(更新)数据挖掘，自学一年拿了腾讯京东华为网易YY的Offer，方法与建议

最新推荐文章于 2024-04-21 13:39:33 发布

glanose

最新推荐文章于 2024-04-21 13:39:33 发布

阅读量8.5k

点赞数 22

分类专栏：面经笔经随笔机器学习数据挖掘深度学习文章标签：数据挖掘找实习腾讯网易 offer

本文链接：https://blog.csdn.net/a790209714/article/details/78423722

版权

机器学习同时被 3 个专栏收录

21 篇文章 0 订阅

订阅专栏

随笔

19 篇文章 0 订阅

订阅专栏

深度学习

11 篇文章 0 订阅

订阅专栏

成果

秋招结束了，我最终获得了：

腾讯
京东
华为
网易游戏
欢聚时代
搜狐视频

这几个offer，均待遇不错，收获颇丰。

写作动机

回想起一年多以前选择数据挖掘的时候，一度以为找不到工作，非常着急。幸好有令科，梅寒，志韬等师兄为我解答了很多迷津。于是也尝试记录一下自己的学习历程，鉴于往事，以资于后道。
全文分成6个阶段，文章有点长，各位可以直接去看自己的那个阶段，看看我过去的心路历程和总结的经验能否帮上忙。
暂时写到找实习，其他部分想到再写，有什么问题可以微信问我，我在实验室群里
所有技巧仅适用于我们实验室

我们实验室的一个特点是人多。
很多优秀的师兄师姐，他们就像排头兵，考虑过你现在迷惘的几乎所有选择，去过了几乎所有重要和优秀的公司，就职于所有欣欣向荣的岗位，能带给大家很多前路上的指引。
请大家多点跟所在的小组现在的前辈，还有以前毕业了的前辈多多交流，他们会最切身，热情地帮助你任何困惑。
我们实验室的第二个特点，是有很多优秀的师弟师妹。
以后你们的苦恼也会变成后辈的参考，你们走过的路也可能成为后辈的选择。为了让你们努力得到的经验不要只被自己使用一次，为了让更多后辈追随你的脚步壮大队伍：
请多点分享，任何形式的都可以：书，博客，Github，私下聊天…

阶段

1. 选方向阶段

我的研究生是两年制，于是在大四暑假的时候，我必须对学习方向做一个选择，到底学C++后台还是数据挖掘。
我的情况是：

实验室有与之相关的项目
本科的时候有学过C++编程
关系比较亲近的师兄都去了做C++后台
全社会招的人不少，但是作为一个有相当历史的岗位，竞争者也不少

数据挖掘
- 比较感兴趣
- 完全没有基础
- 当时刚开始流行，很多人在学习，可以一起学习
- 不需要什么项目经验，但是需要参加比赛

纠结了很久，最后还是去做了数据挖掘：

实在不喜欢编程
对自己家庭情况做了分析（不需要非常稳定地挣钱，家里人不用我养）
对自己的工作状态做了分析（不擅长做太细节的工作）
数据挖掘即使没学成，起码能做Python工程师，也比C++舒服（这个设想后来无法证明正确与否，好像是错的）

综合上述情况，心里比较不讨厌数据挖掘，所以选择学习数据挖掘。

2. 学习阶段

买盗版书：
尽可能多的获取信息，虽然网课也很好，但是很多书里的内容更详细和pratical，因为没有钱，但是又想买各种书来看，上知乎看了一圈不知道买什么，就在淘宝搜“满三包邮”买了一堆盗版书，不能因为贫困而不学习。**大家一定不要学我。 **
看下来每一本书都有各自的闪光点，相互补充效果很好，书有点多所以书架放在了语音组实验区，大家可以借阅或捐赠。
学习路径：
- 基础技巧：Python做数据分析
- 初学者入门：Python数据挖掘与实战
- 第一次自己上手：kaggle
- 实际做比赛：天池/CCF
- 有问题：stackoverflow/Github
请大家关注一些很有用的企业公共KM（知识分享），我这里推荐三个：
- 美团点评技术团队
- 腾讯云
- 阿里技术（微信号：ali_tech）
机器学习的学习方法：先学会一些常用数学，统计，思考方式等工具。然后理解新的模型的“步骤”（当有工具的时候，大概了解在数学上和哲学上这些模型是怎么构筑的就行，详细的证明当数学熟练后可以推出）
【2018.1.30更新】最近在补全自己深度学习的知识，学习深度学习的话，我建议的路径是这样的：

基础：
买，并看《Deep Learning》准备一些数学，深度学习方面的基础，英文不好可以看中文版，但是中文版翻译越到后面越糟糕，所以看到后面可能你会自动去看英文版。
选择一个领域并准备基础：
图像/语音/NLP…并买一些对应领域的专著来看，每个领域都有一些基础知识，这些知识论文中不会讲，博客网文太零散，必须看书。
学习深度学习框架：
- Tensorflow: 我把市面上(2018.1月)有关Tensorflow的书都买过一遍，我建议先看《面向机器智能的Tensorflow实战》有兴趣再看《Tensorflow机器学习实战指南》
- PyTorch: 看得不多，我觉得《深度学习入门之PyTorch》挺好
- 具体选择哪个框架当然看你领域的研究需要，不过我们公司用TensorFlow比较多，所以必知必会
- 学习列表：这个表应该有三行，包括了你这个领域常见的技术，分成“模型”，“模块/技巧”，“其他”，可以看我的例子：
```
a. 模块/技巧：重参数化，因果卷积 ，highway，attention
b. 模型：SampleRNN，WaveNet，Griffin-Lim
c. 其他：MCMC采样，BeamSearch
```
  必须学习原理(在Arxiv找论文)，和实现（Github找实现）。三层的关系层层递进，学会了写第一层的模块，你就可以学搭第二层的模型，第三层是其他，不属于模型或者模块，但是按照结构主义的观点，所有功能都有对应的结构，第三层只是用来存放杂物的。
Github：关注你们对应领域的大佬，看他们会star什么项目，你也跟进去学习

写自己的博客。认识有偏差也没关系，太张狂也没关系，根据Fail-Fast原则，越早地把问题暴露出来，越好，比如我就会写：
- 400字重写深度学习的知识框架
- 机器学习的学习方法：
  先学会一些常用数学，统计，思考方式等工具。然后理解新的模型的“步骤”（当有工具的时候，大概了解在数学上和哲学上这些模型是怎么构筑的就行，详细的证明当数学熟练后可以推出）
- 机器学习中检验样本抽样的均匀——KL散度检验和K-S检验(后来我才发现GAN中一般使用KR距离，也就是双向的KL散度)
很遗憾，没有人来指正我的错误，纠正我的人脑神经网络中的bias，毕竟大家都很忙，有人肯花时间在你文章底下骂你应该很感谢才对

关于比赛：

找到一起学习的队友
跟焕波和乔锐一起打了比赛，也获得了阳星，梅寒，令科师兄的指导，有队友的时候因为频繁交流促进思考，各有分工也避免多路作战，对每个人的进步都会很快。我们实验室很多人打比赛，可以随意找人组队，也鼓励组与组之间的交流，一起学习。
选择比赛的时候，尽可能多方面考虑：
- 除了比赛难不难，还要考虑举办比赛的公司，找工作时找回原公司会有很大优势
- 考虑举办比赛的类型，做过医疗AI的比赛，找对应的公司有优势
- 很有难度的比赛，也不一定要达到很高的名次，但是名次低的时候就不要死磕，尽可能在技术上有所创新，写简历的时候也会有料
要有人负责混群和讨论区了解最新技巧
集中整理记录比赛的时候的笔记，找工作的时候有用
面试官100%问这个问题：几个人？怎么分工的？
其他关于比赛的问题请问焕波，博翰这些比赛大佬吧

以下是焕波贡献的关于比赛的建议：
（12月7日更新，其他朋友想一起编辑的请微信联系）

上手
天池o2o新手赛
https://tianchi.aliyun.com/getStart/introduction.htm?spm=5176.100066.0.0.772af2f5y1zxWE&raceId=231593
o2o新手赛开源代码
https://github.com/wepe/O2O-Coupon-Usage-Forecast
这份代码是o2o冠军wepon开源的，包含了结构化数据挖掘的大部分特征提取套路，看完基本就可以上手了。

进阶
kaggle平台上的kernel、discussion部分，会有很多人分享比赛的代码。可以找那种已经开始了半个月到一个月的比赛，这时上面已经有很多开源代码。在这些开源的基础上跟着继续做，上手会挺快的。

比赛的选择：
现在许多公司都在举办比赛，但是这些比赛良莠不齐，很多比赛的数据有问题，所以选择一些质量高的比赛就很重要。

尽量打大公司的比赛，许多公司举办比赛就是为了招人，大公司的比赛一般认可度比较高。其次是大公司一般举办比赛时投入的资源也比较多，对于数据的质量也更有保障。

现在的比赛基本就是4类，分类、回归、图像、nlp。对于新手来说，一开始建议选择分类的比赛，相比回归这类容易上手。而图像、nlp这些需要一定的领域知识，如果之前没有接触过，难度还是比较大的。

比赛的数据也是很重要的因素，最主要是由于数据质量不高，导致随机性很大，线上线下不同步。比如之前天池上有一个社保比赛，样本只有几千个。线上线下不同步，随机性特别大。对于这类比赛还是尽早弃坑。

所需工具：
现在比赛除了天池平台的线上赛需要使用sql外，其他平台对使用的工具都没有限制。常用的就是python、pandas、xgboost、sklearn等。pandas的学习可以参考o2o的代码还有pandas官网文档。sklearn可以直接看官网的文档，还有一本书《python大战机器学习》，对于sklearn的使用介绍得挺不错的。

另外现在京东、腾讯、滴滴也有举办比赛，不过这几家公司并没有在这些平台上举办。附带这三家公司比赛网站
腾讯http://tpai.qq.com/race
京东http://jddjr.jd.com/
滴滴https://ditech.didichuxing.com/

3. 找实习阶段

2016年11月，因为网易游戏推出了一个叫“预践未来”的非常规实习计划，这个计划中都是“某个工作室需要一个功能，找个人来做吧”这种临时工性质的任务，此次放出的计划没有太多宣传，是师兄告诉我的，当时还没什么人投。
我本科的时候做过语音于是便投了简历，结果便录取了其中一个语音的项目，录取后很快就来问什么时候能去实习了，我因为当时实在来不及于是便说之后再去，公司那边说“那我们会继续招聘，如以先到者优先录取哦”。
我说好吧，后来实习了几个月，获得了offer。
回校专心刷题，到8月刚好准备充足地参加秋招。

我个人认为的要点是：

如果能力过关，尽早投实习岗位，而且尽量要投好公司：
- 好处：适合怕找不到好工作的同学
  等到3月统一春招实习的时候，就要跟全国各大学校的大佬竞争了，但是企业对实习生的需求不是3月份一夜之间冒出来的，在那之前已经有需求了，3月统一招聘可以降低宣传成本。吸引更多优秀人才报名——对我们学生来说竞争就更激烈了。
- 坏处：万一实习录取了，就错过了3/4月各大公司找实习的时候
  这个时候要不要辞职找实习就成为纠结了，所以一定要投好公司。
注意实习时间：
正常的实习时间是3月招聘，4月/5月入职，实习最低两个月，8月份秋招已经如火如荼了，所以尽早入职的话，还有时间回来准备刷题秋招
（就我自己的情况，"实习的时候学的东西+实习的时候抽空复习的东西"是不够应对秋招的，必须刷题）
建议最好不要6月中才入职，因为起码实习到8月中，万一实习的公司不发offer就傻眼了
实习的地域优势
- 很多同学找实习的时候会因为实验室有事等原因无法去外地实习，这对于外地的学生也是一样的，所以找实习的时候企业会优先录取本地学生，所以尽可能投本地最好的企业
- 我的意思就是，记得投WXG，网易游戏，他们会优先录取你，特别是“特殊项目”
- 进去了门槛高的企业再跳就很简单，这个道理跟高考中户口的作用一样，不懂的代进高考思考一下
- 这条可以反过来用，请代进“异地高考”考生这件事来想
什么叫能力过关就去实习：
一个公司要人的标准，实习生比校招生的要求会降低10~20%，但是总体差不多，所以提前投简历，参加面试，也可以知道自己缺陷在哪。
3月之前用野路子提前找实习的时候可以大胆的投，挂了就挂了，这种不会进档案的，最多不行3月再投。
多了解一些旁门左道的实习路子：
- 哪里缺人就去哪，公司的需求跟你做过项目对口了就会降低其他方面的要求录取你
- 每周刷一次各大公司招聘网站：
  - 网易游戏-“预践未来”
  - 欢聚时代
- 推荐一些会招聘实习的公众号：
  - 互联派
  - 互联网offer之路
  - 校招导师
  - datawork
  - paperweekly
- 大街网/猎聘网/看准网/脉脉，这些网站可以关注一下，但是直接投简历成功率不高
- 投简历的时候托师兄帮你内推简历，可能的话直接扔到HR手中（注意：内推的时候越靠师兄，实际上就越是把师兄和你的信用作为抵押，成功率也越高，万一录取了你之后你不去，那么有时候师兄会有很困扰）
机器学习的实习和找工作，基本上C++这一块只要看《剑指offer》并熟悉其中题目，机器学习那一块就看各自领域了
虽然有很多说法说简历不要写太长，但是如果是在线简历，是没有太多人会在意你是不是刚好一页A4纸的。当然在重点写清楚的情况下，越简短越好。
牛客的校招/实习日历很管用

以下是11月27日更新:

4.笔试阶段

我这里注重说一些自己琢磨的别人很少说的点，笔试常见的算法请上网刷题。（牛客网足够应付一般的笔试了。有空都刷了是没错，但是注意看看牛客上的各大企业往年题。刷的题够用就好，别浪费太多时间）
- 牛客网
- LeetCode
虽然可能有点朋友已经知道了，但是还是提一下：因为笔试题跟ACM很像，所以多点搜索借鉴ACM大佬的经验技巧，例如下面这些：
- ACM做题过程中的一些小技巧
- ACM常用的解题技巧：尺取法
比如，看答案的时候，会看到ACM的大佬们在一些不需要用到algorithm头文件的代码中，也include了algorithm，证明对于笔试题他们会写一个模板，做题之前直接复制上去先，像这样：

#include <cstdio>
#include <vector>
#include <iostream>
#include <algorithm>
#include <string.h>
#include <stdlib.h>
using namespace std;
int popMaxInVector(vector<int>&vec)
{//弹出vector中最大的元素
    vector<int>::iterator maxElementIt = max_element(vec.begin(), vec.end());
    int maxInt = *maxElementIt;
    vec.erase(maxElementIt);
    return maxInt;
}
int main()
{
    int n = 0;
    int m = 0;
    int ans = 0;
    int data = 0;
    scanf("%d %d", &n, &m);//读入参数
    int count = 0;
    int* A = new int[n];
    //vector <int>A;
    //vector<int>::iterator max_it = max_element(A.begin(), A.end());
    while (count<n)
    {
        scanf("%d", &data);
        A[count++] = data;
        //A.push_back(data);
    }
    //while (i<maxLineNum)
    //{//读入n行的输入
    //    gets_s(lines[i++], maxLineLen);
    //}
    gets读取一行
    //提取所有数字：scanf("%[1234567890] ", strings);
    //不提取所有数字：scanf("%[^1234567890] ", strings);
    ans = countingM(A, n, m);
    printf("%d", ans);
    return ans;
}

熟悉你使用的平台的输入输出格式。比如阿里只能用 scanf和printf，牛客和赛码可以用cin和cout，对于python2和3的输入输出处理也有不同（比如python3的map返回的是个map对象，而python2中返回一个list）
之前做笔试的时候总结了一些技巧，包括上面写的几个，直接看吧
- 笔试技巧
- 遇到的笔试要求的变化和拟合（这是上面那份笔经的补充包）

以下是11月21日更新:

5. 面试阶段

我这里注重说一些自己琢磨的别人很少说的点，面试常见的算法请翻其他人的面经。
- 互联网公司深度学习面试题
- 如何准备机器学习工程师的面试？
- 我整理的一些：面试常见算法
自我介绍的时候针对技术面和HR面设计不一样的自我介绍
不要总是等着面试官问，在面试官问完一个项目之后，可以打开你纸质版的简历(没错，这就是为什么即使有了网页版的简历，你还应该带上纸质版简历的原因)，把重点的项目指给他看，并简单介绍一下“这个项目我也学到了很多，特别是XXX和XXX的处理”
最好要有自己的见解，不能照搬网上的回答，必须答出本质一点的区别。
比如，一个常见问题就是“XGBoost和GBDT的区别是什么？”这个时候可以从框架上讨论：“统计学习的三要素框架”，从隐含的思想上讨论“XGB引入了残差学习和梯度衰减的思想”等。
面试的时候针对这种“区别型”题目有一套分析框架，根据这个分析框架去思考和补充知识，那么能给面试官“很厉害”的印象
没有太多见解的情况下，可以考虑借用我这篇文章里的框架：
XGBoost模型跟Logistic Regression模型的本质区别
这些是我自己想出来的，当然不一定是正确的，但是起码令我知道自己的不足，花时间翻源算法和代码，并使得面试官有特别好的印象。如果没时间准备了，那么可以只准备一个最常见的问题，并伺机主动提出。
【比如LR，比如XGB，都是高频问题】
【听说X科师兄就是用自己的见解打动BTH三家公司并都拿了sp哦】
要有自己的见解还有一种稍微偷懒的方法，参考。比如XGB，可以翻阅对应领域针对XGB的优化的论文，领会了之后，你可以说”我在比赛的时候，针对XXX问题，对XGB进行了这样的改进“，这样就使得你好像自己有所领会，面试官没问你"是不是参考的别人"的话，你也不用跟他说，问了再说就是了。
整理好自己的Github和博客，关于“我没有github项目”，“如何把github打扮得专业一点”请看这个文章：
技术面试中常被问到是否参与开源，那如何清晰展示 GitHub 项目呢？
**关于“你有什么问题要问我吗？”想不到有什么问题的话，建议问一下“请问您的小组的业务是怎样的”**你这样问了的话，有很多好用的套路
**获取面试结果：**如果面试官只是草草回答，那么可能证明你"没通过面试"
**获取部门信息：**如果这个部门的业务你听了就不想去，那起码可以提前知道。一般面试官的回答会有夸大成分，可以找师兄查一下那个小组具体怎么样，存在感如何，有没有大佬带等。
**猜下一次面试的面试题：**知道了是什么部门下的哪个小组，然后就在猎聘查一下这个小组社招的需求，上其小组的网站/公众号找他们最近发表的文章，论文等。然后按照这些需求准备二面。
比如，面腾讯一面的时候，我得知一面面试官是MIG下面一个测试中心的，然后我查了这个中心的公众号和网站，包括社招，然后针对自己做过的项目调整简历，写"标题看起能吸引这个中心的人的"博客，然后再去二面。准备万全。
表现出自己的热情和兴趣：面试官想要你的话，会详细介绍，并描绘"我们小组多么多么厉害"，这个时候你既可以说"我对这个也很感兴趣，我以前就做过/学过类似的项目"，也可以一起吹捧一番说"听起来很好，这个产品的装机率这么高，超过今日头条肯定没问题，毕竟我们（这里拉近你跟面试官的距离，听起来就已经是同事的关系了）有渠道优势！"
坦白说，如果面试官完全不知道你的项目是怎么样的，光靠说的很难讲清楚。最好把自己做过的项目做出流程图，面试的时候用平板或者打印出来，展示的时候非常直观。网易实习语音分类项目流程图
如果是在线简历，可以一面后马上改简历，以适应二面，比如发现简历里有漏洞或者不清楚的地方，一面的时候被抓着问了，那么可以考虑面完马上删掉。还可以针对面试官所在的小组，把简历修改得更匹配对应职位

以下是11月27日更新:

面试的时候要带的东西
- 湿纸巾：碧柔可变香味爽身粉湿纸巾【面腾讯用上了】
  含有爽身粉，烈日下一身大汗赶到面试现场，掏出来擦一下就可以恢复干爽
- 耳罩： 3M optime 105耳罩【面腾讯用上了】
  腾讯的御用面试酒店是东圃喜来登，面试等待的时候整个大堂都是人，焦急焦虑和现场的吵闹让人无法安静复习，掏出这个适合在105分贝下使用的耳罩，马上让心思安静下来。也可以用在赶面试的车中使用，别睡过头了就好
- 零食：【面京东用上了】
  今年可能是京东第一次来广州面试，定在一家环境很一般的酒店，而且约的4点半面试6点还没面上，饥肠辘辘只想吃饭，没有心思跟面试官讨论Dropout和BatchNorm了，这个时候就需要零食充饥，递给身旁一起等面试的朋友，也是交友的利器（后来我去面YY的时候又见到了这个大哥，其实整个广州这一块的毕业生有几个，跑面试的来来回回都是那些人）
铅笔：【春招面腾讯用上了】
面试官让写代码，没想好就胡乱写的话，反而让草稿纸脏兮兮的。先写伪代码，写测试用例，然后用铅笔在上面修改，写批注，最后想好了一气呵成

5. 实习阶段

实习任务一般是个很小的点，但是你要把它做大，扩展功能，提高稳定性，提供性能界信息，提高通用性
想到再慢慢写吧

以下是11月21日更新:

多认识里面的大佬，即使你不留在那个公司，也能给你一些人生建议，买卖不成仁义在
多认识同期的实习生，到时候秋招的时候相互分享经验，讨论offer，甚至一起打游戏都很有用

以下是11月27日更新:

多看透公司内部的情况，比如：
- 大多数员工是哪里跳过来的
- 晋升速度
- 部门的好坏（跳走和跳来率）
跟正式员工对比，发现自己不足的部分，如果明天你们的工作岗位交换了，能否胜任？为什么？

6. 选工作阶段

如果没有“亲人重病急需现金”“我妈说我留在XX就给我一套500w的房子”这样重磅的硬理由，选你喜欢的就好。
不要想太多，你喜欢做，不管大公司小公司，起码比较开心，开心了成长了，自然可以选公司
我们学习十一月初才发三方，所以在那之前都可以慢慢考虑

以下是11月21日更新:

认清楚自己的风险偏好类型很重要。因为我是风险中性型的人，家在广州，没有太大欲望，所以我建议选择“在产生的最坏结果能承受的前提下，收益最大”的路线。但是有的人可能会觉得不选择风险最大的路径是浪费机遇，每个人所处的环境不一样，各自人生的起点和终点不一样，选择适合自己的最重要。我们之所以相遇，你看到我的文章，只是因为我们刚好碰巧做了2年同学，偶然当了一段时间同路人，除了珍惜这段缘分之外也不要对其他人的选择做太多干涉才好。

以下是11月27日更新: