白癜风用什么药物 http://disease.39.net/yldt/bjzkbdfyy/6160465.html大家好，今天分析一位朋友的秋招历程。
一直想写点东西总结一下自己的秋招历程，觉得在一定程度上应该能代表很多"「普通人」"的秋招经历。但是由于各种原因（主要是自己懒），从去年11月秋招大致结束，一直拖到现在都没有写。最近在好友的鼓励下，终于下定决心，克服懒散，提笔记录下这段艰难但也颇有意义的经历，希望能给师弟师妹们一些信心，同时少走一些弯路。另外题目中写"普通人"是因为自觉在各方面都不出彩，加引号是为了免去一些闲话，如果你看完全文还是觉得我有冒犯，那我在这里先道个歉。
先介绍下自己的背景：西北某本硕，方向为计算机视觉（CV），没有论文，没有实习，做过几个实验室和学校的项目，一个天池比赛前20。「最终拿到四个offer，美团、字节、小米、旷视，均为SP」。我相信一定有很多像我这样普普通通的人，感觉自己各方面都比较一般，没有比较好的论文、项目，比赛名次也不是特别高，编程也没那么牛，一边看着网上的各种算法岗劝退言论，一边心慌慌地纠结要不要继续找算法岗。我写这篇帖子的目的就是希望能给大家一些信心，如果你觉得自己做过一些相关的项目、比赛，有一定的基础，肯花时间好好准备找工作的相关事宜，那我建议你可以下决心了。
本篇心得分为三个部分，第一个部分是「秋招总结」，主要从心态、刷题、基础知识、论文/项目/比赛、简历等五个方面进行总结，并给出自己的一些建议；第二个部分是自己的「面经」，由于面经在一定程度上具有很大的偶然性，并不能完全代表一个人或一个厂的真实情况，只能作为参考，因此建议大家最好是多看一些；第三部分附上了自己在秋招过程中整理的「知识笔记」，以及一些小的建议。
秋招总结心态
秋招对大部分人来说都是一段非常难熬的经历，本身自己就已经是顶着很大的压力在求职，还要面对很多外界因素带来的影响，时常会给自己的心态带来非常大的波动。本来我在这一部分写了很大一段回忆自己遇到的一些搞心态的事情，但仔细想了想还是删了，以后有机会单独写一帖吐槽求职路上的奇葩经历，这里就写一些可能会影响到自己心态的方方面面，大家可以注意一下。
「面试被拒」：这应该是最常见的压力来源了，而且随着被拒的次数越来越多，压力也会成倍增加，对个人心态考验非常大。对我们这样的普通人来说，前期面试被拒再正常不过了，这时候一方面是要总结好失败的经验，另一方面也要寻找合理的宣泄途径，跟好朋友吐槽、打两把游戏等都是很有效的方法。
「周边环境」：我们一般都是和同届同学一起找工作，有些同学比较优秀，很快就拿到offer，这时候也有可能会对我们的心态有些影响。不过这是没有必要的，你直接去跟他取经就好了，能拿到offer大概率是有可取之处的，我当时就跟一个同学学到了很多东西。当然也不排除有些人拿到offer后在朋友圈装逼、散布焦虑情绪，这种我建议屏蔽或拉黑，同时也希望大家拿到offer后能低调一些，以己度人。
「网络言论」：每年在网上都会出现一个词来形容每年的算法岗状态，19年是"诸神*昏"，20年是"灰飞烟灭"，不知道今年会是什么。但无论怎么说，都改变不了大部分人最终拿到offer的事实。这种问题其实挺唬人的，四月起这么个问题，大家都刚开始找工作没啥经验，碰壁了就去吐槽，造成一种算法岗无望的景象。但如果你十一月问这么个问题，很多回答应该就成了如何通过不断投简历、面试最终上岸某家公司，其实我身边的同学、朋友大部分也都是9月之后拿到了"定稿"的offer，10月、11月的也多的是，所以大家一定要稳住，尽量不要受到这种言论的影响。
其实在秋招中感受到痛苦是一件再正常不过的事情，但我也不敢跟你说："心态要好，不要在乎那些事情"，虽然这是对的，但经历过那种压力和痛苦就会知道完全做到这样几乎是不可能的，就跟世界上没有圣人一样。我给大家的建议就是「首先要做好承受这一切的准备，秋招几乎不可能是一帆风顺的」；另外「当压力到来的时候，一方面要先做好总结，另一方面也要找到合理的宣泄方式」，不要让一次的失利影响你太久。恐惧、失落、时常进行的自我怀疑，这都是秋招中的常态。一边痛苦，一边反思，在秋招中这是提高自己最快的方法。
刷题
这是一个老生常谈的话题了，在互联网只要是技术岗，笔试面试都要撕题。我本人是从年2月中旬开始准备的，期间一共「刷了道题」，总体感觉下来能应对几乎所有的笔试、面试场景了，印象里面试过程中碰到的题目全都撕出来了，笔试大概能通过80%的样子。接下来会说一些自己的小心得。
首先声明，我没有参加过编程比赛，本科学过C，学过基础的数据结构和算法知识，读研之后大部分时间使用python，整个刷题和笔、面试也都是使用python完成，可以说在刷题方面也是一个非常普通的人。
如果你像我上面说的一样，对刷题需要的算法（排序、链表、二叉树、图、动态规划等）没有过一个系统的学习，那我强烈推荐你去看「左程云（左神）的算法课」，个人感觉左神的课在深度和广度上都能覆盖整个秋招的范围。首先，如果你没有很好的算法基础，左神的课能让你对算法建立一个系统的认识，对基础的算法有很好的理解；另外，左神也会做很多扩展性的算法介绍，这些你可能没听过，但是不要紧，至少之后你在LeetCode评论区看到的时候不会一脸懵逼，知道这是个什么东西，大概解决了什么问题，然后再慢慢研究。总之，左神的课非常长也非常良心，希望大家能坚持看完（基础班我记得接近30小时），你一定会大有收获。再次对左神表示respect！
有了基础之后，接下来就是刷题。我建议大家「先按照类别刷」，比如链表相关的做个十几道，有个比较深入的理解，然后再去做二叉树、排序等，这样按照大类做下来之后，你就不会对题目感到陌生和惶恐了，看到题之后知道这大概是个什么事。然后我「建议把《剑指offer》刷两遍」，剑指非常经典，LeetCode也有剑指专题，很方便。之后就比较随意了，可以先「把热题TOP刷一遍」，如果有时间也可以按照顺序再刷个两百道，感兴趣的话去参加周赛也挺好的（我没有参加过）。另外，牛客上也有大佬整理了每个公司出过的题目汇总，这也是不错的选择。对于出现频率非常高的题目，一定要多刷几遍，确保碰到就能秒了。
总之，在刷题这一块我一直有两个看法，一是如果你现在对秋招很迷茫很惶恐，不知道该准备些什么，那你就刷题去吧，至少这肯定是不会错的，另外就是在你有时间的基础上，刷的题目越多越好。根据我对周边同学的了解，最好是能刷到道以上的题目，这样在面试中底气也会更足。
基础知识
基础知识是考验基本功的，包括机器学习和深度学习里面的一些基础的问题。这部分可能会问的比较广，需要系统地学习和整理。
这里推荐两本书：「李航老师的《统计学习方法》和周志华老师的《机器学习》（西瓜书）」。建议大家可以先深入地读一下《统计学习方法》，李航老师写的非常精炼，也比较"好懂"，碰到不懂的可以去看看西瓜书，两本配合食用效果更佳。知乎、博客上也有很多大佬们更通俗的解释，可以加深理解。《深度学习》（花书）也是非常好的一本书，但是太厚了，很难读完。建议当成工具书，碰到问题可以去专门的章节翻阅，可能会有意想不到的收获。在这个过程中最好准备一个笔记本，将公式的推导以及一些算法的流程和重点记录下来，能巩固记忆，查阅起来很方便，面试前也可以拿出来翻一翻。推荐大家用活页本，内容增添起来很方便。
「除了看书以外，总结和整理也是至关重要的」。有的问题你可能理解了，但是表达出来没那么专业，不够味。因此这部分我建议大家先去网上搜集一下面经，「把里面提到过的问题都整理出来，然后自己总结出一个合理的答案，形成文档」，以后碰到就这么回答就行了，这也就是网上有些人说的"八股文"。如果面试碰到了没有见过的问题，就把它加入到你的文档中去，确保以后碰到能够对答如流。我在后边也会把我整个秋招过程中碰到的比较常见的问题列出来，供大家参考。
总结一下，基础知识部分主要是学习+整理，当你的面试数量达到一定程度之后，这部分就几乎不是问题了。记住，一定要整理成文档，一定要整理成文档，一定要整理成文档！
论文/项目/比赛
这部分主要是个人的一些经历，是体现"个人价值"最重要的部分，也是简历上面试官着重会进行提问的。这部分因人而异差别很大，因此我只说一些小建议。
「论文」：首先强调一点，「没有论文也是可以上岸的，没有论文也是可以上岸的，没有论文也是可以上岸的」！我身边的同学，以及秋招中认识的朋友，很多也是没有论文的，但最后都能拿到比较满意的offer。不少人在论坛上说"没论文简历都过不了"，这绝对是缺乏数据支撑的。简历没过很大程度上是因为简历写的不好，或者部门不匹配。前者需要好好地琢磨一下简历的逻辑、布局，后者的话就找准方向多投就行了，肯定会人有捞你的。如果有论文的话要想办法把自己论文的贡献点讲清楚，这部分我没有实践过，就不班门弄斧了。
「项目」：这一部分很多人有这样一种疑问："我项目做的很弱，就做了这点东西都不好意思讲出来"。其实这是很正常的，永远记住，大部分人都是普通人，岗位很多，不可能只招天才。你做的再一般，那也是完成了一个项目，也有「项目背景、创新点、应用场景，也是能在某个场景下解决了某个问题」，这其实就够了。只要你真的对项目投入了精力，对其有比较好的理解，一定是有可取之处的，证明你解决问题的能力是很不错的。接下来你需要做的就是「如何把项目给面试官讲好」，这里我还是建议大家像写演讲稿一样把你要讲的东西整理成文档，不要只在大脑里凭空想，一定要写在文档里，先去找同学讲一遍，然后面试的时候发现某个地方讲的不够好，回来再继续改进，慢慢地就能将项目讲好了。记住，一定要自信！
比赛：这部分和项目比较类似，面试官比较感兴趣的是「你解决问题的思路、采用的方法以及相比其他参赛者的方法的优势」。和上述一样，最好是整理成文档，把比赛题目、算法设计思路、具体采用的方法以及最后和其他方法的对比和反思都写一下，面试的时候按照写好的逻辑来讲。比赛这里，优胜参赛者的解决方法也是比较重要的一点，面试中经常会问到，一定要去论坛把前几名的方法都大致看一遍，大致了解一下。
简历
简历是给面试官的第一印象，写一份好简历是求职过程中非常重要的开端。在这里也给大家几个小建议，大家写的时候可以注意一下。
「模板」：简历模板尽量简约一些，不要花里胡哨的那种。
「照片」：建议大家去比较专业的照相馆拍一组证件照，西服领带搞起来，这样看起来正式一些。
「项目介绍」：这部分是简历最重要的地方，一定要仔细琢磨，每句话的存在都要有意义，都要体现项目中最"精彩"的部分，切忌废话连篇。另外，每个点的介绍都要胸有成竹，确保面试官问起来的时候能够对答如流，配合第四条中整理的文档食用效果更佳。
「篇幅」：如果你的项目不是特别特别多，那么简历尽量不要超过一页。
面试经历
我大概是从五月底开始投简历的，从所记录的面经中挑了些比较有意义的供大家参考。同时我也给出了我对自己面试过程的总结，但不能代表所有人，大家尽量多看一看面经类分享，这个差异还是很大的。
美团
「一面」
自我介绍；项目介绍，上线、落地情况；介绍下LR，思想，LR里的最大似然是怎么回事；代码题：给出一个函数rand1，随机生成0和1，写一个函数randN，均匀生成0-N-1；代码题，计算根号N，精确到小数点后m位，二分法，梯度下降法。
「二面」
自我介绍计算机网络、操作系统学过没；多进程、多线程讲一下，内存占用方式，为什么线程是共享内存的；讲下项目，传统方法是怎么做的，有啥优点，是怎么部署的，几个人完成的，数据是怎么采集的，规模有多大；讲下比赛，几个人完成的，怎么分工的；有没有碰到过拟合，过拟合的标志是什么，怎么解决；L1正则化为什么能缓解过拟合；有没有发论文；包含百万、上亿特征的数据在深度学习中怎么处理；降维方法有哪些，PCA是怎么做的，还知道其他的吗；LR和神经网络有什么区别；代码题：字符串中长度为len的连续字串中，出现次数最多的字串；数学题：四个人过河，每次最多两人，有多少种过河方法。四人过河时间分别为1，2，5，10（分钟），问最快需要多久。AB，A回，CD，B回，AB，共17分钟。
「三面」
自我介绍比赛介绍，比赛的任务，前几名的团队都是怎么做的，你们的亮点在哪里；挑一个项目介绍；目前的offer；职业规划里最看重什么；反问。
「HR面」：（通过）
本科和研究生期间比较骄傲的一件事情，比较遗憾的事情；为什么没有选择深造；最近最有挫败感的事情；对美团的了解；职业规划，工作城市的选择；对自己不满意的地方；反问。
「总结」：美团的面试流程很紧凑，面试体验也非常好，点赞。
字节
「提前批一面」
自我介绍；问项目，检测里改进了哪些点，GAN是用来干什么的，怎么用的；方向相关的一些知识；其他相关论文里用到的一些方法；撕题：手写NMS。
「提前批二面」
自我介绍；介绍项目，面试官好像是做检测的，主要问了问检测的项目；检测任务有什么衡量指标（mAp），实现原理是什么；分类里用到的交叉熵公式是什么；讲了讲比赛里用到的一些点；pytorch里function和module有什么区别；pytorch里dataset、dataloader、sampler有什么区别；python里的生成器是什么；撕题：LeetCode4：两个有序数组的中位数；
（三面挂了，没有记录。之后又到了三面，又挂了，提前批结束，共六面。）
「正式批一面」：（挂）
自我介绍项目相关；生成对抗网络是怎么用的；CRNN的思想，CTC的思想，CTC中有没有训练参数；姿态估计相关项目；TCP/UDP的区别，计算机网络，分布式，数据库，多进程和多线程；概率题：在一个圆里随机取n个点，它们在同一个半圆的概率是多少？
「正式批一面」：（被捞）
自我介绍；先写个题，LeetCode33：搜索旋转排序数组；项目介绍；进程和线程的区别；逻辑回归的损失函数是什么，怎么得到的，为什么不能用MSE，sigmoid求导是什么；ResNet的设计理念，InceptionNet的设计理念；如何防止过拟合；BN层的作用，Dropout的作用。
「正式批二面」
L1和L2哪个能使参数分布趋于稀疏，为什么；特征选择的方式；连续特征离散化的好处；偏差和方差的理解；过拟合和欠拟合；BN和LN的区别；PCA的处理过程；栈空间和堆空间的区别；BP的过程，CNN中前向传播和后向传播的过程；代码题：LeetCode：复制带随机指针的链表代码题：LeetCode：二叉树的直径
「正式批三面」：（通过）
自我介绍；random7生成random10，调用次数的期望是多少，怎么算的；代码题：LeetCode.LRU缓存机制，并发式怎么处理，数据量特别大，需要进行分布式存储怎么处理；反问。
「总结」：在字节前前后后加起来面了四个部门，共十面，还是挺夸张的。前两次都是到了三面被刷，还是很受伤的，不过确实增加了很多面试经历，权当学习了，之后都还好。字节的话大家可以尽量面，如果能到二面、三面而且面评不是很差的话，会一直被捞的。
小米
「一面」
自我介绍；生成对抗网络在哪里用到的，起什么作用；损失函数是什么；知识蒸馏是怎么做的；FocalLoss的计算式；代码题：排序数组中某个值出现的次数。
「二面」：（通过）
自我介绍；讲一下项目中的难点以及是如何解决的；代码题：面试题01.07.旋转矩阵；对工作地点有什么想法；为什么没出去实习；反问。
「总结」：碰到的两个面试官都很好，沟通薪资的HR也很好，等了我好久，在这里表示感谢。
旷视
「一面」
自我介绍天池比赛项目；focalloss的设计，落地情况；相关方向算法介绍；crnn相关，gan相关；bn层的原理，要解决什么问题，还有什么norm方法；dropout原理，bn和dropout能不能一起用；代码：给定一个序列，求其连续子序列和大于某个值的最小长度。
「二面」
自我介绍；项目介绍；熟悉哪些检测网络，介绍一下思想；CTCLoss的动态规划求解过程；Softmax公式，溢出怎么处理；N个城市之间建一个仓库，使得距离所有城市的距离和最小；K个仓库呢；一个车辆围着圆圈跑，有一分钟每圈和两分钟每圈两种状态，在P点有30%的概率进行状态切换，问无数圈之后在P点等到车的时间的期望；
「三面」（线下面的，当时忘了记录，只能记住一点点了）：
相关方向的学习历程；降低网络复杂度但不影响精度的方法；反问；
「HR面」（同上）：
意向城市；意向部门；
「总结」：方向很相关，面试体验挺好的。
腾讯
「一面」：（挂）
自我介绍项目的应用范围BN的原理，要解决的问题，公式，训练测试中的区别卷积层和BN的融合知道吗？如果让模型速度提高一倍，有什么解决方案？代码：数组中第K大的数。Partation的时间复杂度
「总结」：一面就挂了，没啥好总结的。
大华
「一面」
部门介绍YOLOV3和YOLOV2的主要区别，loss上哪里不同，smoothL1loss的好处，Yolo里是向上取整还是向下取整meanpooling和maxpooling反向传播的不同LSTM的反向传播，公式Pytorch中bn层在训练和测试中有什么不同，怎么实现的可分离卷积的思想，参数量计算Pix2pix和cycleGan的区别
「二面」
浮点数的二进制存储方式；如何将浮点数的每一位二进制打印出来；方差和协方差的理解；伯努利分布和二项分布的区别；FFT和DFT的区别；数字图像处理中，卷积(convolution)和互相关(cross-correlation)的关系；Python中类方法和静态方法的区别；Linux下查看内存占用（top），buffers和cache的区别；
「总结」：一面面试官问的非常非常细节，有些没能回答上来。二面问的大部分都和方向不太相关，也没有特别准备，挂了也是情理之中。
商汤
「一面」
自我介绍；项目介绍，蒸馏方法是怎么用的；对我们的开源项目提意见；FocalLoss解释；凸函数的性质；如何评价两个分布的相似度，KL散度怎么计算；Auto-Encoder是什么，都用在什么任务上；Distribute用过没，优点是啥。
「二面」
自我介绍；介绍下项目中检测相关的部分；检测里为什么选择refineDet；Conv和BN融合后点数掉的太多怎么办；Anchor-free的优势在哪里；Focalloss在什么情况下有用，什么情况下不起作用；实现sigmoid函数，怎么防止溢出，误差分析。
「总结」：二面问的非常细节非常专业，没顶住。
海康
「一面」
自我介绍；项目介绍，数据集是怎么选择的，图像大小大是多少；比赛介绍；快排思想，最差时间复杂度；反问。
「二面」
自我介绍；代码题：IOU计算；代码题：LeetCode.买卖股票的最佳时机III项目介绍；FasterRCNN和SSD的区别；FocalLoss的使用场景；反问。
「总结」：一面电话面，项目很相关，聊挺多的，面试官人也很好。二面是视频面，两道代码题都是在纸上写的（真手撕）。可能HR面的时候薪资要太高了，就没后续了。不过当时已经有几个offer了，就没太在意。
知识总结基础知识整理
想了一下还是决定不贴"答案"，一方面所谓"答案"都是通过个人理解整理而得，只有一些小tips，并不适合所有人，更有可能引起歧义；另一方面大家自己整理一遍也能对问题有更好的理解。
如何解决过拟合；L1和L2的区别；梯度消失和梯度爆炸的原因；什么是Dropout，训练和测试的区别；Batchnorm层的作用及公式；为什么LR要用Sigmoid函数；relu6函数的好处；smoothL1损失函数的好处；Yolo2和3的区别；Pytorch中bn层在训练和测试中有什么不同，怎么实现的；双线性差值的操作过程；bn和dropout同时使用产生的问题；BN+CONV融合公式及作用；BN的反向传播；深度学习中的几种归一化方法及不同（BN、LN、IN、GN）LSTM公式及反向传播过程；感受野的定义；分布式学习；SVM的介绍和推导；衡量分布之间差异的指标；ROC曲线和AUC。数学题整理扔硬币，扔到正反都出现过停止，次数的期望；扑克牌放回取牌，A-K加大小王全部都拿到后停，次数的期望；每个人给A投票的概率是0.51，给B投的概率是0.49，问一亿人投票时A获选的概率；斗地主有人拿到2张王的概率在；k个满足独立同分布的均匀随机变量的最小值的期望；一个骰子平均扔多少回才能把六个数字都扔出来至少一次；用一个骰子生成1到7的随机数。其他一些小tips内推一定要找「靠谱的人」，不要随便找一个内推码就填上了；投递的时候要先了解下「部门的HC」，HC的数量在很大程度上决定了你的求职难度，可以多考虑下扩招的部门；综合考量多方面的信息来源，不要根据某一篇文章中的信息做决定，包括本文；「简历一定要多投」；进入八、九月份你会非常非常忙碌，最好通过日历记录下每天的笔、面试日程，windows自带的日历就很好用；多加些群，可以得到很多信息，但要注意甄别；自我介绍也写成文档，反问环节也可以提前准备；多在牛客网这类平台上刷面经；拿到一个offer之后一定不能停止秋招，「一个offer的风险非常大」。写在最后
算法岗的秋招并不是洪水猛兽，也不是只有少数人才能得到的岗位，只要你有「一定的项目基础，有坚定的信心和踏实的努力，并且能坚持到秋招的最后时刻，一定可以拿到满意的offer」。道路是曲折的，前途是光明的，师弟师妹们冲鸭！
预览时标签不可点收录于话题#个上一篇下一篇
