今天是4月16日，应该是开启计划后的第二个周末了。总结一下目前的进展情况，好有个记录。
《Think Python》目前已经看完了前十章，课后习题基本上做完了，比较费劲的还是第五章的课后练习，涉及到递归的部分感觉还是有些难。目前这个速度很慢，需要抓紧，这个月一定要把这本书过一遍。尤其是面向对象那部分，应该是15、16、17、18这四章的内容。我已经报名了5月13日的托福考试了，所以到5月13日这不到一个月的时间，需要留出大块儿的时间复习英语。废柴大作战这块儿目前主要就是把Python的基础打扎实。所以每天的时间除了上班，就剩下复习托福和《Think Python》了。
清明节三天假期结束，正式进入4月计划执行第一天。以后每天更新一篇，记录当天的计划执行情况。
今天下午开始了Think python的学习，因为之前已经学过前六章，不过中途断了没有坚持下来，所以这次是重新捡起来，加上前三章的东西很简单，所以很快地把前三章的内容过了一遍。过程中觉得有些概念需要记下来，复习的时候会比较方便，所以建立个python-cheat-sheet，保存这段时间学到的所有需要保存下来多回顾几遍的有关Python的知识点
废柴大作战第1弹
如题，我将会开展一个行动，代号为“废柴大作战”，为期六个月，行动目标是用六个月时间拿到BAT公司的语音识别算法工程师的offer。我会在此博客和我的Github repo上持续更新所有的行动计划、执行情况、行动结果。接下来将会是充满冒险的六个月。
首先要在这里交代一下我个人的背景，一方面是对行动之前的自身情况做个记录，以便跟将来的自己做个比较；另一方面，也方便读者能拿我的情况跟自己做个比较，如果我的行动成功了，那么你是不是也能做到呢？
之所以叫废柴大作战，是因为本人目前就是一个废柴。我从以下几个方面总结下个人的背景：
学历： 普通一本电气信息类自动化专业，非top10的985高校计算机科学与技术硕士。
编程基础：
语音识别基础： 研究生阶段一直做语音识别方向，然而，整个两年半时间基本可以总结为：搭环境(Linux + Kaldi)，数据处理(藏语音频加文本)，跑Kaldi脚本（基本没修改过C++底层代码，我是典型的Kaldi社区蛀虫，没有提交过一个pull request）。了解语音识别涉及到的基本概念及原理，比如MFCC、fbank、GMM-HMM、DNN-HMM等，但绝谈不上算法基础扎实。
实习工作经历： 没有过实习经历，2017年1月份毕业后在一家创业公司做语音识别相关的工作，工作中边学边做，因为团队刚刚建立，所以滥竽充数的我，目前还没有引起部门领导的注意（可能已经注意到了，只是我还没意识到。汗！）
以上，就是我的个人背景，很废柴对吧。当然，仅仅从这几个方面评估一个人是不够的，情商人脉等软实力不容易量化，所以也就不好评估。总之，目前是从头到尾一废柴，干什么都是三分钟热度，学习技术的固定模式是没入门即放弃。因此，需要大作战，才有一丝希望逆转了。以上，是我的起点。
介绍完起点，下面说下目标吧。虽说过程重要，但是目标总得明确。正如开篇提到的，以我目前的水平，用六个月时间，拿到BAT公司的语音识别算法工程师offer。
在保证如期完成公司分配任务的前提下，从以下几个方面(按重要性从上到下)，强化自己：
愚人节开启废柴大作战纯属偶然，这一次，我是认真的。
废柴大作战之作战计划篇
想完成一个为期六个月的目标，没有一个清晰详尽且切实可行的计划肯定不行。计划是来用服务终极目标的，也就是”用六个月时间拿到BAT公司的语音识别算法工程师的offer”。计划不同于战略规划，战略是大方向，给行动定一个整体的基调；计划是执行层面上的，需要提供详细的行动方案，甚至要详细到每天干什么。既然战略是大方向，那么行动计划要依照战略来制定。开篇已经制定了战略规划，下面就是围绕战略规划开始指定详细的作战计划。
这里说的语音识别专业素养，是一切让你区别于其他机器学习算法工程师的特质。虽然目前深度学习技术大有一统天下的趋势，但从目前来看，想要找到一个语音识别算法工程师的工作，光是有机器学习的背景是不行的，还是需要语音相关的专业知识。结合我以前的学习和目前的状况，我觉得我需要在以下几个方面提升自己的语音识别专业素养。
针对以上三个方面，我在这儿列出相应的学习材料，也就是需要我在六个月内学习并掌握的知识技能。
数据结构和算法是计算机专业的基本功，我是半路出家，在这方面根本没受过严格训练，只能靠自己恶补了。之所以觉得重要，抛开别的不说，单从公司招聘来说，笔试面试时数据结构和算法都是重头戏。之前以为是对应届生有这个要求，来了现在的公司工作一段时间后发现，社招的时候基本也就是从数据结构和算法上考察一个人的计算机编程素养，顶多再加上系统设计的东西。因此，这部分是需要花大量时间补充并且强化的。
针对数据结构和算法的准备，基本思路参考Quora上的一个回答。我准备一开始快速通过Python和C++的基本语法和内置数据结构，然后开始
编程语言作为程序员驰骋沙场的兵器，重要性自然不必多说。我打算提升两门编程语言的编程功底，一个是Python，一个是C++。Python语法简洁，适合非计算机专业的快速入门；功能强大，目前很多机器学习库都支持Python，学习性价比非常之高。只所以要学习C++，是因为目前我接触到的所有语音识别工具箱，不管是开源的还是公司产品级别的，都是用C++写的。作为一个语音识别从业人员，C++不过关实在是无法立足。
对于机器学习算法这块儿，我打算快速入门，强化实践，熟悉某个机器学习工具包的使用。至于理论部分，捡着感兴趣或者特别经典且重要的算法，再找专门的书去读。这部分的最终目标是熟悉掌握Python做Machine Learning的整个work flow，也就是当给你一个数据集之后，从数据净化，到最终得到模型或者结论的整个环节。
这一部分主要是线上线下，多方位立体化展示自己。
整体思路： 按语言来分，两条主线：一条是Python，一条是C++。Python这条主线，首先是搞定Python语言上的特性，包括常用的Python语言使用技巧，库函数的使用，尤其是面向对象设计，希望面向对象的概念能在Python这里打个基础，然后学习C++的时候能省些力气。这个搞定之后，接下来的任务就是Python Data Science Handbook、Think DSP、Think Stats、Think Bayes、Machine Learning in Action这些书了，至于数字信号处理和机器学习的先后顺序，这可以等搞定Python语言之后，看看衔接哪个比较合适； C++这条线， 开始引入数据结构和算法的学习，先是理论部分，算法导论这本书，捡着重点部分快速掌握核心概念，理解着数据结构和算法的同时，开始学习C++，用最快的时间熟悉C++语言特性，弄清楚STL和Standard Library两者的关系，分别包含哪些内容，面向对象程序设计。同时学习数据结构算法和C++，时间可能会很紧，这时候Python这条线的学习可以暂时停掉。以C++这边的学习内容为重。初步估算，数据结构和算法加C++语法，要一个月的时间。这部分结束之后，就开始用C++刷算法题了, 以Elements of Programming Interviews这本书为主。开始刷题之后，应该会一直持续到最后找工作，所以，坚持每天固定时间刷几道，这时候就可以开始之前中断的Python那条线上的学习了。等Python这条线完成Stats和Bayes这两个主题的学习，C++这条线完成Dynamic Programming这部分的理论学习和刷题之后，可以开始把哥大的ASR课程的作业从头做一遍，C++代码深入读进去，理解算法和语音识别系统设计，WFST的知识也是在这个阶段开始学习并强化。理想情况是开始这部分的学习的时候距离找工作还能有1个月的时间。
因为这个计划是六个月时间，我不可能预估这么长的跨度。所以，目前按照每个月月初制定当月的任务和时间安排，月末总结计划的执行情况，根据上个月的执行情况，制定好下一个月的计划。所以先安排4月份的学习任务，因为考虑到四月份还要准备英语考试，所以，整个月的学习任务不能定得太多。下面是四月份的任务：
以上是我的整体方案，把握大方向不变的前提下，时刻根据情况做出调整。