不怕大家笑话。
在我还没有上小学的时候，我的dreamcar是电车……
对，那时候的愿望是，长大以后当一个电车司机，开15路电车或者18路电车……
而且还得是这一版型的那会儿老爸拿着硬纸板给我做了一个三幅式方向盘。我就坐家门口小板凳上，想象着自己是个电车司机，从浙江北路开到万体馆（懂的自然懂）。
但唯一的，到今天都不得其解的是，小辫子车是怎么变轨的？真的不懂。
上学的时候，当然，dreamcar就变了。我画过一张图，设想着在一个岛上建设有一座乌托邦城市。城市的北侧是一座山，山顶是齐平的，建成了一座飞机场。
大概就是这个样子吧你知道我给小城居民配备的出行用车时什么吗？
法拉利348……哈哈哈哈
也许那会儿的我的dreamcar就是这个吧。
其实Dreamcar会随着你的年龄、你的阅历、你的见多识广而不断变化的。还有就是很现实的问题：你和你家人的财富。如果你有王健林这样的爹，收割dreamcar不就相当于你在一点点门口选择喝哪款奶茶？
比如2001年在看《汽车之友》杂志的时候，我觉得我好喜欢SLR。
我说的是这款。当时我想，奔驰怎么能造出这样帅、这样酷、这样梦幻的一台超级跑车？？感动的想哭。
鉴于我爹不是王健林，只是一个再普通不过的小老百姓，我觉得，能像韩寒那样拥有一台丰田Celica都是很棒的事情了。
哦对，韩寒的爹，都更牛一些好像。
所以一度，十分迷恋刚刚国产的长安福特福克斯。还得是2.0L手动5挡两厢运动版的。
那时候刚毕业。16万出头的福克斯，对我来说还是“天价”。怎么办呢，还是踏实当个键盘侠，努力赚钱吧。
再往后，做了这么些年的和汽车相关的工作。真要说dreamcar，其实已经谈不上了。因为欲望这种东西，是没底的。有些昂贵的东西，可能就是命中注定了不会属于你的。只能说是在自己能够承受的价格范围内，选择那个自己认为的最优选择。
在成年人的世界里，dreamcar取决于你钱包的厚度。
最近这一年时间里，最让我惊讶的新能源车是捷豹I-PACE。
真的是一台特别棒的、流淌着捷豹运动血液的一台纯电动车。关键它还是一台具备500mm涉水能力的纯电动车，比大多数城市SUV还要优秀。我敢说，99%选择蔚来的车主和至少90%以上选择ModelS、ModelX的车主，根本连I-PACE都没听说过。在特斯拉和国产新能源车的夹缝中留存着这么一台宝贝，只等有缘人了。
出于家庭用车的考虑，我觉得，只要降价幅度能够接近上一代产品，沃尔沃V60可能是比起S60、XC60、3系、A4L、C级等等，更完美更实用的选择。
看上它的另一个原因就是，我可以把我家的柯基放在后备箱里，省得它落不尽的狗毛堆满了后排~~
你们的dream car是什么?
一、飞利DL-12这个球杆是打杆还是冲杆？
DL系列是飞利很经典的一个系列了，到现在已经有六七年连续生产了。对于初学者来说是比较出色的打球杆，市场销售价格300——350元左右。
二、飞利台球杆 BE系列好用吗 DL系列听说不错
你好!问题还挺多的,我一一解答。 一、飞利新出的BE系列,宣传为专门八球,实际上就是斯诺克的前肢+九球杆的后把,这样的组合在英国早就有了(见朋友从那里带来的),优点是后把粗握感好,款式漂亮,适合打黑八。 二、打黑八用九球还是斯诺克杆?这个问题探讨了太久,各有自己的优缺点,最后总结:适合自己的就是最好的。你喜欢10mm一下的小头杆,硬要拿DL系列的大头杆打,小心走火入魔,呵呵。 三、如果你是一个可以接受新鲜事物的人,BE系列还是好用的(前提是你喜欢粗一点的后把)。要选就选择BE1-5型号的,五六百元,性价比不错。 希望对你有帮助
三、2019 秋招的 AI 岗位竞争激烈吗？
前一阵子心血来潮去某研究机构面试，面的是不限方向的「机器学习研究员」。前半段聊得很顺利，主要介绍我开发过什么库写过什么论文，想要继续做什么。面试的中段面试官问：“那你的这个方向用深度学习怎么做？”我很老实，说这个方向暂时无法大规模应用深度学习，某些因素还不成熟。对方显得很失望，强调他们需要每个人都做深度学习研究，发深度学习相关的会议，因此这个机会自然也就泡汤了。
讲这个故事的目的是为了说明：AI领域的岗位正在朝精细化发展，而候选人的竞争力更多的是和岗位的「契合度」，而不是你本身有多好。这要求候选人的技能下沉，能在岗位上解决实际问题。
再早几年，这个行业的招聘是走粗放模式的，只要你会ABCDE，学历不错，那么欢迎你。但这几年随着热潮回归理性，以及企业变得越来越“精明”，它们已经逐渐明白了需要什么样的人，明白了AI相关的岗位本身就不是靠员工数量，而是靠质量取胜的。比如做手机上图片识别的，它的目标候选人就是明白怎样把成熟的识别模型部署到手机上的人，而不需要一个自然语言处理的大牛，也不需要一个对机器学习理论研究很深的专家，更不需要一百个普通程序员。这不是说你不够好，而是说你不适合。而大部分人的求职是公司导向的，知名公司一个不落下，使用“鸟枪法”。而不是技能导向，寻找和自己相关性高的雇主。所以在这个回答下你会看到两种截然相反的看法：
AI相关的工作很难找，为什么我条件这么好也被拒AI相关的工作遍地都是，我水平一般照样斩获很多录取抛开所谓的个例不谈，我猜测出现相反结论的原因可能是因为大家对于「契合度」的关注程度不同，就是你面试的岗位和你的经历与经历有多大的相关性，你是否可以很快为团队做出贡献。我猜测不少面试不顺利的人可能都属于有了广度，缺少深度，也就是“万金油”。比如某个候选人可能是：TF也会用一些，NLP的项目做过2个，刷过两个Kaggle，人脸检测学过教程，Cousera上的证书也拿过几个。这就属于缺乏特点，和所面试的岗位之间关联性不够强，竞争时自然后力不足。
对于明白自己喜欢和了解的领域是什么的人来说，只要朝契合度高的方向使劲就好了。而对于只有了知识广度，却还没有确定自己的发力方向的人来说，最重要的是明白：你的特点是什么，你有什么优势，你打算怎么利用这个特点脱颖而出。换句话说，「你和别人有什么不同」。从我自己面试别人的经历来看，最重要的是你有什么长处，而不是你的技能有多均衡。越是有经验的业内人士越是看候选人的长处，而忽视短板，与木桶原理相反。「什么都会一点」=「什么都不擅长」。
随着行业进入进一步细分和专业化，靠刷刷题，调调包，做几个相关项目，上几门课程，就能进大厂和明星创业公司的机会只会越来越低。我们都需要开始思考发力点，就是你与别人有所区别的地方，争取成为一个「小领域的专家」。即使无法成为专家，找亮点也比追求全面开花要好，比如：
对A领域感兴趣，是否可以在A领域发一些有意义的论文对A领域感兴趣，是否有实现A领域缺失的经典算法，并封装以供他人使用并获得关注编程能力很强，尝试做偏向底层的设计，比如保证机器学习算法在移动设备上高效运行明白自己的擅长的技能在什么公司有用武之地，专注于这些雇主说到底，任何风口行业都有降落的时候，求职本身就是“小马过河”，yourmileagemayvary。同时随着行业逐渐成熟，中高端岗位的求职重点肯定会朝专业性和契合度上发展。所以重点不是你会多少武功可以表演，而是你有多少必杀技可以一招毙命。
四、2019 秋招的 AI 岗位竞争激烈吗？
车上闲，谈谈我的看法。希望对大家有所帮助。
首先，要搞清楚企业的定位。
企业有两种，一种是tob，给企业做服务的，例如商汤，旷视，还有一类是互联网企业。互联网企业也分部门，一个是研究院做研究的，一个是业务部门做算法落地的。
相对应的，他们对人才的需求是不一样的。tob企业的核心是获取订单，获取订单需要行业口碑，那么就需要打比赛。这样的比赛最好是学术界定义的世界性难题，这样才能赢得口碑。而kaggle天池一般是企业的具体业务需求，不是学术界定义的公有难题，拿来吹牛不够用的。因此，去tob企业最好是学术界的牛人，发过大paper，有学术界比赛的结果的。
相反，互联网企业的研究院相对来说比较弱势，需求量大的是业务部门的算法落地的人。他们要的是快速把算法拿来解决实际问题，搞算法研究对他们来说是比较冷门的，因为他们有数据，有太多现成的需求摆在面前需要做，不会等你去搞学术研究再回来做项目的，造轮子算法底层的公式优化在这里是浪费时间。最好是工程底子扎实，代码写的好，算法理解深刻，快速落地有产出。
大家可以按这两个方向去规划自己职业生涯！
五、飞利DL-12这个球杆是打杆还是冲杆？
毫无疑问，美洲豹bk2，这是做冲杆发家的！
mezz的冲杆也不错~
