提问回复0324 | 秋招求职
【提问回复】
这个专栏来自于读者，很多同学近期向我提的问题我会再此处集中整理发布，欢迎大家平时在我的公众号下提问哈。
往期回顾：
Q1：我不知道我能干什么和想干什么，怎么办？
一个是找就业老师、导员、学长学姐讨论，另一个很重要的是，可以根据自己的方向上求职网站看看，看有关的岗位要求有什么，工作是什么，然后根据自己的意向进行选择，这个更为客观，网上的资料很多，多参考和分析，非自己喜欢的才是好的，另外，新年可以祝大家不劳而获，但是别指望有不劳而获的工作，至少对校招生是这样，摆正心态，赚钱的，你要有那个能力或者那个体力。
Q2：我应该怎么准备笔试和面试？
首先摆正一个心态，学校学的和工作上用的绝对不会完全重合，凭借课堂上学的内容找工作绝对不，要自己拓展。
三个材料，职位描述、笔经面经、简历。职位描述是对你的要求，你根据职位描述中的内容自己一个一个去学和去整理，不过值得注意的是，职位描述一般会造飞机，全会了一般会有80分（剩下20分是你的难以量化能力），基本的，重合的会了基本就能有60分，这个根据自己的实际情况来分析和学习。笔经面经来源于前人的经历，可以理解为“历年考试题”，以前历年考试题都有老师给我们分析和整理，这回大概率都得自己去找和整理了，看发展方向和技术细节，自己去补充，另外，由于面试可能会问简历上的内容，所以面经有的不代表就是必须的会的，自己去甄别，但是终究会了比不会的强。至于简历，这么说比较好，你往上写的必须熟悉。
推荐几个网站吧，牛客网、赛码网，这些上面有大量的笔经和面经。
Q3：有关算法的岗位，面试笔试流程是怎样的呢？主要考察了哪些题目？
先说要考察的内容。如果是算法工程师的话（我现在在干的就是这个），既然是算法工程师，就要求会算法和工程。首先算法，其实就是指的基础数学知识和有关机器学习、深度学习以及特征工程的算法及其实现，机器学习算法要知道原理(不见得会推公式，基本不考，也不好考)，特征工程(onehot之类的)，概率统计(二项分布的均值是多少之类的)，线性代数，偶尔会出求个微积分啥的。而在工程上，最基本的是要有一门比较擅长的语言，说白了就是会把一个思路清楚的东西给写出来，最常考的就是算法与数据结构，例如出个动态规划的编程题这个需要常刷letcode之类的，简单和中等足够，另外一些计算机基础也要懂一些，例如计算机网络、汇编语言等，最基础的知道点会比较好（非计算机专业的同学还是要提高重视）。
笔试基本和平时大学的考试题类似，考的就是上面的题目，也会有应用或者是思路题，给个实际问题你写思路。
面试流程的话，一般是3轮，以上吧，正常不会少于3轮的。对于大多数岗位，就是技术面，leader面，hr面。技术面有时候是简历面或者基础面，有些地方可能都会有，主要是看你的技术基础，会什么，然后出几个题目，最最基本的，简历上写的一定要熟悉，一定要熟悉，一定要熟悉，重要的事情说三遍，大型互联网公司基本都会让你手推公式或者手写代码，做好准备。leader面更倾向于能力吧，也可能会问基础，但是更会问一些实际的问题，问你怎么想，你简历上的东西，他要是有兴趣也会问的很细，包括技术细节，你遇到的困难，怎么解决的之类的。hr面基本没挂过，看你的素质，对之前的公司的印象，中长期计划之类的，还有一般就在这时候聊工资，这个时候要认真聊，一些可以提前准备的就提前准备，例如个人规划等。
Q4：异地投递简历（深圳为例），你的面试如何进行？
有3种，有的公司会带着代表团来，集中面试。第二种是远程，电话或者视频，要保持电话畅通，同时准备好纸笔。第三种是到现场去。目前我遇到前两种比较多，但是具体情况视公司实际情况而定，甚至有霸面的情况，这个必须是第三种。
Q5：主要投递的行业是哪些（参考一下），最后的面试反馈？
我就是想找互联网，所以就那些手机app应用商店，感觉可以就去官网和招聘官网看，有机会就投。另外是求职平台，主推，拉勾网，boss直聘，智联招聘。求职平台更像是实习的社招了，流程会比一般校招快的多，但是也更灵活，一般都是着急要人的岗位，错过大型校招的时间可以考虑。
面试的反馈一般比较快，甚至是当前就有结果，但是笔试之后可能会等一段时间，反正就按部就班地面试和准备就好，不用特地得等，offer有的话就直接拿，只要在截止日期之前，自己都有等待和选择的权利，除非比较紧张的逼签，不过逼签不见得是坏事哈，自己做好选择就好。
Q6：异地找工作的信息收集有哪些渠道？（公众号，求职网站，熟人内推等？）
部分在Q5提到过，这里再推荐几个公众号（没有商业合作哈，自己可以去了解一下），微信搜索会有的，“来offer网”，“互联网进阶之路”，“offer先生”，“校招薪水”，“招聘信息汇总”，“校招面试”，还有一些公司的官方招聘公众号，例如“腾讯招聘”等，尝试搜索一般都可能会有。另外“offershow”微信小程序可以帮你比对一下当前薪资，也推荐一下。
强调一下，无论什么工作岗位，找工作是一个拼信息的竞赛，除了能力本身，还需要从各个渠道获取各种招聘信息，你才会有选择的空间，等着学校之类的发布是一个途径，但是绝对不是完美的选择！！！
Q7：算法岗求职的相关建议
能力上，个人认为，算法工程师，计算机能力决定了下限，数学能力决定了上线（有问题欢迎提出）。数学上，除了对机器学习基础有了解，基本的数学能力还是要有的，高数、线代、概率统计不能丢，这些丢了会导致你只能局限于当前的算法，无法拓展和研究；计算机能力的需求来源于对应用落地的需求，算法有了，问题解决了，如何放在网上形成服务是一个大问题，从编程基础到上层的模型发布（PMML等）、数据流（storm、flink），懂比不懂强。因此，对于数学专业的同学（例如说我），要提升对计算机基础知识的掌握，否则笔试会是你的拦路虎，对于计算机专业的同学，不能成为“调包侠”，这是业内最让人讨厌的（毫不客气），理解算法内在原理，在合适的情况进行方法选择，才是你的任务，对于不是这连个专业出来的同学，其实某种程度上算是转行了，很佩服你的勇气，但是要进入这行，肯定要付出代价，加油吧！
可以追热，可以追自己喜欢的，都没错，但是强烈建议要扎实自己的技术，否则浪潮过去后你就被拍死在沙滩上了。（这句话给一些可能在选方向上比较不理性的同学一些参考和警示，因为我看这块不理性的人有点多）
算法工程师不是每天都在建各种高端的深度学习模型，更多的是在做和模型有关的边缘工作，例如特征工程等，评估特征的有效性等，这个我在Q8展开说。
Q8：算法工程师日常做点啥
特征工程。对特征的处理方式进行更新和迭代，挖掘有用的特征以满足业务和性能的需求。同时还要进行一些数据流的开发，例如storm、hadoop之类的。
策略更新。模型能够解决80%的问题，但是还是有20%的没解决，这时候不能指望模型了，成本高且瓶颈大，这时候通过策略去约束更好，例如对用户推荐的内容进行约束，很多用户“喜欢看”的不一定是我们系统允许他看的，例如一些不合法的内容，有关策略的更新是非常重要的一环。
模型监控，这个事情应该就是个功课了，看系统是否有正常运行，模型是否失效等。
更新模型，在业务允许下，预计收益较大下，会开始进行模型升级和拓展，例如LR到GBDT+LR，浅层学习到深度学习等，这个其实要花费好大的人力物力，评估、badcase等，都需要检测好。
Q9：实习、论文和学生工作等学校活动，对求职，哪个重要。
在算法工程师这块，包括一些相关的开发岗，实习>科研>学生工作，毕竟对于技术类工作很明显的需求就是要你尽可能“来了就会做”，所以你有实习经验当然好，科研是比较特别的，不是每个人都有时间和机会去实习，科研能够体现你的个人能力，导师有时候会带着学生做点事情，这个都有好处，学生工作，我都是听说的，技术岗中看的不是很多，比起前两个弱化一点，供大家参考。
Q10：研究生阶段，科研和工作是如何安排
不拖延，科研和学习任务尽早完成，有的学校甚至能提前上研究生课程，大四没什么事情就去上，论文尽快写，加快进度和效率。
少玩。科研是研究生的核心人物，实习相比较之下是业余的，你去玩了，业余时间就少了，当然没时间实习。
毅力。给后辈讲努力其实蛮无力的，要有用早就有用了，但是，如果你能坚持白天实习晚上写论文，你真的可以两开花。
劳逸结合。不是要大家断绝欲望苦心修行，但是还是要有点自己会的东西，日常放松，例如我喜欢睡懒觉，LOL、乒乓球、桌球之类的，我当然也玩。
抽时间多看书。这是我一直提倡的，在忙也要抽时间看书和看论文，保证自己成长。
Q11：机器学习的学习路线。 额，内容太宽，一下子写不完，我后面在展开写一大篇吧，网上的材料很多，可供参考。
路线说不上，但是要有什么知识储备，我觉得我之前写的比较完善的，大家可以根据上面的内容确定需要学习的内容：
Q12：计算机视觉和NLP的个人、市场发展前景。
计算机视觉个人看的不多，都是个人观点，有问题的欢迎指正。
CV这几年的热点似乎在图像生成（至少公众号是这么和我说的），其他的当然也有，应用很多而且比较热门，但是技术上已经相对成熟，很多问题都有了比较可靠的基线，实现起来成本较低，而很多问题可能到基线即可，问题到了个瓶颈期。如果能够挖掘到比较新的且收益比较大的方向，相信才会有进一步的突破。
而NLP涉及的内容更广，但凡涉及人人交流，基本都避不开，而在互联网这个平台下，大部分企业在相关问题上都避不开NLP了，所以人才需求会比CV稍微多一些，当然大环境都知道这点，所以进来的人会很多，人才竞争将更加激烈，然而对求职而言，要去识别一些公司是否适合做NLP，或者管理层只是想炒概念之类的，相信真的想把一些事情做好的人，进去了可能也呆不久。
先说这么多，有追问，可在评论区留言或者是后台回复或者私戳均可。