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。

不到 10w 的项目，都不在我的考虑范围之内。

显然可以啊。TK 大佬，虽然不是医生，也属于简直程序员。

我觉得还是造假找个工作比较重要。等以后有了好的工作经验，也无所谓之前的经历造假不造假了。我看技术会的挺多，数据结构算法也好（楼主自己说的），造个假应该能找到工作。可以往 10k 要。

我指的是基于 ASP 和基于 BSP 梯度更新，架构上也需要进行一些支撑，比如 parameter sever 之类的。（不是说 ASP 和 BSP 是架构）

取决于 tensorflow 干啥。

如果就是弄个能用的模型，能搞点简单的设计和调参，看看基础的神经网络就能搞了。http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial。然后把 model zoo 里面的模型都了解了解，相关论文看一看（不用都看懂，很多论文内容都是胡扯，真正有用的部分不多），跑一跑实验。

如果是开发实现算法和部署 tensorflow，我觉得偏向于纯工程的吧。如果实现算法得会 CUDA 编程，部署什么的，其实现在有 container 也没那么麻烦。

如果是搭建训练平台，估计还得懂一些 ASP，BSP 之类的架构，也需要深入懂 tensorflow。分布式训练的论文貌似也不多，偏实践多一些。

@rashawn 自从 mac 升级到 Sierra，karabiner 修改一些按键就失灵。现在还好用不？比如我喜欢交换 comamnd 和 option 后，使用 command+tab 切换窗口。

感觉浪费这么多精力还不如两台电脑更加划算。一个电脑也就千八百块钱。

我本来也想做这个，把我多年的 org 笔记给 post 到网站上。尽管 emacs 有自带的 html exporter，但是对 latex 和 babel 支持都比较渣，于是我把 elisp 和 org-mode 的一些文档都看了。= =||||

不过我后来觉得写博客还是 markdown 更好，毕竟博客是为了给别人看的，写起来比较麻烦是正常的。。。。如果搞 org-mode 不知道搞到什么时候，尤其是我对 latex 相关要求比较高，搞不好还要 tikz 或者 dot 之类的画图也要支持。