases; Victor Cheng 之类的网站参考。

Python 调用 C：

原本我打算用 cytype 调用 C 函数，在复健写 C 函数的过程中无比痛苦的时候，看到了这个文档：Numba documentation。

它是一个即时的 Python 编译器，对于只用 NumPy array 和其中还有 loops 的函数与代码，可以将它们编译成 machine code，从而减少 loops 所需要执行的时间，大大提高运行效率。

运用它只需要在函数上面加一句

@jit(nopython = True)  # Set "nopython" mode for best performance.

这其中，“nopython” 是指在编译过程中完全不考虑 Python interpreter，是使用 Numba jit 的最好方式。如果 nopython 编译错误，则可以换用 object mode。在 object mode 的设定下，loops 会被编译为机器语言，其它的代码将都会被 Python  interpreter 运行。

在我的需求中，好处在于它真的很快，坏处在于它好像没有办法被 scipy 的优化函数们调用。不知道是不是还是需要接着学 ctype （叹气

然后才发现的编辑页面，可以写数学公式但是没有代码块？？？

差评