面试,也是一项技术活。——本主
面试,是一个双方了解,相互选择的过程。面试方提出问题,应聘方作答,一遍两遍,相互的了解加深。无论HR面试,仅谈谈技术面。一般还是会以如下方式进行:
- 基础的C++编程问题,可能是看代码,问输出和代码问题,或是提要求,写代码。
- 简单的算法和数据结构的问题,如快排,找第N大的数等等,这里有可能问及有关面试方实际工作中遇到过的问题,如外排等等。
- 重点提问有关具体工作分类中的专业问题,如EDA会问place和route算法等等,机器学习相关岗位会问logistic regression,SVM,GBDT,随机森林等等。
主要就是以上三部分内容。
本主的情况,本科物理,研究生硬件设计,与软件八竿子打不到。但本主不甘心,研究生毕业就去了Cadence做了R&D,不过不慎入了EDA行,与Machine Learning失之交臂。现如今本主想搏一搏,看看有没有命进入这个热门行业。
不过事先要分析分析本主的优缺点。
优点:
- 在EDA领域历练了几年,对算法的设计,应用与实现很是自信。本主曾接手他人的棘手项目,在本主不甚了解多线程编程的时候,花了一个月时间,就出色的完成了该项目。项目不是简单的多线程化,有难点,细节不赘述。
- C++自信的很,几本大部头的书,如TCPL等等,都Cover2Cover的过了一遍。
- 代码还可以,Completely Read Code Complete。
- 机器学习的算法也在工作中使用过,不过不算精通。
缺点:
- 本主年龄大了,要和小年轻一起竞争。
- 本主这几年只限于工作的经验增长,有些书读过了,又有些生疏了。
- 本主对机器学习的面试不自信。
对策:
- 面试中要表现本主的优势,相对于小年轻的优势——实际的工程项目,软件实现,调试能力。
- 面试题要答好,让人知道我是有备而来的。
- 要答好面试题,准备很重要,遵循二八法则,精力主要放在八成会问的问题上。
- 剩下的就只剩下运气了。
机器学习之道,就是我有关面试题准备的心得,希望一切顺利。