本文作者黃海龍，優秀的研三學生，也是我的知識星球合伙人，名字跟我的名字有66.7%的相似。曾經獲得18年9月份在京東舉辦的對話比賽中拿到了亞軍，18年11月份在李開復的創新工場舉辦的大規模文本競賽中，拿到了第一名。（這兩項比賽的獎金，個人分到了24萬元）

正文開始

2019年的秋招，比往年來的都更早一些，今年的算法崗位面試者，大多也都焦慮一些。

因為學習算法的人數遠比前后端多，但其招聘人數遠比后者少，因此競爭尤為激烈。我面試的崗位都是自然語言處理算法工程師，本篇文章主要講述我的秋招歷程。

今年我面試了百度、阿里、騰訊、美團、網易、京東、快手、拼多多、字節跳動，目前面試基本結束，等待 offer 階段。

收到了百度、阿里、騰訊、美團、京東、拼多多的 offer，其余的在等待，問題不大。

一、面試準備

1.1 簡歷制作

我的簡歷上，比較突出的是兩部分，一是實習經歷，曾經在創業公司和字節跳動實習過，現在在微信實習；二是比賽經歷，參加了一些自然語言處理的比賽，獲得了冠亞軍的獎項。說實話，實習經歷夠了，比賽經歷也夠了，缺的是學術論文的經歷，也是接下來嘗試突破的方向。

花了幾天的時間專門修改簡歷，刪繁就簡，將豐富的經歷壓縮到一頁篇幅。很多人做簡歷使用 word，但我總覺得用起來挺不方便，所以自己設計了個ppt 模板，用它來制作簡歷。整體風格簡約，比較符合互聯網面試官的審美。

建議大家多花點時間潤色簡歷，畢竟這是面試官對你的第一印象，多下點心思，制作過程也是對個人經歷的復盤總結。

1.2 算法刷題

我將算法考察分為硬算法和軟算法，硬算法指的是編程基礎，軟算法指的是機器學習算法基礎。

針對硬算法，我從三月份開始，基本每天堅持做一道 leetcode 算法題。以下是我的提交記錄，每個格子代表一天，顏色越深，表示刷題數目越多，時間跨度是三月份到七月底。

之后為什么沒有再刷呢，因為我刷題的時候喜歡總結，做了兩百道題目之后，常見知識點已經掌握了，面試時算法題基本都能夠做出來。以下我整理的常見概率題和算法題目錄。

針對軟算法，就在網絡上搜索面經，例如牛客網、技術公眾號、csdn等等，在面試相應的公司之前，先檢索下該公司崗位常考察的算法題目。簡歷上提及的算法，例如LR、GBDT、CNN/RNN/LSTM，原理一定要懂，常考察的公式需要掌握推導流程，例如手寫SVM推導、神經網絡反向傳播推導流程。以下是整理的一些機器學習面試資料目錄，學習之后，面試時候就能和面試官斗智斗勇了。

1.3 簡歷項目

簡歷上的項目，要用心來總結提煉，言簡意賅，用最少的文字展示自己。寫上去的項目，面試時候問到的概率非常大，所以要保證能夠熟練講解每個項目，可以按照三要素來介紹，項目分工、項目成就、心得成長。

不免俗，我也送福利，也是希望大家能夠關注我的公眾號。在公眾號中發送?秋招?兩個字，即可獲取整理的算法資料（編程題和機器學習面試題目）。

總結下，技術面中，如果項目豐富，會聊項目，所以好的實習、競賽經歷很重要；沒有項目會考察基礎算法比較多；技術面都會有編程題，難度不大，基本不超過 leetcode 的中等難度。

總監面就是聊聊實際問題的解決能力，未來的職業規劃，對公司的看法等等；

HR面就是看看有哪些offer，打算在哪工作，薪資的預期，為什么想要來這個公司（要學會大夸特夸）。

最后，祝大家 offer 多多！黃海龍的公眾號：

本站簡介↓↓↓?

“機器學習初學者”是幫助人工智能愛好者入門的個人公眾號（創始人：黃海廣）

初學者入門的道路上，最需要的是“雪中送炭”，而不是“錦上添花”。

本站的知識星球（黃博的機器學習圈子）ID：92416895

目前在機器學習方向的知識星球排名第一（上圖二維碼）

往期精彩回顧

• 良心推薦：機器學習入門資料匯總及學習建議
  

• 黃海廣博士的github鏡像下載（機器學習及深度學習筆記及資源）

• 機器學習小抄-（像背托福單詞一樣理解機器學習）
  

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 機器學習必備寶典-《統計學習方法》的python代碼實現、電子書及課件
  

• 重磅 | 完備的 AI 學習路線，最詳細的資源整理！
  

• 圖解word2vec(原文翻譯)

• 斯坦福CS229機器學習課程的數學基礎（概率論和線性）

備注：加入本站微信群或者qq群，請回復“加群”

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的推荐一位学霸的秋招经历（已收到百度、阿里、腾讯、美团、京东、拼多多的 offer）...的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。