作者：Sword York

2019年已经过去很久了，2020年已经重拳出击了。2019年的变化让我都有点反应不过来，虽说我不想当一滩死水，但流动也过快了。2019年这一年我服的人比我前26年服的人加起来还多。由于在工作，学到很多东西都不能写出来，不过我都积累在公司的文档了。忍不住夸字节跳动的doc太好用了。为什么要写总结，一是实在没东西写，二是希望靠搜索引擎督促自己完成计划。

主要变化

1. 由于各种原因，我不再从事翻译事业，做搜索去了。高中以来“让大家以后都不用学英语”的理想就这么轻易放弃了。
2. 看了Fate樱线和天气之子，观念发生改变，我不要当正义的伙伴，世界就是你。可是我还是保持单身，还好还会被她人吸引。
3. 我还在北京，回南方的冲动不那么强烈了。
4. 看了8本书，比去年多了2本。。。争取今年16本。不过，画画事业荒废了，就买了新数位板，一副没画。

语言学习

计划完全跟实际对不上，我并没有学韩语或者印地语，倒是接触了西班牙语。拜谭老师悉心教导西班牙语，我学会了小舌音。这是我很久以来梦寐以求的技能，但我记不清什么时候开始有这个想法。小舌音是意外所获，西班牙语还是稍微学到点东西的， estudiar para saber 这样的简单句我还是能够看懂的。我发现学语言根据词频来学就好了，根据语料统计出词频，然后根据词典造句的方式学高频词，效率很高。由于我不再搞机器翻译，本来打算改变学习韩语的计划，后来发现，我得接触tiktok，还是得懂点基本的。所以韩语和日语是今年学习的重点了。

旅游拍照

2019年的情况有点特殊，我没能出远门玩玩。无论是西部计划还是日本计划都没能实施。钱和时间都不充分。不过我在5月份的时候进行了环太湖游，杭州、南京、苏州和上海，为什么是这几个城市，唉说多了都是泪。最有代表性的两张照片如下，第一张是去上海看TI 9，花了我好多钱，结果OG创造历史，什么魔咒都是假的，关键还是事在人为。第二张是故宫雪景，去年一年去了7趟故宫，还是学到很多的。今年还得去，今年的主要目标是结合故宫的实物了解中国古建筑，光拱枓就足够看一年了。今年一定要去日本。

我达到了抖音百赞的目标，虽然由于各种原因我买了dou+。。。2020年没这个计划了，我得继续挤时间画裸体美少女。

不讲道理的世界

研究生的时候把翻译书的钱捐了，学生回信了。被导师评价为我们在大学期间做的最有意义的事。导师把信传给他现在的学生看了，认为我们需要知道一下社会上的情况，能尽一点力是一点力。我选了一封付在下面，我也认真写了回信，也是我想说的话。这个世界是美好的。

京都漫画创作了那么多优秀的动漫，却被暴徒付诸一炬，给世界带来温暖，自己却被如此对待，这个世界太邪恶了。

紫罗兰永恒花园外传上映了，我只看到两个主题，一个是传递感情，一个是铭记名字，这样的京阿尼还是如此温柔的对待世界，这个世界我看不懂。

我还是更愿意相信世界是美好的，世界是概率的，期望上会往好的方向发展。尽管2020年1月还没过完，几大拳已经打来，打得人精神恍惚。

1. 将帅无能，疫情失控，百姓囤货，口罩告急
2. 伊朗美国暴走，核力量面临失控
3. 澳大利亚大火失控，动物们流离失所

希望我的博客能双月更吧。。。

这是一个内推任务。我发不了朋友圈，微博没有影响力。各位走过路过不要错过。你有兴趣或者身边的人有兴趣，麻烦发简历到 echo emhhb3NoZW5qaWFuLjAxQGJ5dGVkYW5jZS5jb20= | base64 -d 。

非官方介绍

搜索目前在头条是比较投入的方向，也是刚刚起步，希望与更多的人一起做更多的事。个人认为头条还是不错的，有很大的发展空间，待遇也好，是技术导向的公司。优势有

1. 丰富的数据，并且有机会接触这些第一线数据
2. 充足的计算资源，10000块卡，BERT什么都不在话下
3. 年轻的团队，大家都非常平等，沟通没有障碍，就像在学校实验室一样，头就像实验室的导师

官方介绍

【部门介绍】
字节跳动公司搜索部门汇聚了大量行业顶尖产品和技术精英，旨在从0到1打造一个用户体验更加理想的通用搜索引擎，支持公司所有产品的搜索功能，包括今日头条、抖音、西瓜、火山、懂车帝等多款备受欢迎的知名app。在这里你有机会参与工业级搜索引擎从无到有的研发工作，并在此过程中挑战大规模分布式存储和计算架构、NLP、人工智能、ranking等世界难题，很好地锻炼自己的工程能力、算法能力、业务能力。加入我们，参与并见证一个新产品的成长和成功，同大牛们一起完成最有挑战性的工作吧！

【部门亮点】
– 公司重视程度高，团队力量强
– 从0到1，技术成长大
– 搜索系统更加复杂，挑战更大：
1. 规模：搜索数据规模更大（搜索是千亿级），对工程和算法的挑战更大，能搞定搜索的话去搞别的都不怕。
2. 场景：搜索对精度的要求比推荐更高，用户已经明确表达需求、出现不相关结果用户会吐槽，所以除了关注pv级指标、对每个搜索请求都要求精度，挑战更大。
3. NLP：搜索场景下NLP更重，人类自然语言理解问题是终极难题；deep learning已经能很好解决图像和语音等问题，但是在NLP上还有很长路要走，足见其难度；我们恰好又处在技术变革的时代，有搜索这样一个场景来研究NLP问题，是个最棒的土壤。

【招聘岗位】
算法工程师
后端开发工程师