这观察，确实挺不严谨的。
我觉得楼上列的 NPM 的数据是个不错的数据。
或者谷歌的搜索指数什么的。

数据分析用的最多的是 SQL
然后再会点 excel 我觉得就差不多 了。
比起技术，重要的是软实力，沟通交流，做 PPT 汇报啥的

我的观察是离上班近点可显著提升生活质量

@mahaoqu 刷题类面试里面有一个很重要的环节是沟通，边写边和对面沟通你在写啥，准备咋搞，这个能力可以区分 a.刷了并且明白为啥这么写 vs b.背诵出来不知道为啥这么写 vs c.没刷，但是碰到过类似的，所以也能反应过来这么写
一下子就能看出来看

我去给人面试出题特简单，给个嵌套字典，写个深拷贝就行。就这难度就可以刷掉 90%的人了

相信我，如果你招过人，刷题作为一个筛选规则，还是挺靠谱的。
不刷题的不一定不靠谱。题都刷不明白的，不靠谱的概率是很高的。
LC 里面简单+中等难度的题还是很靠谱的，会写个深度遍历，广度遍历，这个要求还是很合理的。
里面的怪题难题确实没啥用

lazygit

先写 open API spec ，过了 code review 再写接口

因为鬼知道 params 里有什么

前端毕竟娱乐圈

Hacker news
AI 三大顶刊之一的量子位 ，是个笑话

大模型的数据团队

Gayhub 上面搜吧

这个要看你的网络关系了。没有这个关系的话最好开始搞起来。可以先给一些开源，但是后面有商业公司支持的搞搞。这个很容易从社区发展成公司的员工

生产力=大部分时间不需要折腾，直接干活
但是需要折腾的时候要能折腾清楚

Fedora 不折腾

卖一块钱的百洁布，一个小时也可以卖七千万了，这是下一个 pdd 节奏。

上队列，然后 lambda 慢慢处理啊

@ghhccghk 你这不是把 20 赋值给 int 了么。你冒号打成等号了

这类项目不敢用的。pytorch 有什么问题肯定是优先解决 Python 前端的。官方支持的 cpp 前端都有各种问题，第三方维护的其他需要 binding 问题就更多了。

而且现在科学计算的后端已经收敛了，就是 numpy ，aten ，xla 这类 cpp 糊出来的，前端就是各种胶水需要，性能啥的根本不重要，好用灵活就对了

chatgpt 糊个 dockerfile 很快的