回顾2016，展望2017--一个软件工程师的年终总结

前言

在构思年终总结时，苦于寻找一种能够清楚定义自己技术水平等级（初级、中级、高级以及资深）的方式。终于找到了一种最为切合心中所想的等级划分方式。大胆一点采用教授评定级别及标准来定义自己的技术水平和要求。初级水平对应的是博士水平，中级水平对应的是助理教授，高级水平对应的是副教授，资深水平对应的是教授。 清楚了自己水平等级的定义，清楚评估自己技术处于什么阶段，更重要的是指导自己技术水平的发展，易于寻找相应的发展路线以及切实可行的方案。
经历一年，感觉自己仅仅由入门进入初级水平，对自己工作和学习有了明确的认识，知道自己要做什么，解决什么样的问题。下面详细地谈谈一下，自己在2016年学习中的收获和不足之处以及2017年计划。
想以博客形成发表出来，目的不断督促自己不断学习，提高自己的技术水平。或许最终虎头蛇尾，感觉自己有必要展示一下，至少收获一个“虎头”。

回顾2016

2016年学习的收获

2016年共购买了39本专业类书籍，主要包含了以下几个方面：编程语言（C++和Haskell）、设计模式、编译原理、软件工程、大数据和机器学习。主要学习了以下内容：
1. 学习了C++编程，对象模型，模板元编程以及设计方法;了解一种纯粹函数式编程haskell，了解基本概念functor，appilcative functor，monad，以及范畴论的基本概念;
2. 主要学习了Head First 设计模式以及C++设计模式，同时学习了重构（重构，改善既有代码的设计）;
3. 主要学习了linux汇编，自制编译器和自制编程语言等。
4. 学习了人月神话，敏捷开发，测试驱动开发以及从小工到专家等。
5. 大数据和机器学习方面，主要了解神经网络以及深度学习，分布式基础概念（分布存储、分布一致性）。

个人学习方面，最大的收获认识到设计模式的重要性。
1. 在软件开发方面，认识到单元测试和重构的作用，如何高效进行软件开发和快速定位问题，改善原来的代码。
2. 通过学习编译原理相关的知识，感觉对工作语言有新的认识。不同编程方式编程语言的了解，感觉它影响我如何思考问题和解决问题，仿佛打开不同的世界。
3. 学习机器学习，尤其深度学习，只是有了初步认识，我觉得它们将在生物信息方面，会有可为的空间，同时为自己未来的投资。

我的2016年最佳年度书籍是《Head First设计模式》

2016年的学习不足

2016年，认清了自己的学习的不足之处，深度剖析。能够在新的一年，一步一步改善不足之处，获取更大的进步。

学习上的不足：

1. 软件开发方面： 模块设计以及架构设计能力需要进一步提高; 虽然有了设计模块初步了解，如何运用到项目中还是一个问题; 如何有效进行单元测试和日志系统，进行高效开发、快速重构和定位问题存在不足。
2. 并行开发能力：对于多线程开发有所了解，设计以及开发经验不足; 对于指令级加速，以及OpenCL开发了解很少。
3. 函数编程：初步了解了函数编程的思想，对Functor、manod等有了初步认识，有待于深入学习和了解。并将其思想引入设计和开发中。
4. 深度学习：仅仅对神经网络和深度学习有了一丢丢了解，需要加强学习。

学习改进计划：

1. 编程语言，深入理解C++，灵活使用C++进行编程; 进一步熟悉Haskell编程语言，扩展自己思维
2. 并行开发，加强多线程编程学习，OpenCL以及SIMD指令编程的学习。重要的是多线程和OpenCl的学习。
3. 软件设计，设计模式、重构以及测试驱动开发设计。
4. 加强深度学习的学习，尤其是检测变异算法的学习。
5. 其他的方面：加强数学方面的学习，以及生物信息方面论文的学习。

展望2017年

2017年个人学习计划

“取其上者得其中，取其中者得其下”。对于个人学习项目和学习计划，不妨定的高一些。

个人项目：

Husky项目
预期目标：使用C++重构MEM算法。
目的：
1. 深入学习MEM算法，了解其中详细过程。
2. 提高自己架构能力、设计模式以及重构能力。
3. 提高自己多线程设计能力、指令级以及OpenCL设计能力

二 Labrador项目
预期目标：
学会TensorFlow，CNN算法，能够处理一些常见问题。
目的：
1. 深入学习CNN算法，学习TensorFlow的使用;
2. 研究深度学习算法， 尝试提出自己的算法。

个人读书计划：

减少读书量以及购书，增大论文阅读量。按照重要性进行排序
一 并行计算的程序设计：
主要关注多线程编程，OpenCL编程
二 深度学习方面
学习常见基础算法以及一些实例。
三 编程语言
主要学习Haskell和C++编程语言
四 软件工程方面：
设计模式、测试驱动开发、敏捷开发和重构
五 编译原理：
主要关注内存管理和垃圾回收机制
六 其他：
1 集异壁之大成、范畴论、大数据方向以及生物信息。
2 文学类书籍

论文阅读

阅读以下四个方面：生物信息类（比对和变异检测算法)、数据压缩类、基于FPGA算法优化以及深度学习论文，将检测变异算法作为重点学习，并完成相应的综述。