前言

友情的小船要翻？

此篇求职分享来自实验室好哥们 “ LIU”，自称菜鸟，发了 DAC 顶会，顺拿了阿里 offer, (喂，过度谦虚 = 骄傲 )

一只热爱算法、撕代码、调 BUG 的羊

听，有人要一本正经矫情

毕业季找工作，大概是人生中类似高考的一个重要转折点。这标志着我们二十几年的学生时代即将终结，进入人生下一阶段。

我的秋招求职之路 - - 努力+幸运。

受博主的邀请，希望我为机器学习算法岗求职写一些经验；再者，求职也是人生很宝贵的一次经历，点点滴滴，日后翻看，也是回味无穷，所以便提起了笔。

看，菜鸟逆袭经历：

入学时：没有任何计算机/硬件基础。只想做好老师项目，找份好的工作。

研一上：杂事很多，没学好课程，遗憾。学了matlab，并在python上开了个头。大约在寒假时坚定要走软件这条路。

研一下：课程划水了，但专心科研。开始学习数据结构，在leetcode刷题。

研二上：跟着大佬混了个数学建模二等奖，作为二作完成了顶会paper，并专心学习机器学习基础。

研二下：paper被会议收录，主导并完成一篇paper（4月下旬）。拿到了阿里的实习offer（4月中旬）。参会回国后赴京实习（7月初），拿到阿里“百技”最佳团队、最佳个人（8月初），一个月顺利拿到offer。9月1日收到意向书，基本结束秋招。

很显然了，我不是天资聪颖的小朋友，反而是很贪玩很叛逆的“自家的孩子”。但“自家的孩子”只要准备得当，也是有机会逆袭哒（捂脸）！

知识储备

以下只是我个人的见解，如有不全，只因见识浅薄。

岗位架构

互联网技术方面，可以粗略分为前端和后端，前有 WEB 后有数据库。

对于大公司而言，在前端和后端之间，因为业务原因，可能会多一个“中台”层面——例如衔接业务和数据库之间的中间层，技术上跟后端开发挺像。

近几年AI火热，因此会有少量高薪的“算法工程师”offer。

更进阶的还有架构师这些，不过对于应届毕业生，基本撬不动。

码农基本技能

说到码农技能，就要参考下计算机系的课程了。

归纳来说，就是语言和数据结构。

python那么通用，学！
数据结构那么基础，学！
coding那么有趣，写！
SQL那么根本，学！

关于java和c语言，还是建议学一种。主要还是看公司、看项目。其它还有操作系统，计算机网络等。

就我观察，coding肯定是要考，而且着重考察的。SQL、操作系统、计算机网络这些，有些公司笔试会考。腾讯、百度在今年的笔试中都考了挺多的。

如果调bug不能像打游戏那么上瘾，可能意味着码农不是一个很好的选择。

机器学习技能

机器学习就是要学习各种算法。

算法是很偏向数学偏向统计的东西，所以，统计和概率论，微积分，线性代数这些高等数学的基础课，还是要很熟的。

基于此，才有常用的机器学习理论（交叉验证、特征选择、模型评估等），常用机器学习模型（LR、SVM、XGBOOST等），以及常用的深度学习模型（AlexNet、VGGNET等）。

这些在书籍《统计学习方法》、《机器学习》、《深度学习》中都有非常详尽的介绍。

对各机器学习模型的原理做到有自己的理解，掌握各算法的优劣、适用场景（不能抱有幻想，任何点都可能会考察）。

推荐一个知乎专栏：BAT机器学习面试1000题。对机器学习知识点的覆盖非常全面到位，很适合在机器学习求职前进行准备，查漏补缺。

面试准备

简历

简历是个人给企业的第一印象。

简历力求简洁、大气、明了地讲述个人技能、项目经历，突出表明自己的能力、优点，必须突出表明自己胜任这一份工作。另外简历不宜过多（1~2页即可，正反打印），最好是每一页都写满，不要留空白，否则会降低颜值。

在找机器学习岗位工作时，可以清晰介绍自己在这个领域的理论积累，相关项目、竞赛、实习经历都可。如果实在没有相关的项目，则也可以将实验室的项目在里面体现，但是可以突出其中运用到的机器学习技术，或是其它自己擅长的领域。

写在简历里面的东西，必须仔细推敲，做到无懈可击。

简历是需要一遍遍进行迭代、完善的，越早准备越好。第一版的简历会很粗糙，甚至会没有内容。但是我们可以查漏补缺，弄清楚自己差什么，从而才可以进行有的放矢地提升能力，并逐步完善简历。我的第一版简历写于17年底，到18年3月找实习时，仍然没太多可写的内容，于是把在实验室做的相关的工作也摆上去了。

笔试

笔试是带有公司偏好的针对性考察。

阿里考察得很全面，阅读能力、归纳总结能力、基本数学能力等都有涉及，最后再来一道动态规划的编程题（做得非常爽），是一次非常综合的考试。

对于头条、网易，笔试就是简单粗暴的编程题。一般前两题很基础，都是leetcode的原题，可以找到。后两到三题就看他想不想让你做出来了。需要注意的是，编程题的数据读入和数据输出和leetcode完全不同。

在笔试前一天，通常会给例题，必须去熟悉，甚至可以在个人的IDE里写好（编程题允许切换屏幕）。否则在正式做题时可能会浪费很多时间。

对于百度、腾讯等公司，笔试题会考较多操作系统、计算机网络等内容。

对于外企，笔试题很可能是以英文形式给出。如果不是现场笔试，那就助攻走起~

面试

面试流程：自我介绍—针对简历讲项目细节—考察基础知识—手撕代码—向面试官提问。

自我介绍

以精简为主。简单明了介绍自己所擅长的技能、在之前工作中最耀眼的成果即可。

基础知识的考察和针对简历讲项目细节

比较有用的技巧是：主动引导。
如果面试官对这个项目不熟悉，自己可以主动将面试官引导到他感兴趣，自己也熟悉的领域。

此外可以多讲自己的理解，突出自己的深度，通常讲得越深面试官越喜欢。

当然，面试官也可能会抓着一个点往深处问，答不上来没关系，可以和面试官探讨。

所以建议自己提前准备一些话语，引导技巧（个人不喜欢过分强调技巧，跟面试官兜圈子而没有深刻印象给他留下，结局不太会好）。

网易比较特别：一面均考察智力题，考察你的思维品质、随机应变的能力。

手撕代码

据上届百度的师兄说，百度三轮技术面，每一轮都手撕代码，写不出来直接gg。据说手撕代码占面试成绩的60%，重要性不言而喻。刷题，刷题，刷题，重要的事说三遍。

提问

面试最后的流程。

找工作是求职者和公司双向考察的过程，更是求职者近距离考察公司的机会。对意向公司有哪些疑惑的，对所属团队想有哪些了解，技术有什么侧重，都可以在这个环节进行提问，面试官也都会给予相应的解答。

关于实习

实习是秋招 PASS 卡。

通常，3月会有一次实习招聘（提前批），对象是 5~8 月实习生；5月底还会有一次，对象是暑期两个月实习生。

据我的体验，阿里的实习招聘，提前批难度较大，4轮技术面和一轮HR面，而暑期批只有两轮面试，难度相对低一些。

注意：提前批挂了也可以参加暑期批。

建议大家去找实习，原因有如下几点：

阿里的只要拿到实习offer就可以秋招 直通终面 ，爽歪歪
在实习招聘的过程中可以检验自己的知识水平，熟悉笔试、面试流程。
如果可以去意向公司实习，可以实地考察公司内部风气，了解团队氛围，也可以认识领域大牛，发展自己的人脉。

对于转正offer来说，不同公司的难度不同。有公司基本上都可以转正，但阿里转正率不算太高（据我观察大约只有40%）。

实习也是有利有弊的，如果不能留用，可能会因为实习期内没时间进行招聘准备，而在接下来的招聘季举步维艰。但如果到心仪公司实习，不必多想，好好干。这样才是争取留用的最佳姿势。

关于竞赛

互联网公司都希望校招生有实际经验，但我们不可能有工作经验，因此要么实习，要么竞赛，论文勉强凑合。竞赛成绩达到前10%最佳。

对于提升竞赛成绩，在知乎上有很多教程，这也有很多套路，如：多使用集成学习；多看看别人的代码，然后把别人的代码拿过来用；尝试多种调参技巧（玄学调参哈哈哈哈）。

个人建议：比赛成绩好，并能讲清楚为什么比别人好，有一套自己的分析框架，非常加分。

其它的建议

1、研一的小盆友好好上课，成绩真的非常重要！

– 外企的敲门砖 – 外企文化认为成绩是能力和态度重要的体现。所以，能好好学习就去学，多一分总比少一分要好！

2、越早明确自己的目标越有优势。

对于打算转行的同学，需要向梁静茹借下勇气。

如果不是非常热爱自己想从事的行业，请三思后绕门走，毕竟高薪的背后就是辛苦的付出以及那少得可怜的头发。

但也不可在犹豫的过程中虚度光阴。如果下定决心去搞互联网，需要认真准备，该看的书好好看，该刷的题好好刷。上帝的仁慈在于：只要你想，它总给路。

3、在看书的同时，多写一写笔记、博客之类的。好记性不如烂笔头。再者，对自己从事的事务有信心，多多和别人分享、切磋，方能学到更多。

4、心态平和。面试可以看作是和面试官的一次技术聊天，不必拘谨。

和找对象一样，一切都是缘分。有的公司就跟你有莫名的缘分，即使自觉能力不足，也可能会给你 offer 。没有缘分的，就不必强求。认识一个同学，在天池上拿了百万的奖金，然而在阿里云的面试中，第一轮就淘汰了。

所以谋事在人，成事在天。厉害的公司很多，BAT JTMD都有7家了，还有海康网易等等大企业，总会收获到心仪的 offer。

致谢

感谢父母。任何时候都替我出谋划策，鼓励并支持我的决定。

感谢老师。对学生严格要求，鼓励支持学术往深入进行，跟着老师学到了很多。

感谢曼杰。虽然相处只有短短两个月，但却是脱离低谷的起点。是一所最令我感到深刻的学校。心底默默再种一波草。

感谢我哥，感谢郑志华、严辉学长，在职业方面给了我莫大的帮助。

感谢实验室同届伙伴们，跟大家相处很愉快。

感谢舍友们和对门的不杀之恩。万一在火锅里投毒可能我就没机会坐着打字了hhh

感谢 “小灰灰” 博主盆友的邀请以及帮忙润色文字，以及日常的帮助…

CS 求职分享--算法岗

前言