升本，考研，如果研究生来个 985 就稳了。目测就职白菜价大概是 20W/年。如果研究生发力狠，还可以那个海龟名校博士，目测均价 60W/年(这几年形式还不太好，前几年还有百万年薪的)。

高盛貌似有相关开源项目？我没细看，反正最近高盛开源还上新闻了。

重金...

一般服务器我的密码：md5(前缀+域名 /主机名+后缀)

来，加我吧。

加个简短的自我评价，和工作方向的倾向，会更好一点；
技能清单分一下类，让人能更清楚一些；
薪酬期望，我觉得写高于底线一点，免得被一些出不起价的公司骚扰。

建议还是别考了；考研人数上升，一年比一年难；备考时间也足够长，再来一次能大幅度提升分数概率不大；家里人估计也会给你压力。

至于干什么，还是自己多想想，工作后花时间深入吧。

function beFriendly(leaders_def){
return {
errorCode: leaders_def.status,
errorMsg: leaders_def.error
}
}

一个函数帮你解决分歧，不客气。

@quinoa42 感谢，有空我试试看。

wine 的东西，问题很多很烦，是消耗时间的大坑。慎入。

@Ghands 我一般非得用 windows 就挂个虚拟机了。不过只有在必须使用 office 的时候用。

平时：
挂 electron-wechat，接收通知；也有时候不挂微信，老板着急会打电话找，解释一下平时 pc 挂不了微信就行；写 paper 一般我从 org-mode 开始列提纲和内容，绘制插图一般都是各种编程语言或者留待后续添加（或者找个下属用 windows 帮忙画一个），然后转换成 rtf 文档，开虚拟机打开 word 找到模板，复制粘贴，补充完善顺便发给 boss ；有时候 boss 也会收 latex 的东西，我就 org 转 latex 了，更方便点。

如果有个全局支持 emacs 快键的 linux 发行版，也是极好的。不知道有没有。

其实你可以不用微信。一般用微信都是朋友聊天，讨论技术的极少，需要发送文件啥的邮箱其实更好用。

用微信也就是分散精力做一些没必要的事儿。所以手机上用微信我觉得足够了。

不过，我也用 linux，emacs，和 eletron-wechat。但觉得微信有没有都无所谓。另外 emacs 也不算特别好用，我常用的也就是 org-mode，代码编辑 vscode 也很好了，或者专门的 IDE。个人感觉 mac 更适合你，linux 不适合你；我是不太喜欢 mac，从 mac 转 linux 的，但如果考虑有极强的 windows 软件使用习惯，都想要好用的命令行，也就是 mac 了。但如果对硬件层想要更多控制，对系统想要更极端的定制来加速效率，mac 就一般了，很多很难设定，苹果公司也不会提供开放接口。

显然 node.js 。先不说大前端的趋势，反正我觉得 javascript 比 python 给我感觉好多了，异步很舒服。python 优势就一个：科学计算，你如果不做什么算法类的，不太建议。async/await 貌似也是 3.5 才支持的，而有的时候还必须得 python2，这就醉了，虽然 future 啥的可以拯救一下，但仍然很麻烦，而且我怀疑很多人根本搞不清楚协程和 future。

php 新的语法不太了解，但历史遗留问题多，而且我总觉得和 js 太像，搞得我前后端切换会有点混淆，还不如直接 js 了。go 不错（我没深入了解过，但口碑和市场都不错，不过貌似也是强类型语言），c++有点难估计你够呛能精通（指针加多线程绝对搞死你，哪怕用智能指针，weak, shared, auto 这些都是最最基本的；虽然，我觉得挺值得学的，但不推荐，反正 java 这种强类型的已经学过一个了，再学个动态类型的比较好）。

感觉首先是你能摆脱 IDE，把编译流程搞清楚，更深入的理解 java 和 delvik 虚拟机；至于 android 本身提供的四大组件什么的，还有 view，控件什么的，个人感觉看起来学起来很快；接着深入一些开源的模块，比如涉及到多线程、图形、网络、存储、编解码、传感器等等的，看看别人源码怎么写的；最好深入一下 ndk，很多时候要解决问题还只能 ndk。最后就是看虚拟机源码和看系统源码吧。不建议刚入行就立马想着转，连语言基本功都没提起来，过于浮躁技术上会很难深入。

我用的 strapi，可以了解下。CRUD 和用户权限等 api 基本通过界面的点击就能完成。

哪个给的多去哪个。这几个公司技术都不差。足够答主学习和提升了。很细致的比较哪个公司技术实力更好，哪个业务组更好，对刚毕业的学生意义不大。

方向上的话，做广告和做 NLP 可能也差不多。底层都是分布式系统，分布式计算那套。模型上，广告推荐也是会逐步结合 Deep Learning 方法的。当然，一些传统方法也是有用的。特征提取方法上，很多本身就是领域独有的。我想也就这些差异吧，并不重要，因为这块主要就是个积累，并不是多难，而是东西又多又杂。