周泽霞

同济大学

电子与信息工程学院

2019届硕士毕业生

时间过得很快，转眼间已经是在同济的第七个年头，也到了要说再见的时候。在同济，有我快乐难忘的大学时光，也有我忙碌充实的研究生时光。研究生阶段的忙碌不仅仅因为有科研，还因为实习和秋招。在这里我分享下自己实习、秋招过程中的一些经验和浅薄认识，也希望对后来的同学有所增益。

职业规划

职业规划对于每一个人都至关重要。而如何选择，我认为需要自己大胆去体验。个人建议，如果研一已经发表过论文或者实验室科研工作不是很紧张，在不耽误科研工作的前提下，可以在研一下学期期末或暑假去实习。该阶段实习可以让自己了解到学校之外的环境、了解相应岗位所做的工作与业务，对自己的职业规划具有很大帮助。当然，如果实验室很繁忙，我认为一方面留在学校踏踏实实学习也未尝不可，同时要关注求职面经，有目标地学习相关知识，为秋招做准备。

我的第一次实习是在研一下学期开始的，做的是测试开发工作。在此期间，也在自学机器学习的相关知识。也因为这次实习，我在自己的职业规划里剔除了与测试相关的工作，同时决定开始深入地学习机器学习。自学机器学习的过程蛮有趣的，从热门书籍开始入手学习各种模型，打好基础，然后开始研读比较经典的论文，进而开始扩展自己的知识面。

算法面试主要考察项目、编程题、语言题、海量大数据处理、场景题、概率题、论文（加分项）等。根据自己的面试经历，我认为：编程题写不出来面试直接挂；编程题写出来但项目讲不清楚面试也直接挂；编程题和项目都回答的不错，但所有场景题回答的不行或概率题都没做对（一般会有2个以上场景题，2-3个概率题），面试官会认为你不够聪明并且基础不好，挂的概率蛮大；如果只有个别场景题回答的不好或者个别概率题没做对，大概率可以通过。

语言题问的都是比较简单的，如果你被考的是C++，C++的类性质、指针、结构体、继承、重构、析构等都是常考题。有些公司的CV岗位要求论文，虽然没有明说，但是没有论文简历被捞起的概率很小，所以如果是做CV的同学，努力发表高质量的论文吧。

由于我的专业研究方向与机器学习丝毫不沾边，所以并没有相关的项目，更不用说发表机器学习相关的学术论文了。为了让自己的简历内容丰富，我与同学成立小组参加了Data Castle和CCF举办的算法比赛。

半年的时间，我们相继完成了两个比赛。通过比赛，对模型的理解进一步加深，也遇到很多问题，解决问题的过程就是创新的过程。大家要大胆尝试模型的改进，因为总会有不同的收获。

在面试的时候，主动告诉面试官自己做的改进和创新，这将是一个有力的加分项。我认为比赛最大的收获是可以加入比赛的论坛，与各路优秀的大神讨论，向他们学习。

春招实习

两个项目结束，恰逢实习春招开始。我面试的岗位都是机器学习，面试的公司不算很多，但是印象比较深刻的是网易游戏和百度。两家公司的面试难度稍有不同，各自的侧重点也不同。

网易游戏经历了四面，三面技术面，一面HR面。前两面技术面是电话面试，第三面是负责人视频面试。第一面主要考察项目和基础，时间大概50分钟，问的很详细，包括模型的结构、特征维数、神经网络的训练过程、遇到的问题及改进等；然后就是机器学习的基础，模型之间的比较、模型的缺陷、什么场景适用什么样的模型，神经网络的激活函数、优化函数等。第二面同样是项目，所以项目很重要，与第一面差不多，但是加了概率题。第三面是负责人视频面，主要是编程题和场景分析。

百度三面技术面，全部都为视频面。百度的面试官态度亲和，每一面都有两道编程题，会全程看你写完，然后让你讲解一遍思路，如果有问题会引导你解决。百度面试官很喜欢考察语言的问题，尤其C++，建议着手C++的同学学习《C++ Prime》。百度的实习面试难度适中，基本就是项目、编程、模型基础和C++。

秋招

在百度实习了三个月之后，我加入了秋招大军。被笔试面试支配的一个多月真的超级累，但自己也学到很多。我觉得面试是一个学习的过程，面试会逼着自己积累平时不关注的知识、会让自己不断的在面试中表现出自信，是一个考察自己的过程。

秋招的笔试面试的难度要比实习高很多，第一面一般都是针对项目，然后第二面和第三面比较难。问题都很细，考察的是你对项目、语音、算法的理解，以此来判断应聘者的思维能力和岗位胜任能力。

由于近几年机器学习的火热，使得大批人求职机器学习岗位。有限的岗位数量，“无穷”的求职大军，如何让自己脱颖而出？作为过来人，我想让学弟学妹们知道：发表高质量的论文，是让自己有力的加分项。要知道，机器学习，不仅需要超强的动手和分析能力，还需要具有专业技术的前瞻性。而前瞻性，便是论文。

总的来说，经历过Vmware软件开发和百度搜索智能交互部的实习，收获了百度、ebay、Paypal、英语流利说、饿了么等多家企业的录用函，最终选择了Paypal，也算给我的研究生生涯画上了完满的句号。

作者：魔都码农那些事

留言 点赞 关注

我们一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”