欢迎点击上方蓝字，关注啦~
现在是2019年12月底，马上2020年了。。
也许你早就听闻，2019年的计算机专业校招求职形势严峻。根据供需比例关系，开发岗的求职面试还是相对简单些。
相对什么简单呢？算法岗。比如，从2018年开始，算法岗形势号称是“神仙打架”，印象中今日头条的算法招录比达到560：1多：
而2019年，算法岗形势则号称是“诸神黄昏”；那么，即将到来的2020年，也就是2021届呢？“宇宙洪荒”？？
2012、2013年深度学习崛起，在图像识别等展现出的惊人表现，这令学界、工业界“趋之若鹜”；2016年左右的李世石“人机大战”，加上各种媒体的报道吹捧，全球掀起AI热。
那几年，各种AI独角兽的前身雨后春笋般涌现，各大BAT等等互联大厂也是加大布局，广招英才。一时间，人工智能工程师或者说算法工程师成为香饽饽。
也许那会儿对于谋职算法的毕业生是最好的时代，薪水高、需求也较大，谣传面试前刷一些编程题，看看小蓝书即可斩获各司入职绿卡。
AI热、高薪、媒体疯狂报道吹捧、国家重视，在接下来的几年，除了各大高校计算机实验室的炼丹炉之火越烧越猛之外，更是让无数各行各业的人们、各专业的在校生为了前/钱途投身于算法……
然而，浪潮似乎渐褪，工业界越发觉得AI算法落地之难。算法岗位渐趋饱和，而投身之人数却依旧沸腾不止。
这就出现了所谓神仙打架、诸神黄昏的局面，没两把刷子，似乎真的很难轻松斩获算法岗一职，当然能不能轻松获得算法offer这不是绝对的靠自身水平的，受诸多因素影响。
扯了一堆废话，这般事实可能大家都已清楚。这里没有劝退后来人或者危言耸听的动机，只是想说，天下真的没有掉下来的馅饼，即使有，那也不会是长久的。
对于有兴趣的方向，我们相信、应该坚持并为之加把劲，问题总会解决。
事实也确实如此，如今看看身边的同学，也许开头顺或者不顺，结局都拿了那么多、那么好的offer，令人瑟瑟发抖，羡慕不已，哈哈。别人总是付出了准备和努力，这是应得的。
有些师弟见到我，问，要不要转开发啊。
我说，看你兴趣吧，有兴趣可以坚持做算法的，没有那么难，你们时间还早，好好准备就完全没问题啦。
又问我，该怎么准备呢？
刷题，好好准备项目，学有余力搞搞比赛、和好的论文。事实上，个人觉得，如果你能把其中一项做到极致，总会轻而易举。别像我，似乎都不深入，这就吃了大亏。
又问，实习重不重要啊？实验室不方便出去实习呀。
这个只能说因人而异了。但不得不说，实习还是蛮重要的，因为实习转正往往会占去秋招很多名额，加之秋招人数更会全员出动带来激增，那时可能难度就不止实习那般程度了。无法实习，可以好好利用在校时间打造自己，项目论文刷题比赛啥的都好、总要去搞一些。对于像我们学校有发论文的要求，其实争取早日发出论文也是极好的，这样可以同时兼顾毕业要求和谋职，2333。其他的话，就需要自己去平衡了。总而言之，早做准备！
有时间我会抽空做一些相关整理，并会更新，一来回顾总结；二来若能给予后来者一二启发，那更是荣幸之至。下面献上、年初开始的部分实习面试经历：
地平线
一上来手撕代码：
1.输入一个单向链表，输出该链表中倒数第k 个结点
2.有一段楼梯台阶有50级台阶，一个人一步最多只能跨3级，登上这段楼梯有多少种不同的走法?
3.输入一串字符串, 输出其中最长的对称子串。
紧接着，问答：
1 说一下GAN的原理，损失函数。
2 如果D的loss输出0，这意味着什么问题？如何改进？
3 模式坍塌的由来和解决。
4 L1和L2的区别和如何作用。
5 BN，drop out，一句话概括一下。
6 逻辑回归和线性回归的区别。
7 项目一些细节。
8 tensorflow的tensorboard可视化：一个不在图里的节点变量如何可视化？
网易预研
1、项目介绍
2、通过什么手段解决GAN生成图像错乱（多或者少）？
3、dropout失活的理解？尤其是取值不一样，测试阶段需要纠正（乘0.7）什么的
4、BN为什么能正则化？？？！！
5、BN的均值和方差，在测试阶段怎么计算？（训练阶段存好）
6、VGG、残差网络的特点、解决的问题？
7、残差网络为什么不用dropout?
8、残差网络的原理？
9、SVM的核函数技巧是什么？
10、python列表和元祖的区别？字典的底层原理？
巨人网络
1，请挑个项目详细说一下吧。开学来接的第一个电话面试，整个过程有点激亢，持续说了大概15分钟结束，对方没有一次打断。。
2，平时用的什么框架呢？以前用TF，现在pytorch用的多一点。
3，开始介绍公司的情况，AI应用不太多，处于起步，平台潜力发展很大，来了可以有你施展的舞台…约10分钟。
4，你有什么想问的吗？后面还有面试吗，答是正常流程会有几面，不过目前主要是我做主要用人决定（大概这个意思）。
京东
1，挑个项目介绍一下吧。自顾自说了15分钟。
2，GAN的缺点是什么呢？答，难以训练，容易模式坍塌，生成样本难以把控。
3，你有什么GAN训练经验吗？
答，难以训练可以尽量选择可以更好衡量真假样本分布的距离例如大名鼎鼎的WGAN的推图距离作为对抗损失，容易模式坍塌可以加入更多的约束信息，比如额外的损失term，或者生成器输入加入条件信息。（感觉说的不太好，可能面试官需要更细的训练trick调参之类，而不是这种假大空的官话。。流于形式了）
4，你训练GAN有对梯度进行什么约束吗？
5，生成器的梯度和判别器梯度有什么关系呢？
6，生成器的loss变大，判别器的loss一定变小吗？
7，python会吧？给你一个list，一个值，…后面不说了。考的就是2sum。。
8，他说好吧，今天到此结束。有何问题否？
问后面还有面试吗？答，不一定，你注意看手机吧，谢谢你的面试。我：不谢
（这里有个小插曲，京东三面后，本已承诺通过，并在后续几次沟通也是说offer流程中没问题，后面嘛……emmmm，被鸽了。。。）
两个面试官。历时80分钟。
详细说项目。
2，你的方法深层次起效果原因何在？
3，项目效果看起来不太行啊，7成可用？你有什么改进法子。
4，模型复杂度如何？
5，预测时间多长？能否实时性？
6，传统方法和你比有什么不足？
7，为什么不分阶段生成？一步到位感觉不好啊
8，你觉得你项目在视频应用领域有何启发？
9，模型压缩了解吗？
10，图像分割了解吗？和分类本质差别？
11，有什么视频处理经验吗？
12，你有考虑过模型实时应用吗？？
13，GAN图像那么难把控，你有何心得把控？
14，数据增广有哪儿些手段？
15，你对实时性都不关注啊？请以后多看论文吧。。
16，你的研究在视频换脸上有应用启发吗？
17，看你论文这个模型参数量大，能压缩吗？
18，来实习影响毕业吗？你觉得自己学习能力如何？英语可以吗？
。。还有一些很细的技术点，琐碎。问了太多了。。还有些可能记不清了。
腾讯
3，21号
4点到6点半左右
一面
1，项目。
2，dropout原理和具体做法，两个阶段。
3，反向传播梯度怎么传。
大约5分钟后二面
项目。
python写了个maxpooling前向传播
k均值聚类也写写？
lasso回归的怎么解？
简单点，没有正则项怎么解决？
C加加写个链表反转吧。
未完待续。。。
相关阅读：
更多分享欢迎关注本公众号：
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
