本科生如何从零开始成为算法工程师

我本科生，拿到了算法岗实习offer。在此总结一下经验，此文仅用来记录经历，市场行情千变万化，不敢说绝对，内容只有参考价值。

首先说一下结论，大厂本科生基本上无机会，简历关都过不了，大概率会被甩出去，没有面试机会。创业公司蕴含着本科生的发展机会，本科生最好寻找一个没有上市但快要上市的创业公司，或者其他有技术有潜力的公司。这些公司并不完全看面试者的学历，招聘要求上往往也写明了本科生可以，对于拥有丰富实战经验的本科生绝对是有机会的。

接下来就说说想要通过面试，需要的技能：

• 编程语言：最好会Python和C++。
• 基础算法要熟悉，除了本科数据结构学的线性表，栈队列，二叉树，图， 各种排序查找算法等以外，还要求能手撕动态规划。不一定要处理很复杂的动态规划，简单的动态规划，有相关思想即可。
• 传统机器学习算法要懂，最好能手撕各种机器学习算法（线性回归，逻辑回归，KNN，KMeans，决策树等），即使不能手撕也要求知道算法的执行过程和算法的思想，这些思想最重要，必须掌握，最好有你自己的独特理解。
• 深度学习算法也是必须问的，MLP，CNN，RNN，LSTM这些基础的算法内容，执行过程，用到的公式，能推导最好，不能推导也要背下来。
• attention机制也是一大考点，transformer，bert这样的新模型，面试官往往很关心，上次遇到一个让我用tf1.x手写self-attention的面试官，着实把我吓到了，当然我直接给跪了。

以上是基础，基本上是每个面试官都会问的，接下来面试官会关心你的项目经历。我一直觉得项目这个词很迷，什么叫项目？我发现项目这个词界定是最模糊的，你搞个商业化的大工程叫项目，你搞个小demo，也有人敢把这叫项目。

其实这都不是重要的，重要的是体现你的工程能力，至于搞的是demo还是大工程那都不重要。

其实搞AI这块，你做的东西包含了数据的收集和预处理，模型的建立和训练，调参，评估，反复迭代，最后上线部署，其实就差不多了，因为这个流程是一般的AI项目的完整流程，要做的事情都在里面，你要是做的多的话，就积累了很多书本上学习不到的经验，但是你跟面试官交流的时候却能体现的东西。

面试官不仅关心项目内容还会对项目用的模型，和你阅读过的论文感兴趣，论文也是要阅读的，至少那些经典的论文，像AlexNet，ResNet的论文你要真正研读过。要对论文是什么，做了什么，为什么提出这个模型，这个模型解决了什么问题有认识。仅仅学基础知识，做一些项目还不够，你还要有对一个具体的小方向有自己的研究。这个方向不是指计算机视觉，自然语言处理这样的大方向，而是指大方向中的具体方向，拿计算机视觉举例子，视觉任务包括图像分类，目标检测，图像分割等具体的任务，每个具体任务都有自己的经典论文和模型，这些你要具体去了解。就比如搞图像分割的必须知道FCN，目标检测的必须知道YOLO。你要真的看过相关论文，真的对这个方向有自己的见解。

需要会的库和框架：

• numpy
• pandas
• matplotlib
• scikit-learn
• tensorflow（与pytorch二选一，最好都会）
• pytorch
• OpenCV（可选，视觉相关必须要会）
• xgboost（可选，有些公司业务需求）

我个人觉得缺人的方向：

推荐系统

推荐这几年比较火，短期加入可能比其他方向较轻松入职。

强化学习

国内搞强化学习的不多，学习曲线也相对较陡，近年来强化学习也开始落地，缺的不只是算法工程师而且缺编写仿真模拟环境的人才，这种人才招不到。

声明，以上个人经验，仅供参考。