2017暑期实习面试总结-机器学习算法岗

       虽然心里念叨该早点准备3月开始的这波面试，但由于生病等种种原因，又或者可以说我是一个轻微拖延症患者吧，直到3月初被内推了阿里才真正开始准备。截止目前，还算幸运，拿到了几个offer。就先行做一个总结吧，算是对这一个半月的小记了。

  首先是面挂了的公司。搜狐和滴滴：在牛客网上看到的内推人邮箱，发了简历之后就一直没消息了…地平线机器人:一面挂，美丽联合集团：一面挂。 
  接下来是顺利拿到offer的几家公司。

阿里： 蚂蚁金服风控部门，机器学习算法岗。

  3.2 一面，杭州蚂蚁金服，18 mins，面试官介绍自己是蚂蚁金服风控组的，于是我就和他聊了自己在Data Castle上做的信贷预测比赛，后来想起来简直蠢得要死，因为面试官是这方面的专家，问了我一堆风控建模相关的问题，例如woe和iv，我根本都没听过。当时觉得回答地很一般吧，以为阿里之旅就到此结束了。 
  3.7 二面，杭州蚂蚁金服，13 mins，面试官人很温柔，简单地问了随机森林和gbdt的区别，以及如何理解LR，之后简单问了一下项目，这次聊得还挺开心的。 
  3.19 三面，上海蚂蚁金服，16 mins，煎熬中等待了12天终于等来了三面，好像是个大佬，以聊项目和比赛为主，穿插问了一些比较尖锐的细节问题，当时非常紧张，全程结巴地回答完的，再一次地觉得阿里之旅要结束了。 
  3.23 交叉面，杭州淘宝，20 mins，面试官很nice，这也是唯一一次面试官说话时间占了近50%的面试～，几乎没聊技术，聊了很多职场和校园的区别，问了比赛和项目，但没深入。 
  3.23 HR面，杭州支付宝，25 mins，没想到下午交叉面，晚上就HR面了。问了挺多犀利的问题，例如你怎么看待自己是非科班出身的，与科班出身的同学相比，你的优势在哪等等，自觉答地还行吧～ 
  3.28 收到阿里巴巴校园招聘组发来的邮件，邀请帮忙进行特殊内推。 
  4.21 收到offer。

腾讯：MIG，开放数据平台，基础研究岗

  3.18让师兄内推的TST，但是一直没有接到腾讯的电话，估计是一直在简历池中没被人捞起来吧~之后就做了腾讯的笔试，笔试居然没有编程题，而且大量的概率论以及线性代数的题目，真是很契合基础研究这个岗位的名称啊~ 
  4.09 接到了腾讯的面试通知 
  4.13 腾讯现场一面，我居然是晚上最后一个，带路的小哥说他们都还没吃饭，就等着我们最后几个面完，真是尴尬。。进去之后，面试官看了简历，简单地问了比赛，之后就问我对LR的理解，我就大致介绍了一下LR的优缺点，接着面试官就要求我写出LR的损失函数，当时脑子短路了，就只记得信息交叉熵了，忘了交叉熵损失函数怎么写了，愣了一会之后，我问面试官，能不能让我推导一下，我给忘了，面试官就很开心地让我推，幸亏这玩意之前复习过，很快就推导出来了，结果面试官就来了兴趣，让我推导CNN的inference和bp…所幸我对CNN也熟悉，也推出来了。之后就考了我一个智力题，100红球和100篮球任意放两个筐里，要求随机从两个筐中取出红球的概率最大，当时只想出了解法，面试官让我证明，我没证出来。最后还考了一些挺常见的数据结构和算法，让我手写了快排。 
  4.14 一面结束当晚通知我第二天面试。二面感觉就是在聊行业聊人生…面试官几乎没问我太多技术，倒是问了我很多如何看待AI行业，如何规划自己的职业生涯之类的话题，吹吹牛我还是在行的，也就这么过了~ 
  4.15 HR面。这是我遇到过最犀利的HR面，什么稀奇古怪的问题都问了，总共问了50 mins，还看了我微信公众号和手机APP… 
  4.18 微信上显示已完成面试流程，内推学长查到的状态是offer报批中，希望能顺利拿到offer吧。 
  5.2 收到offer。

远景能源: 算法工程师

  3.27 电话一面。面试官给人感觉经验很丰富，问了很多技术细节问题，具体的有些记不起来了，但是对数据挖掘的流程以及其中的每一个环节都很详细地问了，最后考了一个二分查找的算法题。 
  3.30 现场二面以及三面。二面几乎都是我在介绍自己的论文和比赛，10分钟就结束了。紧接着就是三面，三面是远景的技术总监面的，人很好，很有耐心，也非常亲和，问了我很多技术问题，还让我给他介绍生成式对抗网络（我在做的课题），前后一共聊了一个半小时，最后给了我很多人生建议以及从业经验，非常感谢他。 
  3.30 当晚HR面，并且给口头offer。 
  4.1 收到offer邮件。

爱奇艺: 算法工程师

  4.7 视频一面，第一次是女面试官面试我了- -，面试官人很nice，问比赛为主，聊地挺愉快的，主要考察了比赛中特征工程的处理细节和stacking的优缺点。 
  4.7 视频二面，二面的面试官是部门大佬，问了论文和比赛，问了特征工程的很多细节以及LR模型的应用。 
  4.10 收到offer。

华为: 南研所 算法工程师

  3.10 在线机试。 
  4.12 当天上午直接完成了一面和二面。一面的面试官似乎不是做机器学习相关的，问了我许多C++开发的问题，幸亏我C++还算熟练，总算是答上来了一些，之后我就表明自己是做机器学习和大数据相关的，面试官就考了几个SQL的题目，不是很难，都写出来了。二面就是介绍自己的论文了，讲了15分钟，面试官点了点头就算结束了。 
  4.17 收到offer。

360: 人工智能研究院 语音识别工程师

  3.21 在线机试。 
  3.30 上午视频一面以及二面。一面和二面还挺相似的，因为问的问题都挺相似的..基本都是以我的论文为主，因为我论文的就是用深度学习做声音识别这一块，重点问了深度学习中的优化问题，各种优化算法的区别，CNN的原理以及声音特征提取。中间让我写了两个题目，基本是leetcode easy和medium的水平，没什么问题地写出来了。 
  3.30 下午HR面。这位HR也挺犀利，问我如何评价一个人的学习能力，我说一个，她就问还有吗，就这样硬生生地让我挤出了七八种方法。 
  4.19 收到offer。

总结：

  这次暑期实习招聘，历时两个月，也是人生中第一次参加招聘，感触颇深。首先，简历非常重要，一份优秀的简历能极大地增加进入面试的机会，并且给面试官和HR留下好印象。之前最早做的一份简历是仿着同学简历格式写的，写的毫无重点，乱七八糟，导致前期用这份简历投的公司大多都没有什么回音或者比较好的评级，之后找了几份优秀的简历学习了一下，重写了自己的简历，明显面试官对我的简历感兴趣了很多。一份好的简历应该突出自己的亮点，并且简洁，作为程序员，应当突出自己擅长的方面，比如优秀的竞赛成绩，项目，论文，并且最好平常自己要多积累，github和blog多contribute，这样在简历上写上自己的github账号和blog会有很大加分。其次，坚持刷题，对各种算法的理解应当深入，不只是停留在表面，应当自己多推导公式，多问问自己几个为什么。另外，工业界和学术界并不相同，工业界更关注成熟稳定并且可以方便运用于分布式计算的算法，因此，在工业界最常用的算法往往是LR，而非决策树或者神经网络，这点在这多么次面试中被频繁问到对LR的理解得到很好地印证，对于LR的理解，以及如何处理用于LR的特征，特征离散化，特征交叉，特征选择等等需要进行较好的学习和思考。