高友谊

这两年我陆续在看一些金融相关的东西，也自己做过一点很小规模的实践。 一开始我以为，凭计算机背景去学金融，会天然有优势。后来发现优势确实有，但前提是你别上来就想着“写个策略然后暴打市场”。 市场不是 LeetCode，也不是 Kaggle。 尤其是 A 股这种环境，很多时候你以为自己在做理性分析，最后其实是在给情绪找理由。所以这篇不讲神话，也不讲一夜暴富，我只讲我现在觉得比较务实的一条学习路线。 1. 先把目标想清楚：你学金融是为了什么我觉得这个问题必须先回答。 因为“学金融”这三个字太大了，里面其实混着很多完全不同的目标： 想提高自己的理财能力； 想看懂宏观和市场新闻； 想做基本面投资； 想做量化交易； 想以后转去金融科技或相关行业。 目标不同，路径会差很多。 如果你只是想让自己的钱不要乱花、乱投，那根本没必要一开始就去啃随机过程和衍生品定价。 2. 我现在比较认可的顺序：先常识，再报表，再市场，再策略很多人一开始就想找“哪只股票能涨”。 我现在反而觉得，这几乎是最没意义的起点。 因为如果你连： 一家公司怎么赚钱； 财务报表在讲什么； 市场为什么会大幅波动； 风险控制为...

最近这段时间，我比较集中的精力都放在交通流量预测这个方向上。 一开始看这条线的时候，很容易有一种错觉：好像大家都在不停换新模型名，今天 GNN，明天 Transformer，后天再加几个注意力模块，论文就又多了一批。 但看多了以后会发现，这个方向其实有一条挺清楚的主线：大家一直在想办法更好地刻画时空依赖，并且让模型更贴近真实交通系统的复杂性。 这篇不打算写成严格综述，更像是我现阶段的理解整理。对我自己来说，写下来比单纯把论文名字记在脑子里更有用。 1. 这个问题到底难在哪交通流量预测表面上看只是时间序列预测，但真做起来，麻烦比普通单变量序列多得多。 主要难在几个地方： 空间相关性：一个路段不独立，周边路网会传导影响； 时间依赖性：短期波动、周期规律、节假日效应会叠在一起； 动态变化：早晚高峰、事故、天气、施工，都会让分布发生偏移； 数据不完美：传感器缺失、噪声、节点宕机，这些在真实场景里非常常见。 所以这个方向不是简单把“预测未来 12 个点”做出来就行，更关键的是： 你对真实交通系统的不确定性，考虑得够不够。 2. 早期方法：先把时序建起来比较早期的工作，很多还是统...

这篇文章记录机器学习课程第一次作业的整理结果，主要覆盖基础概念问答和一个简单的贝叶斯定理计算题。 1. 机器学习的三要素及监督学习与非监督学习的区别机器学习的三要素： 模型：定义输入到输出的映射关系（假设空间） 策略：构建目标函数（损失函数+正则化项） 算法：求解最优参数的优化方法（如梯度下降 监督学习与非监督学习的区别： 监督学习（Supervised Learning）： 定义： 在训练过程中，模型使用带有标签的数据进行学习，即每个训练样本都有对应的目标输出。 目标： 学习输入与输出之间的映射关系，用于预测新数据的标签。 应用场景： 分类（如垃圾邮件检测）、回归（如房价预测）。 非监督学习（Unsupervised Learning）： 定义： 模型在训练过程中仅使用输入数据，没有对应的标签信息。 目标： 挖掘数据的内在结构、模式或分布，如聚类、降维。 应用场景： 客户细分、图像压缩、异常检测。 2. 过拟合的表现、原因及避免方法过拟合的表现： 训练误差低，测试误差高： 模型在训练数据上表现优异，但在新数据或验证集上表现较差。 模型复杂度高： 拟合了训练数据...

保研结束以后，很多人会突然进入一种奇怪的状态： 以前天天焦虑排名和推免名额，现在名额定了，反而不知道接下来该干什么。 我自己也有过这个阶段。后来想明白了一件事：研究生三年最怕的不是忙，而是忙得没有累计。 看起来每天都在干活，但三年一过，论文不成体系，项目讲不清，实习没留下结果，生活也被弄得一团糟，那才是最亏的。 这篇就按我现在认可的思路，写一个尽量务实的三年规划。 先说我的基本判断如果你是计算机、软件、AI 方向的硕士，研究生三年通常绕不开四件事： 科研 实习 / 就业准备 技术能力积累 个人生活与身心状态 这四个东西不是对立的，但也绝对不可能同时拉满。 所以研究生规划最重要的，不是列一个非常满的计划表，而是确定： 这三年里，你最想换来的核心结果是什么？ 对我自己来说，大概会是下面几个关键词： 在一个明确方向上做出像样的成果； 形成自己能拿得出手的技术栈； 给就业和未来留足选择权； 不把自己读到只剩疲惫。 第一阶段：研一，先把地基打起来我一直觉得，研一最重要的不是急着“出成果”，而是先把自己从本科那种比较散的状态拉到研究状态。 1. 把方向尽快收敛很多同学研一最大...

保研准备里，最容易让人焦虑的就是面试和笔试。 一方面你总觉得自己什么都不会，另一方面网上经验帖越看越吓人：英语口语、项目深挖、算法题、408、机器学习、开放题……像什么都可能考。 但我自己的体会是，保研准备最怕的不是不会，而是复习顺序错了。 时间本来就紧，如果你上来就去啃最偏最难的东西，最后很可能基础没复盘到，项目也没讲顺，面试一问三不知。 这篇我就按“真正能提分”的逻辑来讲。 一、先分清：面试和笔试考的不是一回事面试更看三件事 你是不是你简历上写的那个人； 你基础是否过关； 你表达是否清楚，值不值得招。 笔试更看两件事 你有没有系统复习过基础； 你写题速度稳不稳。 所以不要拿准备笔试的方法去准备面试，也别拿背自我介绍的方式去赌笔试。 二、面试准备，我建议优先搞定这四块1. 自我介绍：一分钟和三分钟都要有很多人觉得自我介绍很简单，实际上这里最容易翻车。 因为老师对你的第一印象，往往就来自这里。 我建议准备两个版本： 一分钟版本适合老师打断式面试，快速讲清： 我是谁 本科哪里 主要做过什么 为什么来这个方向 三分钟版本适合老师愿意听你展开的时候，讲清： 基本背景 代表...

每年到预推免这个阶段，最常见的问题不是“我要不要保”，而是“这几个学校到底怎么选”。 尤其是手里同时有几种风格完全不同的 offer 时，人特别容易乱。 我自己一路看下来，有个感受很明显：很多人嘴上在选学校，实际上在同时选城市、导师、方向、毕业难度和未来生活方式。 所以这篇不搞那种一刀切排名，我就按照我自己的价值排序，聊聊如果是我，在电子科大、中山大学、西安交大这类学校之间会怎么比较。 先说结论：不要只按学校名气排序保研不是高考。 高考更像“先上车再说”，但保研已经到了专业方向更细、导师差异更大、个人目标更具体的阶段。这个时候如果你还只盯着学校名字，后面很容易后悔。 我自己更认可的判断顺序是： 如果你以后想认真做科研导师 > 方向 > 组会氛围 > 学校平台 > 城市 如果你以后更偏就业城市 > 实习资源 > 学校牌子 > 导师是否放养 > 方向匹配 这两套排序不能混着用。很多人的纠结，根本原因就是既想科研舒服，又想实习自由，还想学校名头最响，最后当然选不出来。 我会重点看哪几个维度1. 导师到底靠不靠谱这个问题永远排在前面。 ...

保研阶段最容易浪费时间的事情之一，就是把简历写成“材料堆砌”。 我自己本科是电子科大软件工程，最后是保送本校读计算机技术。回头看，我那份简历并不属于那种天花板级别的神仙简历，成绩也不是专业第一，科研也不是一开始就特别强，更多是靠信息整理 + 内容取舍 + 表达方式，把一页纸尽量打磨到了“老师愿意继续看”的程度。 这篇就不讲虚的，只讲我觉得真正有用的东西。 先说结论：保研简历不是自传，是筛选器老师看你简历，很多时候没有你想象中那么细。 尤其在夏令营、预推免阶段，老师一天看几十份甚至上百份材料，第一轮看的不是“你这个人多么有故事”，而是： 你的基础盘怎么样； 你有没有明显亮点； 你和他的方向有没有一点匹配； 这人后续面试值不值得花时间。 所以，简历最重要的目标不是“全面”，而是“快速建立判断”。 如果你一页纸做不到这一点，那基本就白写了。 一页纸够不够？大多数同学，够。 除非你真的是论文、专利、项目、竞赛都很多，而且每一项都很硬，不然我还是建议一页。因为保研简历和找工作简历一样，核心就是两个字：克制。 我比较推荐的一页结构如下： 1. 基本信息：别花里胡哨放这些就够了： 姓...

这篇文章主要记录我在 基于时空建模的交通流预测算法研究（毕业论文草稿） 这一主题上的阶段性理解，重点放在问题背景、方法脉络和个人判断。 第一章 绪论在过去的几十年中越来越多的家庭拥有了属于自己的私家车，据公安部统计[^1]，2023年全国机动车保有量达4.35亿辆，其中汽车3.36亿辆；数量庞大的车辆保有量势必会带来交通拥堵，停车困难，难以管理等一系列问题。目前交通管理部门主要采取如下几种办法来解决交通拥堵问题：（1）加强道路基础设施建设，如加宽道路，修建新道路等;（2）限制在道路上行驶的私家车的数量，如尾号限行，限制异地车辆进入城区、摇号上牌等; （3）开发智能交通系统（Intelligent Transportation System，ITS）[^2]等。 其中开发智能交通系统是很多国家重点关注的领域。无论如何拓宽道路，限行限号，都要花费大量的人力物力，而且往往无法预知未来道路的变化，从而合理的安排公共人力物力。但是智能交通系统能够利用深度学习等算法，提前预知可能的交通变化，以便于相关职能部门合理调度人力等，从而保障道路畅通，方便人们的出行。作为智能交通系统的重要组成部分...