推完上一篇文章，訂閱號(hào)和知乎后臺(tái)有好多小伙伴跟小夕要面經(jīng)（還有個(gè)要買簡(jiǎn)歷的是什么鬼），然鵝小夕真的沒有整理面經(jīng)呀，真的木有時(shí)間(｡ ?︿ ?｡)。不過話說回來，面經(jīng)有多大用呢？最起碼對(duì)于NLP崗位的面試來說，小夕發(fā)現(xiàn)根本不是面經(jīng)中說的樣子。。。

其實(shí)今年參加NLP算法崗秋招的小伙伴可能有感慨，
“照著別人的面經(jīng)去準(zhǔn)備了辣么多，輪到自己面試時(shí)內(nèi)容怎么這么不一樣？！”
“說好的要做到熟練推導(dǎo)SVM呢？怎么從來沒人讓我推導(dǎo)SVM？”
“整場(chǎng)面試都在聊前沿論文啊什么鬼？從來沒見這樣的面經(jīng)呀！”
“為什么面試官只問他簡(jiǎn)歷內(nèi)容，輪到我時(shí)一點(diǎn)簡(jiǎn)歷內(nèi)容都不問？“

不止今年，將來的面試肯定更趨向于千人千面，畢竟AI行業(yè)也將越來越細(xì)化嘛。所以小夕精心準(zhǔn)備了這篇“萬能”文章給你們，希望大家將來都能收割到自己想要的offer～
這篇文章不是面經(jīng)集合，也不是裝X和販賣焦慮的曬offer貼，也不是堆砌可能問到的知識(shí)點(diǎn)，而是希望給還在迷茫的小伙伴提供一些系統(tǒng)的指導(dǎo)和建議。當(dāng)然，這些建議可能不適合每個(gè)人，因此希望大家從這篇文章里汲取到適合自己的養(yǎng)分，千萬不要邯鄲學(xué)步哦m(— —)m

目標(biāo)觀眾

首先，本文的討論范圍僅限自然語言處理（NLP）相關(guān)崗位！親測(cè)NLP崗的套路跟數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)崗還是有明顯差異的，所以千萬不要按本文的套路去準(zhǔn)備DM、ML的面試！

然后說一下本文的目標(biāo)群體。想去拿MSR、FAIR、Google Brain offer的大佬請(qǐng)放過小夕(｡ ?︿ ?｡)深知自己哪怕能拿到這些地方的offer，也基本是在邊邊角角的地方做做邊邊角角的事情，所以直接放棄了，真的木有經(jīng)驗(yàn)可以分享。還有那些已經(jīng)一大把頂會(huì)的小伙伴，求給小夕指導(dǎo)好么！

其實(shí)之前小夕也曾想著去外企的研究院（雖然菜的一無所有），然而很扎心的一次次打聽到外企的研究院的研究崗基本只招PhD，哪怕作為碩士進(jìn)去了也基本是干邊邊角角雜活的engineer了。雖然外企的業(yè)務(wù)部門也有NLP崗位，而且碩士也容易進(jìn)，但是進(jìn)一步打聽了一下，聽說碩士進(jìn)去很少有research相關(guān)的工作，最多做做模型優(yōu)化，弄不好就是爬數(shù)據(jù)、清洗數(shù)據(jù)了。后來拿了一家的offer后聊了聊發(fā)現(xiàn)確實(shí)如此，加上后來沒什么面試的狀態(tài)了，也就把外企都統(tǒng)統(tǒng)放棄了。不過有條件的同學(xué)可以在外企研究院或業(yè)務(wù)部門做做research intern，這方面對(duì)碩士友好的多。

言歸正傳，對(duì)于想拿國內(nèi)一線大廠的核心研究部門和核心業(yè)務(wù)部門NLP崗offer的童鞋，點(diǎn)贊本文，你就收獲了半個(gè)offer！轉(zhuǎn)發(fā)本文，你就收獲了0.75個(gè)offer！（等等，文風(fēng)好像越來越像傳銷了。。。）

國內(nèi)的NLP方向的崗位一般叫做NLP算法工程師/研究員/工程師，不要被名字迷惑了，一些廠標(biāo)榜的NLP研究員本質(zhì)上就是懂點(diǎn)NLP的研發(fā)工程師，也有一些廠懶得區(qū)分，無論是做前瞻研究還是業(yè)務(wù)研發(fā)統(tǒng)一叫NLP工程師，需要大家拿到offer后自己跟主管多聊聊具體工作職責(zé)和日常工作內(nèi)容，真的不要糾結(jié)崗位名字。

簡(jiǎn)單說一下自己的經(jīng)歷吧，可以給大家做個(gè)參考。雖然踩了些雷導(dǎo)致錯(cuò)過了一些機(jī)會(huì)，但是自己看好的NLP團(tuán)隊(duì)都拿到了offer，無非就是offer等級(jí)高低，package能談多高的問題。最終也有幸拿到了心儀團(tuán)隊(duì)的SSP offer，其他大廠和一些明星初創(chuàng)公司也大都拿到了不錯(cuò)的SP offer。此外，就簡(jiǎn)歷投遞來說，投了一圈都沒有沉（可能因?yàn)殚L(zhǎng)得好看），有筆試環(huán)節(jié)的大廠也沒掛過筆試，package大多開到40w左右，有兩個(gè)給出戶口承諾的，有幾個(gè)戶口抽簽的。不過要兼?zhèn)鋚ackage、戶口、團(tuán)隊(duì)實(shí)力與研究方向/業(yè)務(wù)的興趣程度的話，并不容易。

Research or Product ?

首先，要搞懂自己想要什么。粗略的看，如果想做research，比如發(fā)發(fā)paper，打打國際比賽，做做通用技術(shù)平臺(tái)，為現(xiàn)在或?qū)淼漠a(chǎn)品孵化算法接口，就去偏research的團(tuán)隊(duì)；如果想直接優(yōu)化產(chǎn)品的算法指標(biāo)，看到自己的成果快速反映在產(chǎn)品的用戶體驗(yàn)和經(jīng)濟(jì)效益上，那就去偏業(yè)務(wù)的部門。這兩種不同導(dǎo)向的部門在面試的時(shí)候的關(guān)注點(diǎn)會(huì)存在一定差異。

當(dāng)然，再偏research的部門也會(huì)把成果直接或間接的輸出到各個(gè)產(chǎn)品線上（否則養(yǎng)你干嘛），再偏業(yè)務(wù)的部門也會(huì)有關(guān)注前沿的小團(tuán)隊(duì)，畢竟NLP本身還沒有成熟嘛。

不過總的來說，比如你想做research，有不錯(cuò)的論文或比賽經(jīng)歷，對(duì)某個(gè)方向研究的比較深入，但做系統(tǒng)的經(jīng)歷相對(duì)匱乏，則偏research的團(tuán)隊(duì)可能更賞識(shí)你；如果你想做產(chǎn)品，并且做系統(tǒng)、啪代碼的能力不錯(cuò)，論文也刷了不少但是科研熱情不高，則你可能跟業(yè)務(wù)部門更match。

算下來自己面了8、9個(gè)NLP團(tuán)隊(duì)，加上一些跟小伙伴的交流，也算對(duì)國內(nèi)工業(yè)界NLP團(tuán)隊(duì)的大概情況有一些了解了。下面說說幾個(gè)面下來感覺團(tuán)隊(duì)不錯(cuò)或小伙伴反饋不錯(cuò)的團(tuán)隊(duì)吧，大家參考一下就好，很多優(yōu)秀團(tuán)隊(duì)沒貼上來僅僅是因?yàn)槲覀儧]去面過而已。。。

偏research/通用平臺(tái)的：

• 百度
  • AIG的NLP團(tuán)隊(duì)（分布在自然語言處理部、知識(shí)圖譜部和百度研究院。其實(shí)看名字就能看出來區(qū)別，研究院大多是搞純Research的，有EMNLP會(huì)議的創(chuàng)始人Kenneth Church，有李平巨佬（CCL實(shí)驗(yàn)室主任，每年NIPS等頂頂會(huì)量產(chǎn)），北京這邊有Mingming Sun大佬帶，想做學(xué)術(shù)研究的小伙伴不用糾結(jié)，去研究院絕對(duì)不會(huì)錯(cuò)；自然語言處理部除了做前瞻研究以外，還會(huì)承接廠內(nèi)各大業(yè)務(wù)線中的NLP需求，做一些通用的NLP平臺(tái)，基本cover了NLP領(lǐng)域全部方向，觸達(dá)廠內(nèi)各大業(yè)務(wù)線的NLP核心問題；知識(shí)圖譜部做NLP的思路則是依賴于知識(shí)圖譜啦，畢竟擁有全世界最大的中文知識(shí)圖譜，做信息抽取和知識(shí)圖譜相關(guān)工作的小伙伴的第一選擇。
    
    多啰嗦一句，NLP是百度的支撐技術(shù)（NLP對(duì)百度的重要性遠(yuǎn)遠(yuǎn)大于國內(nèi)任何一家大廠），因此自然是NLP全方向全覆蓋且沒有弱項(xiàng)，有高影響力論文（每年數(shù)十篇ACL、EMNLP）、有業(yè)界無人不知的NLP平臺(tái)（PaddleNLP、NLPC、UNIT等）、有眾多可以落地的國內(nèi)絕對(duì)領(lǐng)先的NLP業(yè)務(wù)（第一搜索引擎百度搜索，第一廣告系統(tǒng)鳳巢，第一對(duì)話系統(tǒng)度秘，第一機(jī)器翻譯系統(tǒng)百度翻譯等）。百度的NLP團(tuán)隊(duì)陣容可以說國內(nèi)沒爭(zhēng)議的最強(qiáng)了，畢竟是看家本領(lǐng)╮(￣▽￣"")╭。當(dāng)然，缺點(diǎn)也有，就是大牛太多了還不愿意走，head count很少很難進(jìn)，需要有過硬的技術(shù)實(shí)力和亮眼的簡(jiǎn)歷。
    BASE：北京、深圳、美國硅谷
• 阿里
  • 達(dá)摩院的NLP團(tuán)隊(duì)（以前的idst合并進(jìn)去了，前幾年SQuAD刷的風(fēng)生水起，負(fù)責(zé)阿里很多支撐性NLP基礎(chǔ)技術(shù)平臺(tái)的研發(fā)，而且還有很重要的一點(diǎn)是，有錢。不過最近BERT流行之后，不知道為什么貌似一直動(dòng)靜不大，可能在憋大招吧）
    BASE：北京、杭州
• 騰訊
  • AI lab（之前的論文高產(chǎn)地，之前被拆了，聽說最近又重組了。騰訊的組織架構(gòu)導(dǎo)致AI lab等代表的TEG事業(yè)群一直在公司里處境比較尷尬，不過論產(chǎn)論文的能力的話，前些年真是其他大廠都比不過。。最近也在努力跟業(yè)務(wù)結(jié)合，應(yīng)該會(huì)找到合適的發(fā)力點(diǎn)吧）
    BASE：深圳
• 網(wǎng)易游戲
  • 伏羲AI實(shí)驗(yàn)室（新成立不久的。雖然互娛是網(wǎng)易游戲更大的團(tuán)隊(duì)，不過論研究來說，還是伏羲實(shí)驗(yàn)室更有想象力一些。NLP的業(yè)務(wù)一般也會(huì)跟游戲場(chǎng)景結(jié)合，比如智能NPC之類的。不過畢竟是做游戲的，還是需要對(duì)游戲有很大熱情的小伙伴會(huì)比較合適一些。而且終面的時(shí)候感覺面試官的實(shí)力挺贊的）
    BASE：杭州
• 京東
  • AI lab（方向上感覺有點(diǎn)對(duì)標(biāo)阿里的lab，方向也是圍繞著電商場(chǎng)景來的，總體上團(tuán)隊(duì)實(shí)力挺不錯(cuò)的，在一些小方向如對(duì)話上也有一些小夕覺得蠻不錯(cuò)的工作，而且講真，京東給出的package確實(shí)比較有誘惑力）
    BASE：北京
• 滴滴
  • AI lab（感覺滴滴還是DM領(lǐng)域比較厲害，NLP領(lǐng)域可以落地的場(chǎng)景不多，所以研究格局相對(duì)來說更小一些，主要是在語言模型，檢索和翻譯等。但是滴滴這么多金主爸爸養(yǎng)著，不會(huì)差的，而且package灰常給力）
    BASE：北京

偏業(yè)務(wù)/產(chǎn)品的：

• 百度：
  • 大搜（搜索策略部）（感覺不用多說了，看家業(yè)務(wù)嘛。。。國內(nèi)最硬核的IR、NLP系統(tǒng)，數(shù)據(jù)資源能超乎99%的NLPer的想象，若能拿到offer，沒有猶豫的必要吧）
  • 鳳巢（商業(yè)策略部）（國內(nèi)最NB的搜索廣告系統(tǒng)，有大量的NLP場(chǎng)景，扛著百度近千億的年?duì)I收，有錢有數(shù)據(jù)有資源，同樣是拿到offer不用猶豫系列）
  • feed（推薦策略部）（與大搜和鳳巢一樣，是公司三大現(xiàn)金牛業(yè)務(wù)線之一，推薦、搜索和廣告都是NLP最有價(jià)值的落地場(chǎng)景，做業(yè)務(wù)不會(huì)錯(cuò)系列）
  • 度秘（百度對(duì)話技術(shù)主力落地的地方，做著各種“小度小度”的智能對(duì)話C端產(chǎn)品，可愛炸了。跟自動(dòng)駕駛一樣，背負(fù)著百度AI落地的使命，自然各方面都不會(huì)差。尤其在C端的對(duì)話產(chǎn)品上穩(wěn)穩(wěn)的國內(nèi)老大，全球top 2，尤其是做對(duì)話的小伙伴，不管是做算法還是做系統(tǒng)，去度秘絕對(duì)不會(huì)錯(cuò)（現(xiàn)在好像叫小度云平臺(tái)部）
  • 智能客服部（團(tuán)隊(duì)拿過百度最高獎(jiǎng)，發(fā)展快，機(jī)會(huì)多，主要做B端的對(duì)話產(chǎn)品和外呼產(chǎn)品，也是非常NLP的業(yè)務(wù)）
• 阿里
  • 智能服務(wù)（也就是小蜜相關(guān)的業(yè)務(wù)，分為店小蜜、云小蜜和阿里小蜜，落地到淘寶、其他阿里系產(chǎn)品以及B端用戶上。方向上來說主要是對(duì)話、問答相關(guān)的場(chǎng)景，屬于阿里的NLP技術(shù)落地最好的地方了）
  • 淘寶（NLP業(yè)務(wù)跟百度大搜有點(diǎn)像，主要是淘寶中的搜索、推薦相關(guān)，不過由于被檢索的目標(biāo)不是網(wǎng)頁而是商品，所以技術(shù)上來說要偏多模態(tài)一些）
  • 達(dá)摩院AI labs（雖然名字叫AI labs，不過是屬于那種做比較開腦洞產(chǎn)品的lab，比如天貓精靈這種。感覺雖然背負(fù)營收KPI，但是還是蠻好玩的業(yè)務(wù)）
• 騰訊
  • 微信事業(yè)群（北京的模式識(shí)別中心應(yīng)該是騰訊內(nèi)部AI做的最靠譜的地方了吧，有微信這種10億用戶的業(yè)務(wù)，感覺NLP想做的爛都難）
  • AI技術(shù)平臺(tái)部（在深圳的同學(xué)可以好好考慮~聽說是個(gè)不錯(cuò)的地方）
• 網(wǎng)易
  • 有道事業(yè)部（當(dāng)時(shí)面試時(shí)間沖突放棄了，不過有道NLP產(chǎn)品這么成功，想必也不會(huì)差。方向上來說，聽說文本挖掘、知識(shí)圖譜、機(jī)器翻譯相關(guān)的招的比較多）

好了，搞懂了自己想做什么，瞄準(zhǔn)一兩個(gè)目標(biāo)部門立個(gè)flag，后續(xù)就要圍繞這根主線來哦。有條件的童鞋可以找?guī)熜謳熃闾崆按蚵犚幌乱庀虿块T的研究方向或者業(yè)務(wù)方向，免得準(zhǔn)備了一年后發(fā)現(xiàn)人家根本不做這個(gè)。。。如果實(shí)在打聽不到，可以搜羅一下該部門近幾年的頂會(huì)paper、宣傳文章之類的，或者在知乎上撩一下相關(guān)的大佬們，結(jié)合官網(wǎng)上的宣傳，基本可以摸個(gè)差不多。

啰嗦了好多，下面就分享經(jīng)驗(yàn)啦。內(nèi)容分私貨篇和干貨篇，私貨篇主要講前期的準(zhǔn)備（筆試、簡(jiǎn)歷、論文、比賽、實(shí)習(xí)等，沒耐心的同學(xué)可以只看加粗的內(nèi)容），干貨篇看似是對(duì)小夕幾十場(chǎng)面試的面經(jīng)的知識(shí)點(diǎn)濃縮，實(shí)際上只是為了說明一個(gè)trick，即別人的面經(jīng)不重要，去為自己的關(guān)鍵詞去量身定做復(fù)習(xí)計(jì)劃吧。文末給出一些超級(jí)有信息量的tips。

目錄

私貨篇

筆試與面試中的筆試的準(zhǔn)備

簡(jiǎn)歷的準(zhǔn)備

論文的準(zhǔn)備

比賽的準(zhǔn)備

實(shí)習(xí)與項(xiàng)目的準(zhǔn)備

其他

干貨篇

面試中的基礎(chǔ)知識(shí)

面試中的設(shè)計(jì)/方案題

私貨篇

1. 筆試與面試中的筆試的準(zhǔn)備

這方面小夕走了不少彎路，其實(shí)提前批（7月下旬到8月底）基本不會(huì)有筆試（今日頭條、網(wǎng)易、網(wǎng)易游戲這三家有），因此大可把主要精力放在簡(jiǎn)歷及延伸內(nèi)容里。但是！解基本編程題的能力還是要鍛煉出來的，這是紅線。

面試中的白板編程題一般都超級(jí)簡(jiǎn)單，基本都是leetcode簡(jiǎn)單級(jí)別的或者劍指offer上的原題，偶爾出個(gè)leetcode中等難度的題。小夕把劍指offer刷了不到一半，leetcode刷了30來道題（按類別和top interviewed過濾后刷，先刷簡(jiǎn)單的），發(fā)現(xiàn)提前批面試中的白板編程題基本都可以應(yīng)付了。當(dāng)然，精力允許的話還是多刷點(diǎn)，畢竟解題解得快，別留邊界問題，會(huì)給面試官印象好一些。

哦對(duì)了，編程語言的話，放心的用python就好，小夕實(shí)在沒時(shí)間復(fù)習(xí)C/C++/Java了，所以leetcode還有各家的筆試面試都是用python寫的，親測(cè)沒毛病。

至于計(jì)算機(jī)網(wǎng)絡(luò)、操作系統(tǒng)、計(jì)算機(jī)組成原理、數(shù)據(jù)庫、編程語言、設(shè)計(jì)模式之類的基礎(chǔ)課，閑暇時(shí)翻一翻吧，全都從頭復(fù)習(xí)一遍太費(fèi)精力了，這些一般只出現(xiàn)在筆試的選擇題中。面試過程中除了今日頭條，其他家從來沒考過。

另外，矩陣論、概率統(tǒng)計(jì)這些數(shù)學(xué)課也記得順手復(fù)習(xí)哦，聽后來參加正式校招的小伙伴說，有的大廠的算法崗試題不怎么考計(jì)算機(jī)基礎(chǔ)，本科的數(shù)學(xué)課倒是考了很多。不過小夕親測(cè)碩士階段的數(shù)學(xué)課像最優(yōu)化之類的，考的非常非常淺，科普級(jí)別的深度就夠應(yīng)付了。（感覺最優(yōu)化白學(xué)了(′Д` )）

最后小夕不靠譜的猜測(cè)有的廠的筆試刷人可能不全看總分。因?yàn)樾∠υ诰W(wǎng)易的筆試的選擇題部分瞎蒙了好多題，最后40分的問答題也完全空著沒做，就中間30分的編程題磕磕絆絆的基本AC了（也掛了幾個(gè)case），但是最后筆試竟然過了。

2. 簡(jiǎn)歷的準(zhǔn)備

翻了一下，發(fā)現(xiàn)自己的簡(jiǎn)歷前前后后改了23版。。。回看7月份的簡(jiǎn)歷，簡(jiǎn)直辣眼睛╮(￣▽￣””)╭

毫無疑問簡(jiǎn)歷是最最最重要的東西，它不僅是面試的敲門磚，而且基本貫穿了整個(gè)面試過程！從小夕的經(jīng)歷看，不加面試中的白板編程時(shí)間，簡(jiǎn)歷內(nèi)容一般會(huì)占據(jù)每輪面試80%-100%的時(shí)間（今日頭條除外），其中占到100%時(shí)間的面試能占到50%以上。

做簡(jiǎn)歷的最基本也是最關(guān)鍵也是最容易被忽視的一條原則是，整體內(nèi)容一定要跟崗位需求match！其實(shí)做簡(jiǎn)歷跟寫文章很像，要圍繞一根主線展開，如果發(fā)現(xiàn)電路也做，視覺也做，推薦也做，NLP也做的話，很容易被打上“跟崗位不match”或者“這孩子做事浮躁”的tag。（身邊一小伙伴就這樣被某二梯隊(duì)廠以“NLP經(jīng)歷不足”為理由掛掉）

對(duì)于已經(jīng)一串paper的那種簡(jiǎn)歷來說，就不做建議了。但是如果對(duì)于比賽、論文、項(xiàng)目、專利都只有幾條的童鞋來說，完全可以把簡(jiǎn)歷做的有的放矢，match的內(nèi)容展開寫，不match的一筆帶過或者直接不寫，這樣面試官也省的一條條甄別信息量，面試過程也會(huì)變得更加主題明確。

小夕的一個(gè)小trick是，可以嘗試把最有信心在面試中談起的經(jīng)歷所在的板塊寫在最前面（僅次于教育經(jīng)歷），并用配色突出這條經(jīng)歷。小夕親測(cè)這樣的第一條經(jīng)歷可以聚焦非常多的面試火力，甚至有15%的面試是全部面試時(shí)間都在死磕這條經(jīng)歷！而且小夕神奇的發(fā)現(xiàn)，各輪面試很少有第一輪面試官問第一條，第二輪面試官問第二條這種，倒是經(jīng)常有面試官覺得你第一條經(jīng)歷很亮，于是告訴下一輪面試官這條很亮，然后下一輪面試官出于好奇就深入問這條經(jīng)歷，如果他也覺得很亮，就會(huì)轉(zhuǎn)述再下一輪面試官，于是再下一輪面試官又會(huì)主要問你這條經(jīng)歷╮(￣▽￣””)╭，然后offer就到手了。當(dāng)然，這樣的副作用就是，如果對(duì)面試官來說這條經(jīng)歷不亮，那面試基本掛掉一半了。

另外，除非你碩士期間對(duì)一個(gè)方向鉆的很深、已經(jīng)可以駕馭這個(gè)方向的絕大部分問題了，否則小夕墻裂建議單獨(dú)設(shè)置一個(gè)板塊列一下自己研究過的算法問題。比如分兩級(jí)，第一級(jí)講方向（比如對(duì)話系統(tǒng)），第二級(jí)講具體研究的子問題（比如聊天的一致性問題），這樣可以避免面試官對(duì)你進(jìn)行天馬行空式的考察，畢竟碩士時(shí)間有限，哪怕只做NLP中的一個(gè)方向，也難以研究的面面俱到。該板塊會(huì)貢獻(xiàn)大量的關(guān)鍵詞，這些關(guān)鍵詞基本可以決定面試官對(duì)你的考察范圍，詳見后面的干貨篇。

還有一個(gè)trick，簡(jiǎn)歷內(nèi)容太多，做到兩頁后，難免最后要塞一些無關(guān)痛癢的榮譽(yù)（比如獎(jiǎng)學(xué)金啥的）還有一些主觀內(nèi)容（比如算法研究、IT技能、自我評(píng)價(jià)之類的），這樣面試官看到后面發(fā)現(xiàn)沒營養(yǎng)了反而容易忘掉前面的亮點(diǎn)，所以小夕是把一條亮點(diǎn)經(jīng)歷放在簡(jiǎn)歷最后點(diǎn)個(gè)題（記得顏色突出一下，否則真被忽略了就哭了），這樣會(huì)讓面試官覺得整個(gè)簡(jiǎn)歷“干貨滿滿，這么亮的經(jīng)歷都只能排到最后面了”。

最后，對(duì)小夕簡(jiǎn)歷好奇的小伙伴也不要好奇了，除了性別沒什么亮點(diǎn)╮(￣▽￣””)╭各種被HR指控填錯(cuò)了性別，最后無奈之下把性別加粗了。嗯，是加粗了，不是改了。

3. 論文的準(zhǔn)備

首先diss一下很多人把收不到NLP算法崗offer歸結(jié)于沒有頂會(huì)論文，實(shí)際上碩士期間出一篇頂會(huì)論文對(duì)于絕大部分碩士來說還是非常難的，更何況AAAI這類頂會(huì)自帶灌水嫌疑，如果面試過程中也給人感覺是水文的話更不算什么加分項(xiàng)了。一般來說，碩士期間出一篇有意義的頂會(huì)最少意味著：

研一下學(xué)期之前把所有基礎(chǔ)打好（不然別人刷paper的時(shí)候你刷教材么

有很負(fù)責(zé)且很有經(jīng)驗(yàn)的導(dǎo)師/高年級(jí)博士帶（純靠自己摸索的話基本洗洗睡了

方向沒偏（有些導(dǎo)師做的方向?qū)嵲陔y出paper

數(shù)學(xué)、coding能力過關(guān)（學(xué)個(gè)numpy、tensorflow要花大半年的話可以轉(zhuǎn)行了

運(yùn)氣好（不是說觀點(diǎn)新，實(shí)驗(yàn)效果好，寫的也ok就能中的，你要相信神馬審稿人都會(huì)有的

一般來說研二那一年的最后能投的頂會(huì)是在4月之前的，再往后的會(huì)議出來錄取結(jié)果的時(shí)候基本校招提前批進(jìn)行一大半了，簡(jiǎn)歷能丟的都丟出去了，所以真正可以好好做科研的時(shí)間基本只有研一下學(xué)期+研二上學(xué)期。（本科出頂會(huì)的大佬忽略）

而對(duì)于大部分人來說，很難一下子就有一個(gè)idea，然后一下子就做出來了好實(shí)驗(yàn)效果，一下子論文寫的也很漂亮，一下子就中了頂會(huì)的，基本都要從水會(huì)投起，摸索套路，所以一無所有的情況下非頂會(huì)不投幾乎等同于作死（當(dāng)然水某些A類頂會(huì)的話另說）。但！是！盡自己的努力去水一篇非頂會(huì)還是不難的（比如CCF C類的水會(huì)，EI檢索之類的）。水完水會(huì)之后，想進(jìn)一步水頂會(huì)的小伙伴們可以根據(jù)這個(gè)ddl時(shí)間表規(guī)劃一下自己的時(shí)間
-> AI Conference Deadlines

4. 比賽的準(zhǔn)備

除了論文，另一個(gè)有吸引力而且性價(jià)比更高的活動(dòng)就是打比賽了。個(gè)人英雄主義在大課題、大項(xiàng)目里很難體現(xiàn)，但是在一個(gè)比賽中卻是有了充足的show的機(jī)會(huì)。但是注意那些小企業(yè)小機(jī)構(gòu)辦的幾十個(gè)隊(duì)伍參賽的小比賽就不要水了，提交個(gè)baseline模型就能水個(gè)top3挺沒意思的，掛簡(jiǎn)歷上會(huì)“很掉身價(jià)”的。

除了NLP各大頂會(huì)和kaggle的比賽，還可以多多關(guān)注各個(gè)互聯(lián)網(wǎng)大廠舉辦的NLP比賽，比如微軟的編程之美挑戰(zhàn)賽（去年是問答bot）、百度的機(jī)器閱讀理解大賽、阿里的天池系列比賽等，親測(cè)在各大廠的面試中很有效（非舉辦方的互聯(lián)網(wǎng)公司一般也都會(huì)關(guān)注友商的比賽的）。

另外，一定一定要打跟目標(biāo)崗位match的比賽，底線是NLP比賽。比如你想做chatbot，卻光打一些數(shù)據(jù)挖掘類的比賽，哪怕top 5也意義不大，但是這時(shí)文本匹配、生成、問答相關(guān)的比賽哪怕排名一般（差不多容忍到隊(duì)伍數(shù)的10%）也完全可以強(qiáng)行寫上去。已經(jīng)有名次很好但是match程度不高的比賽了怎么辦？簡(jiǎn)歷上一句話帶過吧，突出強(qiáng)調(diào)和大寫特寫只會(huì)讓人覺得你跟崗位不match。

具體到比賽過程中，如果你要做NLP，千萬不要靠堆開源模型做ensemble上分，這樣雖然能為你爭(zhēng)取到面試機(jī)會(huì)，但是這樣基本沒有任何創(chuàng)新，只會(huì)讓面試官覺得你是個(gè)優(yōu)秀的搬磚工程師和調(diào)參小能手，如果簡(jiǎn)歷上也沒有亮點(diǎn)，很容易被掛（身邊有活體例子）。對(duì)于面試來說，優(yōu)秀的單模型超級(jí)好用！另外最好把頂會(huì)SOTA也拿到比賽數(shù)據(jù)集上跑一下，這樣面試時(shí)更有說服力。

5. 實(shí)習(xí)與項(xiàng)目的準(zhǔn)備

一份兒好的實(shí)習(xí)經(jīng)歷確實(shí)可以加分，比如MSRA、百度自然語言處理部、阿里idst、騰訊AI lab這些部門的research經(jīng)歷或者大廠match的業(yè)務(wù)部門的出色工作都會(huì)讓面試難度降低不少，然鵝小夕親測(cè)這并不是必須的（心疼的抱抱導(dǎo)師不放實(shí)習(xí)的自己(｡ ?︿ ?｡)）。同時(shí)，小夕也親測(cè)實(shí)驗(yàn)室的大項(xiàng)目一般木有多少吸引力，遠(yuǎn)不如上面那幾個(gè)地方的實(shí)習(xí)經(jīng)歷值錢，所以抱怨自己實(shí)驗(yàn)室沒項(xiàng)目的童鞋可以stop了，去找實(shí)習(xí)機(jī)會(huì)吧。

6. 其他

最后啰嗦一下，頂會(huì)paper、top比賽、大廠研究院實(shí)習(xí)都不是必須的，但是最好它們?nèi)』蜻\(yùn)算后為真。從小夕身邊的小伙伴的情況看，只要取或運(yùn)算后為真，一般BAT的核心研究部門或者核心業(yè)務(wù)部門最少也能拿一個(gè)offer。

如果很不幸成為了“三無人員”，那么一定要保證扎實(shí)的數(shù)學(xué)、NLP、coding能力和最少一個(gè)研究方向的專精，能夠在面試時(shí)表現(xiàn)出超出簡(jiǎn)歷描述的能力，這樣也會(huì)非常打動(dòng)面試官的，畢竟誰都想招一個(gè)潛力股嘛。

干貨篇

1. 面試中的基礎(chǔ)知識(shí)

這一篇說起來都是淚，小夕曾經(jīng)努力擠出時(shí)間復(fù)習(xí)，手?jǐn)]了一遍邏輯回歸、最大熵、決策樹、樸素貝葉斯、SVM、Adaboost、EM、HMM、CRF的推導(dǎo)，結(jié)果發(fā)現(xiàn)從來沒被問到過。。。從來沒被問到過。。。從來沒。。。

然后很奇葩的竟然被問到過TCP三次握手，hadoop中的shuffle機(jī)制，linux的find命令怎么用。。。（from 今日頭條）

雖然實(shí)現(xiàn)NLP的方法基本離不開機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)，但是如果按照前面簡(jiǎn)歷篇講的準(zhǔn)備簡(jiǎn)歷內(nèi)容，其實(shí)在NLP崗的面試中很少直接考察ML和NN的理論知識(shí)。那考察什么呢？當(dāng)然是考察關(guān)鍵詞呀！所以總結(jié)一下自己簡(jiǎn)歷的關(guān)鍵詞，然后展開復(fù)習(xí)吧！

下面小夕拿自己舉個(gè)例子。小夕簡(jiǎn)歷上出現(xiàn)的NLP關(guān)鍵字如

問答、MRC、對(duì)話、匹配、詞向量、遷移、分類、分詞、POS、NER等

下面是面試中考過的基礎(chǔ)知識(shí)舉例

trick：方向不match的面試官喜歡考察詞向量和文本分類相關(guān)的知識(shí)

模型篇

• SGNS/cBoW、FastText、ELMo等（從詞向量引出）
• DSSM、DecAtt、ESIM等（從問答&匹配引出）
• HAN、DPCNN等（從分類引出）
• BiDAF、DrQA、QANet等（從MRC引出）
• CoVe、InferSent等（從遷移引出）
• MM、N-shortest等（從分詞引出）
• Bi-LSTM-CRF等（從NER引出）
• LDA等主題模型（從文本表示引出）

訓(xùn)練篇

• point-wise、pair-wise和list-wise（匹配、ranking模型）
• 負(fù)采樣、NCE
• 層級(jí)softmax方法，哈夫曼樹的構(gòu)建
• 不均衡問題的處理
• KL散度與交叉熵loss函數(shù)

評(píng)價(jià)指標(biāo)篇

• F1-score
• PPL
• MRR、MAP

可以看出，其實(shí)面試考察的基礎(chǔ)知識(shí)的內(nèi)容跟簡(jiǎn)歷中的關(guān)鍵字高度相關(guān)有木有。雖然偶爾也會(huì)問到一些超出關(guān)鍵字限制的范圍，但是非常非常少，而且基本都是些跟研究方向無關(guān)的基礎(chǔ)知識(shí)。當(dāng)然，這個(gè)前提是按照前面簡(jiǎn)歷篇的建議來認(rèn)真構(gòu)造“算法研究”的板塊吶。身邊不少小伙伴吐槽面試官問的問題很偏，跟自己的方向差別大，然而都木有反思過自己的簡(jiǎn)歷到底有沒有告訴面試官自己擅長(zhǎng)什么，遇到不match的面試官的話肯定被問成狗哇。（當(dāng)然，遇到完全不看簡(jiǎn)歷，方向又跟自己不match的面試官的話可以善意的提醒“抱歉我不是做這個(gè)方向的”）

2. 面試中的設(shè)計(jì)/方案題

除了基礎(chǔ)知識(shí)，有的公司還會(huì)出一些開放性的設(shè)計(jì)題（尤其在最后一兩輪面試或者是為SP、SSP設(shè)置的加面時(shí)），解這些設(shè)計(jì)題主要還是靠項(xiàng)目和比賽的經(jīng)驗(yàn)積累，切忌不要只拿論文說事兒，要站在以最小代價(jià)來解決問題的角度出方案，而不是非要用上最新的論文。

解這類題的一條基本原則是，能用規(guī)則解決就不要用數(shù)據(jù)，能用簡(jiǎn)單特征工程解決就不要上大型神經(jīng)網(wǎng)絡(luò)，上大型網(wǎng)絡(luò)時(shí)盡量不要使用深度LSTM這類推理復(fù)雜度太高的東西。

最后總結(jié)一下，精心的準(zhǔn)備好簡(jiǎn)歷，那么從巨頭到startup的面試其實(shí)都大同小異（個(gè)別奇葩面試套路的公司除外）。hold住自己的簡(jiǎn)歷和研究方向，白板編程別太差，面試基本都能過。另外，小夕參加的都是提前批，不太清楚正式批會(huì)不會(huì)有變化。不過貌似正式批的NLP崗少得多，盡量不要把重心放正式批哦

TIPS篇

一定不要錯(cuò)過提前批！一定不要錯(cuò)過提前批！一定不要錯(cuò)過提前批！不要相信錯(cuò)過提前批還有正式批的鬼話，很多核心部門的NLP崗的hc在提前批就用光了！

提前批不要拖到末尾！尤其百度自然語言處理部的坑，面試當(dāng)天就給口頭offer，先占先得！

阿里基本是遠(yuǎn)程面試，6輪面試都沒編程題！簡(jiǎn)歷內(nèi)容準(zhǔn)備好就可以直接投阿里了！

內(nèi)推之前千萬不要把簡(jiǎn)歷掛到騰訊校招系統(tǒng)，填上意向部門都沒用，不match的其他部門很可能以迅雷不及掩耳之勢(shì)強(qiáng)行撈起你的簡(jiǎn)歷，然后你的騰訊之旅就舉步維艱了（我跟另外倆小伙伴血的教訓(xùn)。。。）

如果只是想找算法崗，但沒有研究方向，沒刷幾篇paper，不過研發(fā)能力強(qiáng)，基礎(chǔ)編程題解的快，工具用的熟，那就去投頭條吧。（親測(cè)它提前批的三輪技術(shù)面都沒學(xué)術(shù)味兒，所以優(yōu)勢(shì)在對(duì)立面的小伙伴謹(jǐn)慎）

謹(jǐn)慎投遞跟第三方招聘網(wǎng)站比如前程無憂 (51jobs) 合作的企業(yè)，除非你想換手機(jī)號(hào)了╮(╯▽╰)╭

更多精彩文章歡迎關(guān)注小夕的微信訂閱號(hào)【夕小瑤的賣萌屋】噢 (?ω< )★

總結(jié)

以上是生活随笔為你收集整理的别求面经了！小夕手把手教你如何斩下和选择NLP算法岗offer！（2020.4.14更新）...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。