13个offer,8家SSP,谈谈我的秋招经验

本文转载自公众号夕小瑶的卖萌屋,专业带逛互联网算法圈的神操作

-----》我是传送门

关注后,回复以下口令:

回复【789】 :领取深度学习全栈手册(含NLP、CV海量综述、必刷论文解读)

回复【入群】:加入卖萌屋深度学习/NLP/CV/搜广推等方向的技术交流与内推社群(大V、顶会审稿人云集)

回复【0511】:领取算法岗面试手册(刷offer神器)

回复【0424】:领取刷论文神器(挖掘每日、每月必刷重磅论文)

前言

大家好,我是卖萌屋的小Q,是夕小瑶学姐的同实验室师弟(2020届)。在学姐的建(bian)议(ce)下写了本文,希望能够给21届的师弟师妹提供一些启发,秋招之路能够更加顺利~

往昔的回忆使我们激动,我们重新踏上旧日的路,一切过去日子的感情,又逐渐活在我们的心里;使我们再次心紧的是,曾经熟悉的震颤;为了回忆中的忧伤,真想吐出一声长叹……  感谢一路上曾经鼓励、帮助过我的人。愿我们在彼此追梦的道路上,一直走下去。

恍惚间,距离秋招的第一次面试已经过去快一年了。如今再次回想,依旧感触良多。这周也是受邀给实验室的师弟师妹讲了讲秋招那些事,索性把整理的资料的汇总成文,希望能帮助到更多的同学。

先介绍一下背景,小Q在整个秋招过程中,共参加了15场面试,vivo、阿里、百度、华为、京东、陌陌、追一、美团、搜狗、依图、拼多多、顺丰、字节、Airbnb、Google。最后侥幸获得了13家公司的offer,其中8家ssp,4家sp,1家白菜,薪资待遇30+W —— 60+W不等。

现在,我们回到题目,秋招重要吗?如说读博是为了更高的学术追求的话,那么90%的同学读硕可能只是为了提高一下学历,而目的自然而然是为了找一份更加好的工作。从这一点上讲,决定了你人生中第一份工作的“秋招”自然是件大事。秋招重要性不言而喻,但是,在战略上要藐视敌人,在战术上要重视敌人,当然也不要觉得如临大敌,惶惶不可终日。摆平心态,一步一个脚印,要相信天道酬勤

本文将从前期准备、中期面试、后期选择三部分讲讲秋招过程中你所可能遭遇的事情。当然,我也仅仅参加过十几场面试,水平、视野有限,不能面面俱到,如有错误,欢迎大家指出。

前期准备

求职目标

这里需要明确的目标主要指两方面:

首先,要明确的是你具体想从事的岗位,安全、测试、开发or算法?算法根据领域的不同又可以分为语音、ML、CV、NLP等,而具体的算法岗又可以根据实际工作中所面临的场景,又有多种划分,具体可以参考夕小瑶学姐之前写的这篇《拒绝跟风,谈谈几种算法岗的区别和体验》

其次,要明确的是你想从这一份工作中获得什么。是高额的薪水报酬?快速的技术提升?稳定的工作节奏还是那极其短缺的北京户口?这些都无可厚非,且每个人的选择都不尽相同,但是你一定要首先确定你真正想要的是什么,并为之做出合理的选择。对于大小厂的选择,可以参考卖萌屋之前推过的《在大厂和小厂做算法有什么不同?》

务实基础

这里的基础包括三个部分:coding能力、基础知识、项目/竞赛。

coding能力

Coding能力作为作为计算机专业学生的基础能力,在招聘过程中受到了越来越高的重视。其重要程度体现在其贯穿了整个招聘阶段,从笔试的编程、到面试的coding面,代码能力始终是互联网公司招聘的技术岗的基础。毫不夸张的说,我在面试阶段,我所接触的比“简单介绍一下自己吧...”频次更高的一句话是“下面,我们来做一道编程题吧...”。

编程能力在我看来不是一朝一夕能练成的,当然如果你为了应付面试,其实刷完leetdode前200道题和《剑指offer》、《程序员代码面试指南》也够了。

但这里我更推荐把coding当作一种基本能力,一种基本的日常。因为我本科是做ACM的,也侥幸拿过一些奖,之后虽然退役了,但是为了保持这种Coding的习惯,我会时不时的去刷刷leetcode周赛,我觉得保持一种时刻Coding的状态是非常有必要的。这一点也为我后期准备面试节约了大量的时间。

当然,如果你是单纯为了应付面试,题海战术则是捷径:

首先,将题目分类型后(树、链表、回溯、图论、动态规划等)进行单类型突破,突破过程可以分为三轮进行:

  1. 第一轮:讲究效率。对于一道题,十分钟没有思路则可以选择直接看答案。

  2. 第二轮:注重思路。对于做过的每一道题,都需要你能对这道题有一个大致的映像,能在看到这道题的时候就能下意识的反应出用什么方法去解决这道题。

  3. 第三轮:完善细节。如果说第二轮练习只保证了你对解题思路大致方向的确定,那么在第三轮的练习中,你需要锻炼的是具备对于做过的每一道题快速AC的能力。

这里记得要多看看最优解法,我始终认为最快掌握一门技能的方法就是模仿,有时候自己写10000行代码,不如看大牛写100行代码进步快...

基础知识

基础知识的重要性不言而喻,我本身喜欢看书,而不喜欢看视频,觉得看书能更细致全面的掌握知识点。当然这个因人而异。以NLP岗位为例,我主要看如下书籍:

  • 入门级别的西瓜书《机器学习

  • 公式详尽李航老师的《统计机器学习》第二版

  • DL圣经《深度学习》,又名花书。

  • 偏实战的《机器学习实战

  • 偏架构的《深入理解Tensorflow 架构设计与实现原理

  • NLP:《统计自然语言处理基于深度学习的自然语言处理

  • 基础理论类的《概率论基础教程》《线性代数基于应用》《最优化理论与算法

基础知识的复习是一个耗时且极需耐心的过程,对于部分经典模型的推导,自然是要烂熟于心。其次,就是要多复习多总结,不然知识点一多则很容易遗忘。

同时,学会利用搜索引擎去检索前人的总结的精华也是一个快速掌握一个知识点的捷径。

项目/比赛

对于项目和比赛的准备也有充分,因为每个人所做过的项目和经历的比赛不一样,这里我就单从大方向给予一些准备时的建议。

可以根据STAR法则分四个维度Situation(情境)、Task(任务)、Action(行动)、Result(结果)来梳理自己的项目经历。即对于曾经做过的项目,首先要对项目整体有一个宏观的认识;其次,对你负责的那一部分内容要有全方位、精细化的掌握;最后,你需要归纳出项目的成效与自己的贡献。如果条件允许,可以对项目进行的复现,以便更深入的了解模块的作用和运行原理。

竞赛同理,最后就是一些常用的比赛模型gbdt、xgb、lgb、fm、ffm等一定要了解,遇事不决看源码

中期面试

投递顺序

当正式秋招开始时,投递简历的顺序也是有讲究的。

对于公司招聘的方式来说,一般分为两种:

(1)在公司统一入口投递简历,再由公司统一分发至各个部门。也就是说这种情况,对于这家公司来说,你只有一次面试的机会。在秋招正式批中往往是这种方式。

(2)公司以部门为单位分开进行招聘,面试失败这一个部门后,你仍然可以投递其他部门。但是你每一轮的面试评价都会保留在系统,如果在前期没有准备充分的情况下盲目面试,一份很差的面评记录会极大的影响其他部门对你的录用情况。这种类型的招聘往往出现在秋招提前批的面试中。

那么有同学会问了,那我越晚投递准备的不就越充分吗?

但事实是,对于很多公司来讲,招聘并不会设立明确的截止时间点,也就是说如果前面的面试的同学比较优秀,已经达到了面试官要求的水平,则公司就会发放offer,那么这时候HC就会-1,HC越少意味着你入选的几率也越小,所以一定不能盲目推后投递时间。

对于时间的拿捏,依照公司开始招聘时间的不同、个人准备情况的不同会有很多差异。这里我只说一下我的投递顺序:

我会将所有公司分成三类:好感度一般的A类公司、好感度不错的B类公司、好感度MAX的C类的公司。

我面试的前2家公司,都属于A类公司。然后再开始尝试B类公司,值得一提的是B类和C类公司的面试,我是穿插进行的。因为面试状态也是存在起伏的,并不是说越到后期面试状态越好

提前批的面试能把握的还是尽量把握,哪怕你觉得自己只准备了60%,也要尽可能的试试

面试到底在面试什么?

卖萌屋的lulu之前写过的《Google、MS和BAT教给我的面试真谛》我觉得给我们做了很好的解答,下面给出部分精彩内容:

  • technology

  • thinking

  • communication

首先呢,毋庸置疑,我们面试肯定是要检验候选人是否有过硬的专业技术算法、项目经历,不同的公司、不同的职位有不同的侧重,但是具体的专业技术的考核肯定是逃不开的。

可是除此之外呢?除了显式的技术考核以外,还有很多往往被我们忽略的隐形考核。小鹿觉得主要是思维方式交流能力这两点。

一场面试,面试官其实只需要得到一个问题的答案,那就是和你一起工作是否开心。关于这个问题,有的外企会直接作为面试记录。虽然我们国内的企业不会这么直接,但是小鹿觉得这确实是面试中最直击灵魂的拷问。

面试的正确姿势

面试实际上是通过提出问题、回答问题,在你来我往中进行交流,模拟实际工作的情形。那么当面试官抛出话碴,提出一个问题之后,我们应该怎么更好的完成我们之间的对话呢?

首先,我们可以尝试着去复述(当然不是一字不变的重复),用自己理解的语言去确认是否清楚的理解了面试官的问题。其次,这个问题可能存在一些没有定义清楚的模糊地带,一定要逐个向面试官去确认。当问题已经比较清晰的情况下,我们可以提出一个解决方案,这个方案可以是非常naive但是只要确实可行就ok啦。

当然啦,实际中我们需要精益求精寻求更优的解决方案。但是大家不用太有压力,我们可以和面试官一起,沟通交流,碰撞思维的火花,共同讨论出一个较优的方案。最后实现(写code),测试,over~~

所以,划重点啦,面试的正确姿(步)势(骤)应该是这个样子滴~~

  • step 1: 正确的理解问题并复述

  • step 2: 清晰问题

  • step 3: 提出一个可行的解决方案(不一定是最优的)

  • step 4: 讨论出一个较优方案

  • step 5: 执行实现

  • step 6: 测试

其他注意事项

平等:对于一场面试,我觉得是首先要做到就是摆正心态,你如果能把他当做一场平等的技术交流的话,那么你的心态上至少是轻松的。

谦逊:要知道,你的面试官或许不熟悉你的研究领域,那么你们在探讨项目经历的时候,可能会问出一些naive的问题,这时候你作为被面试者,自然要保持一种谦虚的态度,以尽量直白的语言能给面试官讲清楚你的工作也是一种表达能力的体现。

冷静:不管是遇到编程题没思路,还是开放性问答遇到了迷茫。你首先要使得自己冷静下来,尽可能的找面试官需求更多的信息。大多数面试官并不会很为难校招生,毕竟都是从校招一步步走来。一个优秀的面试官,在被面试者遇到难题时,一定是会一步步进行引导的。不然真四目相对,沉默半个小时,你的面评他怎么写呢?

后期选择

当经历过惨烈的6-10月之后,你的秋招也即将在11月前后画上一个逗号。

没错,是逗号!不要觉得拿到offer就万事大吉了,小Q窝在秋招期间的每一天几乎都可以倒头就睡,吃嘛嘛香,但是最后选择offer的时候,却连续失眠了好几天...对于后期offer的选择,其难度并不亚于任何一场面试。在这时候,选择真的比努力更重要

offer的选择其实就考验你对信息的收集、鉴别和思考的能力。

这里推荐几种获取信息的渠道:

  • 所在部门的师兄师姐(这个就有点可遇不可求了,这时候人脉的重要性就体现出来了^_^)

  • 部门leader(部门最直接的情况,你的直属leader比任何人都清楚。如果可以,你甚至可以邀请Ta喝一杯下午茶,提出你的疑惑。我也曾经约了某司的面试官吃了顿晚饭,Ta给我讲了很多,我也是打内心里感激。)

  • 脉脉(这个是一款职场APP,因为其匿名的特性,会暴露出很多公司不足的一面。这里面的信息鱼龙混杂,一定要注意甄别。)

  • 牛客网(一般都是同龄人居多,很多offer对比的帖子,方便大家互通有无)

  • 各大offer群(同上)

PS:以上获取都要精确到部门、组。在各大互联网公司内部,有时候,部门与部门的差距比公司与公司的差距都要大

本文转载自公众号夕小瑶的卖萌屋,专业带逛互联网算法圈的神操作

-----》我是传送门

关注后,回复以下口令:

回复【789】 :领取深度学习全栈手册(含NLP、CV海量综述、必刷论文解读)

回复【入群】:加入卖萌屋深度学习/NLP/CV/搜广推等方向的技术交流与内推社群(大V、顶会审稿人云集)

回复【0511】:领取算法岗面试手册(刷offer神器)

回复【0424】:领取刷论文神器(挖掘每日、每月必刷重磅论文)

仰望星空,脚踏实地。所谓的人生开挂,也不过是厚积薄发。也愿诸君努力,传递好这象牙塔内最后一程交接棒。

夕小瑶的卖萌屋

_

关注&星标小夕,带你解锁AI秘籍

订阅号主页下方「撩一下」有惊喜哦

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/480637.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

领域应用 | 知识图谱的技术与应用

本文转载自公众号:贪心科技。作者 | 李文哲,人工智能、知识图谱领域专家导读:从一开始的Google搜索,到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统,无一不跟知识图谱相关。它在技术领域的…

阿里P8架构师谈:MySQL慢查询优化、索引优化、以及表等优化总结

MySQL优化概述 MySQL数据库常见的两个瓶颈是:CPU和I/O的瓶颈。 CPU在饱和的时候一般发生在数据装入内存或从磁盘上读取数据时候。 磁盘I/O瓶颈发生在装入数据远大于内存容量的时候,如果应用分布在网络上,那么查询量相当大的时候那么平瓶颈就…

医药领域知识图谱快速及医药问答项目

QABasedOnMedicaKnowledgeGraph self-implement of disease centered Medical graph from zero to full and sever as question answering base. 从无到有搭建一个以疾病为中心的一定规模医药领域知识图谱,并以该知识图谱完成自动问答与分析服务。 项目介绍 本项…

一文详解深度学习在命名实体识别(NER)中的应用

近几年来,基于神经网络的深度学习方法在计算机视觉、语音识别等领域取得了巨大成功,另外在自然语言处理领域也取得了不少进展。在NLP的关键性基础任务—命名实体识别(Named Entity Recognition,NER)的研究中&#xff0…

如何做机器学习项目规划?一个事半功倍的checklist

一只小狐狸带你解锁 炼丹术&NLP 秘籍前言在接到一个新项目的时候,对其进行合理的安排和规划往往会有事半功倍的效果。下面是从规划30 多个机器学习项目的经验中,提炼出的一个简单有效的checklist。一起来看看叭~项目动机明确你的项目的更广泛的意义。…

论文浅尝 | 一种用于新闻推荐的深度知识感知网络

Citation: Wang H, Zhang F, Xie X, et al. DKN: Deep Knowledge-Aware Networkfor News Recommendation[J]. 2018.Published at: The 27th International Conference on World Wide Web (WWW18)URL:https://arxiv.org/pdf/1801.08284.pdfMotivation推荐系统最初是为…

MySQL数据库主从同步的3种一致性方案实现,及优劣比较

数据主从同步的由来 互联网的很多业务,特别是在高并发的场景下,基本都是读远远大于写,如果数据库读和写的压力都同在一台主机上,这显然不太合理。 于是,把一台数据库主机分为单独的一台写主库(主要负责写操…

中文复合(条件事件、因果事件、顺承事件、反转事件)事理图谱构建项目

ComplexEventExtraction chinese compound event extraction,中文复合事件抽取,包括条件事件、因果事件、顺承事件、反转事件等事件抽取,并形成事理图谱。 项目地址:https://github.com/liuhuanyong/ComplexEventExtraction 关于…

对话系统的简单综述及应用智能客服

https://zhuanlan.zhihu.com/p/52899436 对话系统的简单综述及应用智能客服“天猫精灵,放歌”,”送你一首好听的歌《XXX》“,《XXX》音乐响起...相信有天猫精灵的用户对此场景都不陌生,或者语音操作其他智能音箱设备,比…

硬核推导Google AdaFactor:一个省显存的宝藏优化器

一只小狐狸带你解锁炼丹术&NLP秘籍作者:苏剑林(来自追一科技,人称“苏神”)前言自从GPT、BERT等预训练模型流行起来后,其中一个明显的趋势是模型越做越大,因为更大的模型配合更充分的预训练通常能更有效…

领域应用 | 用知识图谱玩唐诗,“唐诗别苑”附庸端午节的别样风雅!

本文转载自公众号:互联网教育国家工程实验室 。 端午节在每年的农历五月初五,又称端阳节、午日节、五月节等。端午节起源于中国,是古代百越一带崇拜龙图腾的部族举行图腾祭祀的节日。五月初五也是缅…

参加完阿里蚂蚁金服Java中间件6轮面试题!6点血泪总结~

蚂蚁金服一面:分布式架构 50分钟 1、个人介绍加项目介绍20分钟 2、微服务架构是什么,它的优缺点? 3、ACID CAP BASE理论 4、分布式一致性协议,二段、三段、TCC,优缺点 5、RPC过程 6、服务注册中心宕机了怎么办&am…

特定热点事件监控与分析项目

EventMonitor Event monitor based on online news corpus built by Baidu search enginee using event keyword for event storyline and analysis,基于给定事件关键词,采集事件资讯,对事件进行挖掘和分析。 项目地址:https://g…

深度好文:2018 年 NLP 应用和商业化调查报告

、 深度好文:2018 年 NLP 应用和商业化调查报告 Debra 阅读数:7650 2019 年 1 月 11 日近年来,自然语言处理技术已经取得了长足进步,成为应用范围最广泛,也是最为成熟的 AI 技术之一。但实际上,自然语言处理…

论文浅尝 | 通过多原型实体指称向量关联文本和实体

Cao Y,Huang L, Ji H, et al. Bridge Text and Knowledge by Learning Multi-Prototype Entity Mention Embedding[C]// Meeting of the Association for Computational Linguistics. 2017:1623-1633.导读:学术界近两年来十分关注如何将文本等非结构化数据和知识库等…

【面试必备】奉上最通俗易懂的XGBoost、LightGBM、BERT、XLNet原理解析

一只小狐狸带你解锁 炼丹术&NLP 秘籍在非深度学习的机器学习模型中,基于GBDT算法的XGBoost、LightGBM等有着非常优秀的性能,校招算法岗面试中“出镜率”非常高。这些经典的机器学习算法不仅是数据科学竞赛神器,在工业界中也被广泛地使用。…

2019手把手教你Java面试通关BAT

金三银四俗称跳槽黄金季,很多同学都想趁着这段时间拿高薪,去更牛逼的公司工作,认识更多大牛,提升自己的职场竞争力。 那怎样才能通过BAT面试官的考核?怎样成为一名Offer收割机? 之前讲过收割Offer有一个最…

特定领域因果事件图谱构建项目

CausalityEventExtraction self complement of templated based causality event extraction 基于因果关系知识库的因果事件图谱构建demo 项目地址:https://github.com/liuhuanyong/CausalityEventGraph 项目介绍 现实社会是个逻辑社会,大量的逻辑即逻…

斯坦福李纪为博士毕业论文:让机器像人一样交流

https://cloud.tencent.com/developer/article/1120019 选自GitHub机器之心编译自然语言处理(NLP)是人工智能领域下的一个庞大分支,其中面临很多机遇与挑战。斯坦福大学李纪为博士在他的毕业论文《Teaching Machines to Converse》中对 NLP 领…

陈华钧 | 知识图谱构建,将成为智能金融的突破口

本文转载自公众号:恒生技术之眼。“ 我们太容易被机器下棋这样的事所吸引,以至于现在谈到人工智能就基本都是在说机器学习和深度学习,而相对忽视了与人工智能相关的另外一个重要的方向:知识图谱。——陈华钧”尽管人工智能依靠机器…