一位AI大佬给算法校招的同学一些建议：方法篇

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

作者：BigMoyan

也看了一些大家的反馈，其实主要的反馈点在于，很多人认为今年这个形势，你leetcode做不出hard连面试资格都没有（因为非常卷）。这里我无法向你做什么保证，因为每个公司在这方面要求确实会有所不同，但有几个点我还是愿意分享一下：

每个公司对AI算法的代码能力要求各有不同，我能提供的客观信息是，我社招面过的公司（包括但不限于字节x2、微众银行、蚂蚁金服、小红书、虾皮、爱奇艺、喜马拉雅、Roblox、私募），所遇到的所有代码问题，难度没有超过leetcode medium的，且有的代码没完全做出来也不影响继续下一面。

这个问题我和你的视角可能不一样，站在学生和求职者的视角，你看到的是今年的面试都是medium往上hard不封顶，你看到的是谁谁谁代码没做出来就没有后续了，因此你推测做不出medium肯定过不了面试。但实际上没有下一轮未必是代码的问题，或主要未必是代码的问题。

从工作实践上看，我也不认为leetcode代码能够对直接对工作产生什么重大增益，相对而言更好的编码习惯和对运行效率的敏感更重要一些。我相信在这点上各个业务线上的算法岗位都差不多，所以才有面试造航母入职拧螺丝的说法。基于这个认知，算法团队至少在理论上不应让leetcode的难度过高，并成为刷人的硬性指标。

但见仁见智，这些认识未必对，但相对于求职者的反馈，我更希望看到更多面试官的反馈，来分享你们团队对算法同学的代码能力有何种要求。

毕竟选择知乎这样一个平台来分享，当然是相信大家的水平，相信评论区要比正文更精彩。

这一篇务实一点，讲一下具体应该怎么准备找工作，同样有几点要写在前头：

事有轻重缓急，有些事情也许已经来不及做了，那你就当它是写给低年级的、还没有那么紧急的同学的

如果你的时间不太多，应该捡自己还来得及做的事情，按着优先级搞，这个时候讲究二八原则：用20%的时间拿到80%的成果，不要精益求精了。

0x00：硬实力：算法基础与CS基础

开篇先打脸，尽管在上一篇中我已经讲了，八股文用处不太大，但那是对八股文和代码问题不太大同学而言的，所要指出的是，如果你的八股文水平和代码水平已经尚可，就不要花太多时间再进一步精益求精了。

现在来定义什么叫八股文尚可（其实是很优秀了）：

常见的传统机器学习算法，如决策树、随机森林、梯度提升树、SVM、LR、PCA能够讲出其核心思想，优缺点与适用情况，能够讲出其优化目标，能够讲出这个算法为什么叫这个名字。如果你好好上了课，这点应该有一两天的集中复习就足够。

在至少一个细分领域了解当前技术的大体进展，SOTA方法，思路，能对流行的方法有自己的评价，言之成理。如果你有好好做研究，不管有没有paper，这点应该是默认具备的。

对广泛的深度学习话题，能够了解具有相当影响力的重要工作，能够讲出其核心idea和大体思路。这个“广泛的深度学习话题”既包括大的应用领域：CV、NLP或Audio，也包括近期比较热门的话题，如AI艺术创作，也包括一些理论：自监督学习、领域自适应、元学习等。这三点的优先级依次下降，最差情况，你也需要对大领域的关键工作能说出来一二三。这点比较难，因为话题广泛，难免了解过于粗浅，最佳状态是平时就很关注学界动态，牛逼的工作出来以后有好奇心能去看一眼，稍微研究一下。

对深度学习/机器学习的基本理论有本质层面的认识，能够从原理层面回答深度学习的各类常用组件“why”的问题。这点难在你并不知道你理解的是否正确，建议可以准备好问题列表例如“为什么正则项可以抑制过拟合”，然后去知乎搜大家的讨论，多看一些观点取其精华。

熟练至少一种深度学习框架，所谓熟练：

你对这个学习框架的设计思路基本了解，你清楚各个模块的作用和工作机理你能够用这个深度学习框架实现自定义的结构，而非只是简单调用高层API

你对这个深度学习框架的常见坑点很熟悉，了解大部分情况下的最佳实践

对常见的CS概念有基本了解，也就是正儿八经的八股文了，特别是：对linux有基本了解，了解常见的命令，能够搞定一般的环境和工具配置，了解一些基本的概念，知道bashrc、根目录下的几个文件夹分别是干嘛的

了解git的一些基本概念和用法

了解HTTP、web服务、SQL、NoSQL、消息中间件、微服务、容器技术等等乱七八糟的概念，不用深入，基本上知道“是什么，解决什么问题，什么时候用”就可以了。

了解分布式的一些基本框架、工具或理论

知道常见算法的时空复杂度和大体思路，知道常见数据结构的概念和适用场景。

其他八股文：进程线程，内存，动态/静态链接库等等等，网上搜一个八股文面经看一下

最好能会除Python以外的一门静态语言，水平能够达到能看懂，能写一些不太复杂的功能。以C++为例，基本上C++ primer模版之前的内容能大体了解，就足够了。

0x01：硬实力：代码题

继续来自我打脸，上一篇仍然讲了代码题并非那么重要，但同样，如果你从来没做过代码题，那必然也是过于离谱导致无法通过面试的。

如果你不是ACM选手，只是单纯为了准备招聘而练习代码，那我认为代码的程度，以leetcode medium为上限即可，追求过于高的代码水平边际收益不高（除非你要面试谷歌这种）

具体练习也有讲究，我认为以下面两类问题为比较重要：

模拟类的问题：这类问题通常都不难，也不涉及高深的算法，思路都很直接，主要练习用代码实现出来的能力

DP类的问题：就面试准备而言，算法上能够解决DP类问题就足够了，DP可能是面试中最常见的难度稍高的问题。

以下问题无需花时间练习：

要借助除了栈、队列、二叉树、散列表以外的其他数据结构才能方便解决的问题

要借助除了排序、搜索、简单动态规划、递归以外的特殊算法才能方便解决的问题

脑筋急转弯类的问题

练习代码题请注意如下几点：

前期以熟悉为主，后期要限定时间，一般面试中的代码考察最长不会超过1h，通常是30min一个题，如果到时间没有解决，你需要练习基于已经有的部分阐述思路，讲解代码，给出没有做出来的理由

后期需要练习面试环节下的代码编写，面试环境下，你需要避免一声不吭写30min没做出来的情况，并且你可以向面试官寻求帮助。

写完代码需要看题解，了解自己代码的时空复杂度，是否还有优化的空间。通常代码题是一套一套的，面试官允许你用低效的方法实现，但一旦你实现，下来的问题就是复杂度如何，可否进一步优化。

基于上一条，可以练习先用蠢办法快速解决问题（i.e各种暴力），拿到基本分，然后再优化成更聪明的办法。可以避免没做出来直接0分。

0x02：硬实力：paper

没什么好说的，这不是临时抱佛脚能抱来的东西，这里只提一点：

对于目标岗位是大厂业务算法的同学，记住paper是边际效用递减的，当你已经取得不错的成果时，需要更早的思考继续投入的性价比。

但边际效用递减，不是说没有paper也能行。有没有是一个问题，什么质量是另一个问题，有多少是第三个问题，重要性依次递减。

对于目标岗位是纯研究岗的同学，需要在学校期间提前选定意向岗位，针对性的做paper

0x03：硬实力：实习

如有可能，应该积极寻求大厂相似岗位的实习，如果不清楚自己要找什么工作，应积极寻求大厂的算法实习，不要太在意具体做什么。

绝对避免做无意义的实习，所谓无意义，指的是这段实习经历不能写在简历上，写上了就扣分。

找实习的面试准备与应届生面试准备大体相同，但有一点例外：

能够连续实习很长时间，每周能投入更多时间的实习生，能够在实习面试中获得巨大优势

这一点跟你老板的风格相关，因此这引出了对准研究生的一个建议：

如你的目标是工业界而非学术界，那在可能的情况下，你要找允许长时间实习、条件比较宽松的导师

但自带资源的业界大佬导师除外，因为你很可能会直接去他关系很好的公司

0x04：准备简历

首先，找到建议你“简历最好控制在一页”的人，打一顿。

这种狗屁说法由来已久，以至于现在已经很难知道出处。我猜原因可能是纸质的简历页数多了容易丢，但互联网目前已经很难看到纸质简历了。

但可以确定的是，它确实是狗屁说法。你的简历不需要控制在一页，简明扼要把你的主要情况表现出来即可，经历过于牛逼的整个三四页也没问题。

下面是一份简历准备的注意事项，以下各项在简历上有顺序关系

姓名电话邮箱和微信号，如果有好的开源代码给git主页，有好的技术博客给博客链接，不需要告诉我你是不是党员，是否已婚。

教育背景给到学校和专业即可，除非你导师很牛逼（业界都知道的那种牛逼），一般也不需要告诉我你导师是谁。除非你的成绩很拿得出手，也不需要告诉我你的绩点和成绩

列出你拿得出手的奖项，如果没有，可以列奖学金。

奖项应该是专业相关的

如果你不是CS或相关专业背景的，可能需要给出与面试相关的主干课程或自学过的课程，否则不需要。你列出来的课程，不管是自学还是学校上课，都要做好被考察的准备。

列出你的技能点，包括编程语言能力、算法能力等

轻易不要用精通，精通意味着你会激发面试官的挑战欲

如果你确实精通，有信心面对面试官的大部分问题，大胆写精通，这将帮助你把面试话题引导到你擅长的领域

不要列出没有意义的证书，例如全国计算机等级考试X级，CET4成绩

但如果这个证书是一项有难度的、能证明你自驱的，请列出

如果有实习经历，展示你的实习经历

该实习必须是专业上的，不要写无关紧要的实习经历

实习经历不要写心得体会，也不要写流水账，写你所取得的最牛逼的成绩，加粗。

展示你的项目经历，如果没有，用paper经历代替，也可以用实习经历、竞赛经历代替

描述项目的背景，目标，意义

描述你在其中扮演的角色，所负责的工作

描述你的独特贡献，这个贡献能够展现你的聪明才智，宝贵品质，优秀素养。这一点的重要性超过你的想象，仅仅是作为一个螺丝钉参与一个项目，其中没有体现出任何个人特质，基本上等于你没有这个项目。

描述所取得的成果，如果没有取得预期成果，描述为什么

展示你的独特经历

开源代码或社区共建

公开演讲、授课

展示自驱的经历

其他具有一定影响力的经历

展示你的学术经历，包括paper和专利

不必按时间排，按牛逼程度降序排

如果上面的内容已经比较充分，这里可以按参考文献格式列出。如果觉得内容不充分，可以加一两句话描述paper的核心工作。

展示你的自评、上述模块未介绍，但你觉得值得一说的东西

简历准备的核心要义，有以下几点：

简明扼要，重点突出，不要让人觉得你啰啰嗦嗦婆婆妈妈

简历的目标是让你与众不同，一份仅仅是符合要求的简历实际上没有任何竞争力。你需要让面试官对你感兴趣，或者通过过硬的实力，或者通过特殊的经历，或者通过其他什么手段，哪怕是一个漂亮的简历模板。

质胜文则野。文胜质则史，文质彬彬。

0x05：面试：讲解项目

这一条是面试最重要的部分，而且不管是几面都要陈述的。之所以不放在硬实力的部分，是因为相对于“有一个不错的项目”，”讲一个不错的项目“更重要。

而”讲一个不错的项目“有时候并不需要”有一个不错的项目“作为前提。

对照你的简历，找到一个相对而言比较好的项目，所谓比较好的项目：

有一定的复杂度，方便扩展

你在其中承担了比较多的工作，且有一定难度和挑战性

列入如下内容，如果可能，准备文本：

具有领域特点的专业词汇及其通俗解释

项目的背景和价值，价值最好要关联到应用层面甚至商业化层面。

你参与的部分在整个项目中的作用，最忌自己的部分说的清清楚楚，跟其他部分怎么合作一脸懵逼，这是典型的没有大局观，自己把自己当螺丝钉。

过程中遇到的困难和解决方案，这部分需要深入挖掘整理，很多同学做事情的时候其实挺困难的，做完以后又云淡风轻觉得不过如此，感觉也没有讲的必要，这是非常不可取的。需要review到当时的能力和状态，完整梳理当时为什么会卡壳，都试了哪些错，为什么那些错误的方向不work，怎么想到正确的方案的，正确的方案为什么work。

从现在的角度出发，回顾项目，提出现存的问题及更优的解法或提升方案。

讲解项目要达到下面的程度：

对于没有领域背景，或只有比较通用的、一般的算法知识的人，能够比较轻松的理解你所讲的内容，明确你工作的价值

对于比较有经验的人，你能够应对他们提出的挑战

特别是第一条，有的同学把项目的重点总是放在算法细节上，这对于方向跟你一致、背景跟你相似的面试官而言是合适的，但对大部分面试官不合适。我如果连你构建的场景和问题都没有代入，基本上就不用谈对你的算法有什么看法了，更无法理解其中的精妙之处。如果我对你所说的名词没有一个基本认知，连算法都无从谈起。

算法的精妙需要大量的背景和前序知识铺垫，带着面试官进入场景，分析问题，让你的solution自然而然浮现，这是比较好的状态。

第二条的练习方式上一篇文章也有提，就是找比较有经验的人去挑战你，给你的解决方案提供一个alternative的方案，你来对面试官的方案做评价。

讲得清楚才说明理解的到位，讲不清楚，就是没理解。

0x06：面试：开放问题

开放问题实际上是AI算法岗位要面试的重点，由于是开放问题，反而不好做准备，所以这里是比较见功夫的。开放问题主要考察这些内容：

业务问题的抽象

可行性评估

沟通

所谓业务问题的抽象，指的是你能不能抓住主要矛盾，忽略次要矛盾，把一个产品经理提来的，笼统的需求转换为一个算法问题。

所谓可行性评估，指的是对于这个算法问题，你所需要的资源是否是可接受的，你所需要的前置算法是否是存在或满足需求的。

所谓沟通，就是对你所不掌握的情况，你是否会主动确认，在整个解决问题的过程中，与面试官有良性互动。

开放问题还有一个特点，就是如果你答的不错，你自己是知道的，有一种”我的思路很对头“的感觉。

我曾经遇到的一个比较好的开放问题是：某业务希望以发满减红包的形式促进用户回流，问如何设计红包的金额方案在给定预算下拉尽量多的用户回来。

大家可以试试，这个问题我也没有答案，所以不用问我了，自己思考自己评估即可。

另外一个有参考答案的开放问题见苏神的博客“熵”不起：从熵、最大熵原理到最大熵模型（二） - 科学空间|Scientific Spaces中提到的快餐店消费分布的估算问题，虽然这不是真实的业务问题，但也绝不是脑筋急转弯。

btw， @苏剑林 的博客建议所有算法工程师全篇通读，记得多多打赏，在我所认识的同龄人里，这位所展现出来的聪明度和勤奋度是首屈一指的。

0x07：面试：应对挑战

挑战包括对项目的挑战，也包括一些意外情况，这里没有套路和技巧了，只有一些方法论。

多做铺垫：讲算法先讲思路，讲项目先讲背景。

合理推测：也许你不知道准确思路或定义，但你可以合理猜测一个，给出你猜测的理由并寻求验证。

实事求是：你永远不知道面试官的知识储备刚好在哪一点上让你踢到铁板，所以不要尝试糊弄他。也许一道没做出来的代码题不会让你挂掉，但“尝试糊弄”这种动机一定会让你挂。

无需争执：不要在一个点上与面试官反复拉锯

注意细节：细节体现真实，细节体现差异。可以主动提出具体的tricks分享给面试官，千万避免泛泛而谈。

坚守本心：能不能接受加班？平常有什么爱好？这种问题与其浪费心思琢磨面试官的意图，不如怎么想的怎么说，是什么样就说什么样。心态就是双向选择，也许当下你的当务之急是不管什么先拿到一个offer再说，但实际上更重要的是找到一个合适的工作。

0x08：尾声

这篇小总结乃是翻某个知乎问题的回答，看了大家哀鸿遍野的感叹，所做的一点个人的小总结。其实我并不参加今年校招，所总结的未必正确。其中有些建议，似更加适合低年级的同学，因为仓促之间难见提升。有些知易行难，因为常年养成的说话做事习惯本性难移，即使想伪装也伪装不来。

真是事到临头才准备，那所能临时补救的，可能也就是八股文和代码题了，在这上面用功倒也无可厚非。

一个算法工程师应该是什么样？我以为这个角色应该是产品中最懂算法的，码农中最懂业务的，科学家中最懂工程的，工程师里最懂理论的。这样一个处在交界地中的角色，既能够有深刻的业务洞察明晰价值，又有足够的工程能力应付落地，又有足够的科学素养调研推导，从而成为一个“擅长理解问题和解决问题”的人。解决业务问题若成为算法工程师之核心价值，那这样的人选该有什么样的素质和天分，该以什么样的题目和形式进行考核，也就不问而知了。

文章内容转载知乎，本文仅作学术分享，著作权归属原作者，侵删

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~