心法利器[90-95] | 谈校招：合集
心法利器
本栏目主要和大家一起讨论近期自己学习的心得和体会，与大家一起成长。具体介绍：仓颉专项：飞机大炮我都会，利器心法我还有。
2022年新一版的文章合集已经发布，累计已经60w字了，获取方式看这里：CS的陋室60w字原创算法经验分享-2022版。（2023在路上了！）
往期回顾
校招季即将开始，一连6期，我系统地给大家讲解整个校招的情况，方便大家更好地准备和应对，希望对各位会有帮助，经过几周的努力，我终于写完了，弄出了这个合集，当然如果大家想看拆分版，可以点到这个链接：
正文开始！
心法利器[90] | 谈校招：招聘岗位信息渠道和时间规划
本期给大家介绍的是秋招方面的主要招聘岗位信息渠道和时间规划，所谓凡事预则立，不预则废，在正式开始准备之前，我先把一些关键信息给到大家，然后大家可以结合这些信息进行自己整个求职时间的规划。
信息渠道
之前有个学长和我说过，求职是一个拼信息的工作，我现在深以为然，我们需要搜集大量的招聘信息，然后从中找到自己合适的公司并且投简历，否则就很容易错失机会。
首先是现在仍炽手可热的互联网公司，或者是一些toC的大厂，例如我的老东家OPPO，这些公司多半会有自己的招聘官网或者微信公众号，一般在百度或者微信里搜“公司名+招聘”，基本就会出来了，有什么新的消息动态，基本都会在这里发布，这些应该都是大家优先级比较高的公司了，所以非常建议大家要去蹲，一般每天下午轮流看一遍即可。
其次就是各大招聘网站，boss直聘、拉勾网、实习僧、猎聘等招聘网站，最好都申请，然后定时刷和搜索，前期主动通过点击等行为让系统识别到你的偏好并给你主动推荐（反过来利用推荐系统了属于是），也能获取很多信息，大家及时获取。另外值得强调的是，这也是日常实习最容易获取的渠道，大型校招的时间一般很集中，但是自己的情况并不见得就能跟得上，所以错过关键节点的同学一定要记得这个途径。
再者就是各种社交渠道了，首推的脉脉，然后是知乎B站微信公众号等，会有很多活跃的大佬或者猎头，可以通过他们获取很多招聘信息，甚至能直接让他们内推的，有些比较活跃的大佬，甚至会专门拉各种内推群，让大家互通信息积极投递。
另外不能忘记的是，你自己的前辈和老师资源，你的学长学姐，多跟他们交流，无论是他们的内推资源还是校招经验，都是很丰富的，非常多沟通多交流。
全年关键招聘时间窗口
按照个人经验，大部分的校招的流程和窗口是这样的，当然可能有误差，但是大差不差，时间差不多了就要开始蹲各个招聘官网等多个渠道信息了。
年后开始：春招开始，以补录为主，另外还有实习生招聘。实习生针对的多半是次年毕业的同学，部分公司会补录开始同年6月份毕业的同学，简历投递会在这个时候启动。 3-4月份：大厂的春招面试。同时部分学校的双选会也会在这段时间开始，注意蹲每个学校的双选会。 6月底-7月份：大部分互联网公司的秋招提前批开始投简历，提前批整个流程会在8月份左右结束，针对的是次年毕业的应届毕业生。 8月份：秋招正式批启动，会开始投简历。 9-10月份：笔试、面试。 11月份：秋季双选会。部分公司会开始签三方了。
根据这个时间窗口，我们可以有序的安排和计划准备简历、笔试面试刷题、公司调研之类的时间。
校招的时间规划
准备期
一般的，次年毕业的同学，现在的时间线（23年7月）下，即24年毕业的同学，其实现在就需要开始行动甚至开始投简历了，因为很多理想公司的秋招已经开始，虽然大部分是提前批难度比较大，但是现在不开始后续可能时间会很紧很紧。
所谓的准备，优先级从上到下可以是这个流程：
个人简历准备。这个不是一个简单的填表过程，而是一个不小的工程，这里涉及个人经历和资源的梳理，简历上可能要对经历进行筛选和加工（不是指造假，而是需要找到更合适的描述方式），还有排版，以及给其他人改简历的时间，挺多的。 公司调研。分析自己想要去哪些公司，通过多个渠道找个各公司的信息，真的很多时候我们不找工作，都不知道有这么多公司，和当年高考那会，不等到填志愿都不知道有这么多学校。 算法题。不必多说，这个东西是一定要用时间去堆的。 基础知识和笔面试题的复习。
投简历
投简历就是在招聘网上投简历了，列举几个关注点：
各个大厂都有网申，需要按照网站需求再填写一遍这个信息，提前准备好时间。 不要有错别字或者错误的信息。 尽早完成，不要拖延，很多时候筛简历是数量够了就不往下筛了的，所以是可能会先到先得的。 注意跟进后续，别给忘了，建议做个进度表，看每个公司的情况记录好，方便后续跟进和沟通。
笔面试
笔面试理应是需要大量时间准备的，可以尽快准备起来，尤其是，因为一旦投完简历，后续很长一段时间你可能几乎每天都有笔试，我记得当年整个9月份，我基本上一周有5-6场笔试了。
笔试一般是基于各种技术的基础，一方面自己的基础是需要过关的，这里因为是统一的笔试，所以整个领域的基础知识是需要知道的，研究生时代可能研究的东西比较精，应该是有很多内容是之前没学过的，所以需要系统地学习，再者结合以前的题目准备即可。
面试是需要根据笔试结果来的，在漏斗下可能就没那么密集，但是注意腾出时间来准备和总结，按道理，尤其是重复被问到的地方，应该是会越讲越好的。
双选会
学校的双选会，按照我的经验是11月份左右，对于在前面各大厂招聘发挥不太好的同学，就需要关注了，学校双选会会有大量的公司进驻，也可以多投投简历，另外其他学校如果对外开放的，也可以参加的，多蹲蹲各大学校招生就业部门的官网看看。
三方&合同
一般面试结束，就到了offer和三方合同的部分，这块一般是面试后不久就会有，建议之前尽量做好公司的调研，同时提前了解三方和相关合同的基础知识，例如这几个概念、流程的情况，违约风险等。
入职
如果是校招，入职一般就在很久之后了，实习的话可能就是最近的事了，如果能提前接触到自己的部门可以适当问问可以提前学习什么，可以提前学习起来，如果是之前没有实际工作过，你会发现其实很多东西还是需要学起来的。
小结
整个校招的时间规划，在这里突出的就是一个说法——提前准备，有了具体时间点后，大家尽量在开始之前就开始准备，毕竟各种准备其实都要花费很多时间，加上自己平时还有很多学校的任务，所以真的需要提前准备。
心法利器[91] | 谈校招：简历准备
本期给大家介绍的是简历怎么做，有关技术方面的简历，这个重要性毋庸置疑，这次我来给大家从人才评估的核心关注点开始讲起，来分析简历里面需要的内容以及我们应该如何去把内容更好地呈现。
懒人目录：
从能力评估到简历关注点。 简历的基础信息拆解。 基础信息。 个人评价。 项目信息。 其他信息补充。 其他想强调的内容。
从能力评估到简历关注点
软实力更多只能见面之后才能够探，而从简历上，更多只能体现在硬实力，这里我把硬实力分成两份，分别是算法能力和工程能力。
算法能力其实大家都比较清晰，就是算法会的多不对，深不深，会从下面这几个角度来评估：
基本算法技术：常用的模型是否掌握，前沿常见算法是否有接触甚至使用，经典算法是否有了解。 技术深度和广度：有关领域的常用方法是否清楚，多个方法之间的差别。 业务深度：对具体业务背景和实际情况有了解。 解决问题：给出实际问题，提供完整技术方案，并且会效果调优。
而工程能力，则通过这些内容判断：
基本代码能力：例如python等，是否会写代码。 使用中间件和数据操作能力，有些会涉及大数据技术。 部署能力和性能意识：是否有做过模型的部署上线，或者是性能调优。
一般都是从这些能力进行评估的，而了解一个人的第一窗口就是简历了，那么我们去写简历，就需要围绕这些角度去突出和强调内容了。
简历
基础信息
姓名比较常规，联系方式主要是邮箱和手机，这两个是最重要的，另外如果自己有写博客或者github，也可以补充上，一般就是在抬头，值得注意的是招聘岗位最好还是写出来会比较好，这个其实没什么好说，明确、正确就行了。
个人经历也算是基础信息吧，一般就是大学以来的学历以及工作经历，大学学历里需要包括时间、学校（985/211、双一流可以写出来），专业（专业排名如果漂亮也可以写），工作经历则注明开始和结束时间，主要职务和负责工作即可，剩下的经历放项目经历里即可。
个人评价
个人评价其实是自己整体的梗概，很多人爱写什么兴趣爱好之类的，其实没啥意义，个人评价是为了表现你的亮点的，你有什么别人没有的能力，一方面是为了突出自己，另一方面是为了避免HR或者面试官看走眼，能更快知道你的整体定位，如果你的亮点真的足够明显，其实非常建议放在前面，我一般是喜欢按照4点去列举：
所在领域擅长的技术，注意是擅长，也就是亮点。 自己所熟悉或者用到的，且在业界目前广受关注的技术。 展示基础能力和岗位所需的能力，强调自己和对应招聘岗位的匹配度（逐条紧盯招聘说明）。 成果和贡献，论文专利、关键奖励、工作实习经验、博客github分享等。
项目信息
项目可以说是大家的重头戏，然而更多人的难点在于，如何把整个项目的亮点给展示出来，向大家更快更明确地证明自己的能力。我们还是回到能力组，面试官所关注的，在算法能力视角则是基础算法技术、技术深广度、业务深度以及解决问题的能力，而工程层面则是基本代码能力、中间件和数据造作能力、部署能力和性能意识，那我们也要尽快体现出来。
非常能理解大家想一下子都展示给面试官的想法，然而一整段地肯定可读性不高，而且很容易漏信息，我这里给出的是这样一个模板思路，大家按照这个思路逐步展开，分点描述，这样会更加清楚明了：
标题：时间跨度、组织&项目、角色，点名核心信息。 概述：一句话，阐明背景和你负责的部分以及边界范围，如“负责XX产品下XX模块开发，覆盖XX场景”，或者“负责论文的实验、文献等部分”。 技术方案：讲述针对你所面对的XX问题，用了什么方案，有什么收益。例如“针对XX问题，使用了XX方案，F1值+5%，并通过XX方式提升性能，单机耗时从XXms优化至XXms” 主要技术：列举你在这个项目里使用到的东西，这里列举关键名词即可，如果多，请分好类，例如预训练模型用了哪些，什么任务用了哪些方法，工程上又有哪些等。 亮点：从上述内容中，再挑出一些内容进行强调，可以是技术创新点，如创新性地使用了XX，也可以是收益层面的创新，例如点击率等方面的提升。
这样，一方面，你可以系统地给大家介绍你做的事情，清晰明了，另一方面，也能快速和招聘岗位匹配，避免被面试官误以为不匹配而被误删。
其他信息补充
除了上面的基础内容，下面还有一些补充内容，可供大家参考。
其他项目经历：对于你主要参与的项目，展开写没什么毛病，但是对简单项目，你也想提的，可以放这里，一句话描述足够：负责XX项目下的XX部分，使用的什么方法，结果如何。 核心技能：如果上面的项目没有完全展示你会的东西，建议在这里单开一个小块，尽可能多列举。 专业贡献：把论文、专利、获奖信息往这里堆。
其他想要强调的内容
岗位匹配性问题。时刻注意关注招聘需求和自己简历的匹配度，不同公司的招聘岗位需求可能不同，职能细分也不同，有的是倾向于大类招人，有的则是细分NLP、CV之类的，会有所区别，此时确实是需要进行区别。而你的简历上的内容，也要根据不同的岗位要求做不同的调整，尽量不要一稿准备好就海投了。 做好内容筛选和取舍。很多优秀的同学，可能积累了很多材料，此时是需要砍内容的，不要觉得的可惜，根据更为突出你的重点，可能会更有利于你有针对性的展示。 诚实，诚实，诚实。
心法利器[92] 刷题和笔试准备
本期给大家讲一下刷题和笔试准备吧，这里的刷题策略和技巧其实很有讲究的。
从笔试的目的到会涉及的考试内容
面试其实是一个时间成本很大的事，每个人面试1天撑死面10个人，然而通过简历筛选的同学其实并不少，笔试更多的目的是快速筛选出更好的同学，而因为笔试是千人一面的，所以这里考察的更多就是算法工程师相关的通用能力，结合我上一篇提到的能力组评估，包括但不限于这些内容：
机器学习和深度学习基础。这个尤其需要关注，现在很多同学对前沿的知识其实掌握的不错，但是学习过程因为是基于论文来学的，所以很多很基础的东西，往往会被忽略，例如决策树、SVM等，还有有关损失函数、优化方法方面的知识点，很容易成为忙点。 算法相关的开发工作。基本语言的python，或者是像pytorch、tensorflow之类的，会出一些代码填空，还有就是一些数据库相关的知识。 专业课知识，很早先会出一些计算机专业课的基础的知识，现在好像变少了，另外数学的知识也会考，更多是考概率论、线代方面的内容，求个条件概率、求特征值之类的。 算法题。等会展开讲。 智力题。 性格测试。挺多大厂会考的。
12345其实都是能够很大程度复习到，6我自己是没经历过专门的训练，性格测试多半是朝着乐观向上，肯吃苦吃亏就好了（赚钱嘛，不寒碜）。
各项内容的准备
首先是机器学习和深度学习基础，对于之前完全没看过的同学，如果有时间是建议系统恶补的，统计学习方法是值得看一遍的，CS229也可以，而各种损失函数如交叉熵需要掌握，各种优化方法从SGD开始到目前常用的adam等，最好都要知道原理。时间不够，最好也大概过一遍，或者是看看《百面机器学习》和《百面深度学习》，这两本书能帮助你快速过一遍这些基础知识。
然后是算法相关的开发工作，更多是从大家的实践中来的，如果日常对tensorflow、pytorch之类的工具都有所了解，就基本都会的，自己多动手写，即使是搬代码也多看看就行，数据库有关的知识，重点关注数据库有关的内容，尤其是sql要会写。
专业课有关的知识，这个其实挺难为非专业的同学的，不过没办法，好在现在这个的可能性降低很多了。计算机专业的我当时是直接放弃了，数学方面其实没考的很专，线代和概率论需要重点关注吧，平时不逃课复习起来挺快的。
算法题是要刷的，对于没基础的，找本教材看看《数据结构与算法》，然后开始在leetcode、剑指offer、牛客网上刷，建议是先按照专题，链表、双指针、贪心、动态规划等，大概都明白思路后，开始拿大厂的真题来刷，或者拿高频题刷就行，后续的难点其实不在于方法本身，而是要认识到需要用什么方法，这个做好就习惯了。语言上，不见得得要用c++、java，尤其是之前完全不会的，学起来很花时间，熟python也够了。
有关智力题，这种其实非常不好准备，各种情况都有，但是训练起来性价比不是很高，但如果时间足够，可以练练，很多往年题里面应该能找到，试着多做做，这个主要是靠找感觉。
往年题、笔经
和高考类似，最后冲刺复习，最好的方式机会做真题、做往年题，所以大家有资源还是最好过一下，网上其实有很多渠道都可能有这方面的题目，例如牛客网、leetcode、北森等，通过做题来练手，另一个算是查漏补缺吧。虽说不是每个厂都有，但终究还是有些重合的。
心法利器[93] 技术面
本期讲的是技术面，也就是目前比较多可以谈到，而且挺关键的一步了，这个其实前期准备、面试过程的应变还是后续的梳理，其实都挺关键的。
面试前
技能组要求回顾
面试前，其实我们就能做很多事情，配合简历篇（心法利器[91] | 谈校招：简历准备），我们其实对招聘的技能组要求有一定的了解，我们先回顾要一下：
算法层面：
基本算法技术：常用的模型是否掌握，前沿常见算法是否有接触甚至使用，经典算法是否有了解。 技术深度和广度：有关领域的常用方法是否清楚，多个方法之间的差别。 业务深度：对具体业务背景和实际情况有了解。 解决问题：给出实际问题，提供完整技术方案，并且会效果调优。
而工程能力，则通过这些内容判断：
基本代码能力：例如python等，是否会写代码。 使用中间件和数据操作能力，有些会涉及大数据技术。 部署能力和性能意识：是否有做过模型的部署上线，或者是性能调优。
基于这个，我们是可以有目的性的准备。
准备项checklist
优先级最高的，应该是简历上的内容，尤其是你的简历足够充实的那种，那整个面试至少有40%内容和你的简历有关，因为你的经历本身就能很大程度体现上面说的所有内容，重点是这几个内容要好好准备：
简历上提到的所有名词，你都得尽量懂，不被问倒，能推导，甚至能讲出自己的理解。 你所负责的有关领域，能快速解释清楚研究现状，并且还清楚你所在领域的一些常见方法。 你负责的项目，整个背景、前因后果、方案选择、执行实施、到最终的效果，都要了然语音，因为这是你参与、负责的项目。
然后，是各个技能点的补充。相比笔试，面试因为是面对面（或者视频沟通）而不是试卷提问，所以灵活性很高，也很容易问得到深度的问题，尤其是简历内容比较少的同学，可能就要多复习了：
常用、前沿算法，要多去了解，并且能说出一个脉络。 多看面经，但不要针对每个公司的看，而是都要看，因为面试多半是个人倾向不是公司倾向。
当然，这里还有一个策略，就是专精一个领域的去看，然后在面试的时候也引导面试官往这个领域去问，这样能有效减少学习范围，但这也意味着，你要足够的深度吧。
再者就是算法题，我的经验大概60-70%的公司在面试中会出算法题，考察的是代码能力，所以大家还是要准备，准备的情况还是平时就要刷题，前面笔试篇有提到怎么刷（心法利器[92] | 谈校招：刷题和笔试准备），在此基础上，靠前刷刷高频题或者是根据公司刷题，会有些好处。
对了，面试前，可以找前辈给你模拟面试，方便找出问题。
面试中
面试的大概流程一般是这样的，总体大概是1个小时左右：
自我介绍，约2-3分钟。 项目或基础知识，20到30分钟。 算法题，20到30分钟。
自我介绍层面，我的建议是大家按照下面的模板来进行：
基本信息：姓名、学校、专业，工作经历 核心项目（注意选择的方向，因为你讲的项目后续就会成为面试的主要方向）： 背景是什么，整体做的什么工作， 你负责什么部分。 用什么方法，解决了什么问题。 最终效果怎么样。
针对项目，面试官一般是从这几个角度考察：
真实性。 整个项目是否有分工还是独立完成。 具体方案的原理。 为什么选择这个方案，是否还有别的答案。 后续让你继续做，还有什么改进空间。 为什么不用XXX。
如果不问项目了，那就会开始面对基础知识进行考察，一般是这些方面：
前沿技术是否了解，了解哪些。 是否有自己感兴趣的领域，具体有哪些工作你在关注的。 基础算法问题，如损失函数、梯度下降法、transformer的模型结构、评价指标等。
然后就是算法题了，考试过程，建议记住这几个点：
先想思路，明确后再动手。 一时半会想不出来，优先考虑暴力法，至少写出来，在考虑优化。
面试后
面试后可不是完事了，一般情况是要进行复盘的：
哪些问题没有回答出来，是知识缺失还是现场发挥。 有关自己的项目，表达是否有问题，面试官的反馈是否符合自己的预期，话术是可以精炼的。 某些项目的理解，可能在和面试官的沟通中有提升，可以记录下，其实这个就是自己的成长了。
心法利器[94] 领导面和HR面
本期给大家讲的是面试里面后两节的关键内容。说实话我没当过leader，也不是HR，所以可能有些不专业，只能给些我的面试建议吧。
领导面
首先，很多领导面其实也会有很大部分的时间花在技术上的，所以还需要保持警惕，技术层面仍旧需要关注，而除此之外，领导面还有额外需要关注的很多内容。
开始之前，先说说领导面，从领导视角需要关注的事：
面试者目前的技能组是否匹配岗位需求。 面试者的技术深度，是否可以支撑未来的工作。 面试者性格、团队合作能力，是否能快速融入团队，或者为团队注入新的活力。 稳定性和成长性，是否能待得久，以及能否持续成长。
而根据这个需求，领导们就会开始问他们关注的问题了，有关后两个关注点，其实更多是在面试过程中根据回复侧面考察，而比较直接的，还是岗位匹配性和技术深度两个需求：
有关岗位需求的主流技术，所以出现超纲的内容并不奇怪。这里，强烈希望大家在面试之前认真研读JD（job description，即招聘需求），这里会蕴含很多有关技术的信息，当然很多通用性名词，但也能从中看到场景或者是侧重点，可以事前稍微看看，不至于完全不懂，这些很关键。 探索你所在领域的技术深度，这里的核心是考察你的学习能力，如果岗位要求的技术对你来说比较困难，那么你所在领域的技术深度是能给捞回不少的分数的。这个内容其实和一般的技术面很接近，这个请大家回看技术面（心法利器[93] | 谈校招：技术面）的介绍了。
HR面
HR面这个在我的视角看来很玄学，不同的HR、不同的公司可能会有不同的倾向性，这里我根据自己的经验总结的一些问题，希望对大家有帮助吧。
专业性：你的技术是否专业，是否能快速和外行沟通明白你的工作，是否有一些技术的敏锐性、前瞻性。 价值观/性格：乐观积极向上，常见的价值观，从用户角度思考问题、埋头肯干吃苦耐劳、主观能动性。 稳定性：工作是否容易变动，人是否三心二意等主观或者客观原因，例如城市选择问题。 性价比：强弱与公司的对比情况，太强的留不住，给offer也不来。 其他工作相关的问题：预期的入职时间、薪资、人员部门关系等。
有关第一点，其实是很吃HR的理解的，有的HR可能认为，需要很好的沟通能力，毕竟你要打交道的还有很多其他职能的同时，也有可能是技术的敏锐度和积极性，例如你有没有坚持学习或者关注前沿的技术，也有可能是业务的敏感性，例如对产品的理解（没错，即使是技术，也需要对某些产品保有一些敏感性）等。
而后面几点，其实都是很客观的、事关个人特质的问题，一时半会其实不好准备，我这里只提供一些思路，不展开细说。
尽量表现的积极，无论是对技术、对生活，还是对公司，尤其是对公司，需要表达足够的诚意和期待。 尽量不要万事从技术出发，多从产品、用户、公司的角度出发去思考，技术只是你的工具，你对这些应用最好多有自己的思考。 和个人利益相关的，一定要多问多了解，不要觉得难以启齿，薪资福利、部门团队、实际工作、具体作息等，都要多了解。
心法利器[95] offer选择
本期给大家讲的是面试里面后两节的关键内容。终于到了offer选择的这个流程了，这个系列最后一篇。
offer选择的思路
要做offer选择，首先是需要明确自己的需求，知道自己要什么，否则就很容易会被牵着鼻子走了。一般的，可以问问自己这几个问题：
大厂or小厂。 公司和部门的主要场景和技术。 团队氛围。 加班or不加班。 薪资。 技术成长。 距离家的远近。
当然了，这里很多东西其实是矛盾冲突的，对于普通的我们往往是需要我们权衡，所以要对这些内容进行优先级的排序。
几个重要的权衡点
首先是有关大厂和小厂。按照现在的舆论环境，毫无疑问大家都会更倾向于大厂。在我的角度，其实更倾向于这是两者的赛道，因为两者本质其实有很大不同。
对于大厂，除非特别的小部门新项目，否则基本都是基本成型、分工明确的项目，要想做进一步的增长，更多是在多个细小的区域突破，而对于其他相关的技术内容可能关注度不高，或者因为基础工作已经比较完善，所以其实了解的深度不会很高，而专攻某个方向，所以带来的是技术深度的提升。 相比之下，小厂甚至可能有生存压力，或者是基础工作不足，所以有大量的精力会花在其他技术实现层面，包括各种服务的基础、中间件等，会接触的更多。然而在某些前沿技术上，探究的就不会很多，然而在快速baseline的能力上，就会有很大程度的提升。
这也是导致大家会觉得大厂技术会更好的原因，因为把实际工作和前沿探究放在同一目标，技术提升就显得很快了。但其实，两者我理解其实更像是两个赛道，因为，两条路之间的转化都有一定的门槛，可能因为大厂有“技术好”的光环，大到小可能会好一点点，所以在这块，大厂会有一定得有优势。
有关主要场景和技术，现在推荐和搜索可能没有原来那么火了，NLP或者说大模型成了香饽饽，相信大家应该会一拥而上，但我自己还是建议大家冷静谨慎吧：
热门技术几年一换，但是因为技术包袱和各自的壁垒，越是前沿的东西，门槛越高。换起来没那么容易。 HR视角，技术经验也是有壁垒的，后续我们还是希望往上爬，经验可能是比热门更重要的东西。 热门方向反而更加内卷，甚至很多PPT技术，而且这些新闻看着又很大，与其看各种追热的新闻，不如多看看各个论文找到精细的或者是未来的机会重点投入可能更好。 其实没那么大的选择空间，尤其是大厂，一般是统招然后统一分配。
有关加不加班和薪资，其实是一个强绑定，大多数情况，往往薪资高的公司都会伴随着一定强度的加班，而现在的互联网公司，不加班的凤毛麟角，所以大家要做好准备，当然遇到加班还工资低的赶紧跑吧。
另一方面，大家要树立对薪资的合理概念，不要盲目相信新闻所爆出来的，一方面一般只有高薪的才会去晒，另一方面是编的成分不少，尤其是一些教育公司，可能会夸大从而让大家去报班，而且小红书知乎的人均985211大家都懂的。所以，相比之下不应该去网上直接找信息，而是更多从身边、或者从具体公司内部的同事中去了解，可能更合适。
地点上，如果不是为了照顾家庭等原因，都还是建议大家在大城市里面找，毕竟机会是真的差别很大，北京独一档，上海次之，深圳广州其实已经少很多了，我在深圳和北京都待过找过，确实感觉深圳的机会会少，紧跟其后的成都、武汉多少都有，但再后面机会就真的很少了，同时薪资、各种设备资源也很难跟上，AI这种资源消耗比较大的领域，这点考量还是很关键的。
选择的大方向
从成长角度，建议大家关注的点是这样的：
大厂的技术前沿性会由于小厂，优先建议去大厂，进步的空间还是大。但注意，还是尽量得去到发展比较好的组（如果能选的话）。 方向上，主流的方向仍旧是可以的，但大家尽量还是多考虑未来几年，这个就要看各自的理解和视野了，但注意，尽量不要机会主义和短期主义。 如果条件允许，尽量在大城市寻找机会。