① 11.6 把 CS 145 改成了 P/F，因为感觉这门课成绩没啥用（不知道 AI 课的 GPA 会不会对申 lab 有点帮助…）。11.6 晚饭，770 开车带我和 776 去 772 那里拿外卖，原来她是 CS 229 的 CA；作为她本科同学，770 说她是 NLP 巨佬，来自北京，励志读博，平时不怎么社交。
② 11.6 晚上继续阿瓦隆；见到了 782，他也录了 FB。564 则没录，他和 799 第 2 轮遇到同一面试官、同一套题目，都做出来了结果她过了他没过，564 说他要不录 Duolingo 就只能读 PhD 了…？
③ 自从决定搞开发后，我学习 CS 221 的动力崩溃，尤其是感觉很多算法在实际应用场景下都是 overkill（小题大做）。还记得 9 个月前的我还一直怀着“非 AI 不搞”的信念（和 469 一样），现在则意识到 AI 和 SWE 是平等的，只是可能 AI 需要一些创新和探索，SWE 则是把已有的知识发挥到极致。
④ 776 提到在 Stanford 搞 AI 成了一种政治正确，好像只有搞 ML 才显得自己“聪明”，去实习分组的时候大家都抢着选 AI（虽然 SWE 即使进 ML 组也只能做一些预处理之类的，MLE 是另一个 track）。不过我们项目里其实也有不少搞开发或者全栈的啊。
⑤ 11.4 我参加了一个推荐系统 RA 职位的面试，这个 opening 是群发给所有 CS 同学的。教授 Susan Athey 是一位经济学巨佬，lab 有很多和 CS 交叉的研究方向，还发过 ML 的 paper。我提到我打算去 Amazon，她说亚麻有大概 200 位经济 PhD，做市场决策之类的任务。
⑥ 教授最关心我（1）如何管理时间，我说我从不管理时间，她说我做 RA 需要适应给任务分配明确的小时数；（2）针对复杂研究课题，提出自己观点的经历。负责这个项目的 PhD，709，之前有过 SWE 经历，他和我说理想的工作模式是从我向他汇报，慢慢转变为我和他合作。
⑦ 11.7 下午，我突然收到了 709 发来的一个测试，让我读两篇推荐系统的 paper、理解它们的代码，回答一些简单的问题。同时还发给另一位同学（亲，您不会 bcc 吗…），我还查到了他是统计院的硕士新生，所以我只有一个竞争对手？
⑧ 15 点发的测试，ddl 是 11.8 晚上，不过我当日 22 点就做完提交了，paper 读得意外地轻松，本科的时候花那么多时间研究线代，尤其是 SVD，终于派上了用场！很快，709 激动地告诉我我的答案全对。
⑨ 11.12 是 145 期末考，最近学的东西（transaction，事务）总结下来就是“如何应对高并发”，听着讲座突然理解银行的 SWE 需要怎样的技能。想起 GSDI，高并发场景不是所有应用都有，但也足够常见了。另外，并行性也是 OS 的核心话题之一，所有知识点都是相通的。
⑩ 学这部分的时候，如果只是死磕概念，很容易迷失在公式堆里，理想的状态是多理解大格局，比如联系 GDSI 里的场景，思考 TicketMaster 怎么处理高并发。
⑪ 接 TuSimple 以后，我又收到了 Citrix、Adobe、Apple 的面试邀请。Citrix 我当然不想去，但 Apple 的机会还是超级诱人的。Adobe 的 JD 主要是分布式和系统设计；Apple 给的 JD 是我第一次见到需要会 Computer Vision。这些技能我在申请的时候都完全不会，不知道这些 recruiter 是怎么看上我的…
⑫ 11.13 晚上加了 TuSimple 的群，妈呀好多 PhD。11.14 晚上和 786、780 出去吃饭，786 透露 749 要去 Nvidia、745（他室友）return 回 Amazon。我提到 Amazon 实习生都已经收到了很多线上课程，而 TuSimple 啥也没有，他说我要做好心理准备，TuSimple 没有系统的培训，代码库也不太规范。