曲线救国 | 双非"渣硕"的秋招路

NewBeeNLP原创出品

作者 | 带带大兄弟

写在前面

双非渣硕，0实习，3篇水文，三个给老板当打工仔的nlp横向项目，八月份开始准备秋招，纠结开发还是算法，开发的话菜而自知，算法也是菜而自知，最后还是头铁NLP算法。

秋招进度：投递150+，笔试50+，面试30+，offer 2，只求当咸鱼，基本躺平了

下面是我的部分面经记录，希望对后来人有帮助 

58同城

找了在58NLP工作的本科同学内推，估计HR给忘了，第一批没内推上，只赶上了第二批笔试，当时已经开奖了好多人了，感觉坑位不多。

一面

• 自我介绍

• 今后的事业规划、研究方向

• 项目1：为什么选择这种模型，有尝试过其他模型吗

• BERT的优缺点

• PTM都了解哪些，BERT与GPT区别

• 单项与双向在实际训练时有差别吗

• bert的mask会带来什么缺点吗

• 项目2：句对匹配任务

• • 每次查询都要与库里所有的数据做计算，有考虑过优化么

• 手撕代码 ：

• • 经典DP

  • 判断两个链表是否相交

ps：没给反问机会

二面

• 自我介绍

• 挑一个比较重点的项目开讲

• • 知识库有多大，数据是分层存储的吗

  • 数据是如何收集的

  • 问题会有子问题吗

  • 准确率怎么验证的

  • 效果会跟数据集有关系吗

  • sentence pair怎么改进的

• CNN与RNN的区别

• Transformer原理

• 注意力机制有哪些种类，本身原理上起了什么作用

• 怎么解决过拟合问题

• BN在原理上怎么解决过拟合

• 常用损失函数有哪些

• 回归问题主要用哪些损失函数

• 隐马尔可夫了解么

• 数据不平衡怎么处理

• 数据不平衡的损失函数有哪些

• 交叉熵是什么原理

• 系统搭建怎么搭建的

• 项目3介绍

• • 评价体系是什么

• 词向量有哪些方法

• 分词了解么

• 工作上的规划，地点有选择吗

• 工程上的开发与落地有经验吗

• 知识蒸馏是什么，通过什么方式来简化，比如albert，具体原理是什么

HR面

• 经典HR问题

• 反问新人培养机制

贝壳

一面

• LDA基础知识

• LSTM梯度消失/爆炸

• 等等

二面

• 自我介绍

• 项目介绍

• LDA主题数目确定

• Gibbs采样和变分推断

• GIbbs优化目标是什么

• Gibbs采样与变分推断的优缺点

• 常用的模型（LSTM+BERT），训练语料

• BERT原理

• Bert与LSTM比较

• 样本不平衡的处理方法

• 了解NER么

• 统计类模型了解么  阴马

• 编程语言用什么，C++会么

• embedding的方法（word2vec \glove\ fasttext）

• glove 与word2vec的区别

• LR，SVM与XGboost了解么，介绍一下

• GBDT，Xgboost的区别，Xgboost分布式计算是计算什么

• 代码：写快排

HR面

• 说一个印象最深的项目，收获

• 今后还做这个方向么

• 目前关注的公司

• 对贝壳了解么

• 可以实习么

• 在哪个校区

• 反问（两周之内给结果）

依图

一面

新加坡部门跨国面试

• 是保研吗

• 项目

• BERT为什么有效，与其他模型相比呢

• Transformer优点

• 数据源如何来的，数据更新如何解决

• embedding方式有哪些

• word2vec训练时出现过问题吗，比如训练后的词之间的相似性不准

• 爬虫框架用过哪些

• 手撕代码

• • 手写字典树

  • 二叉树的遍历 递归非递归

二面

• 自我介绍

• 项目

• • 粗筛能过滤多少数据

  • 评测过第一步的性能么

• BERT原理，

• 正则化是什么，LN是什么，作用是什么

• 过拟合手段有哪些

• Dropout原理

• hyperscan的原理是什么

• 模型预测错误的数据，为什么会错，分析过么

• sentence pairs模型中，为什么不直接用score排序

• 为什么要选用这种模型

• 自定义损失函数是什么，为什么要用这个

• 手撕代码，leetcode.33

尾巴

回顾整个秋招历程，当时选择方向的时候，权衡利弊还是选择了算法岗，虽然 学历不如 双一流大佬，论文比不上A会学霸，但还是决定曲线救国，从项目方面入手，算法研究不行我就从算法落地方向找突破口，整个简历都是围绕着项目展开的，面试过程也尽量把面试官往项目上引，后期的几个面试也基本都是一个项目扣半个多小时，扣着扣着就到时了。

最后祝大家都能拿到自己想要的offer！！！！！过程虽然很曲折，但结果一定是美好的！！！