双非本科背景，拿到车企40万+的sp offer ！— 22年校招面经分享
共 2692字，需浏览 6分钟
· 2022-06-01
回复“100题”领取『名企AI面试100题』PDF
回复“干货资料”领取『NLP、CV、ML等AI方向』干货资料
回复“往期招聘”查看『往期内推招聘』
本人背景：国内本科双非 + 英国名校硕士
学习经历：推荐高级小班
学习建议：
老师的讲课内容很多，但是会讲哪里是重点，刚上课的时候会遇到各种大佬也在学习(后来才知道，有很多已经在公司甚至大厂做推荐了)，都很厉害，只有自己什么都不太懂。
这个时候其实最考验心态，大家要多和老师沟通，老师也会很及时的给我们一些指导（个人感觉这种一对一指导才是小班的精华所在）；
为了更容易跟上老师的节奏，其实最好上课前先自己做好 research，把相关的论文，自己先给熟悉一下。在熟悉的过程中，不懂的直接Google/百度，先大概有个概念。
这时心里也会有一些疑问，在上课的是就可以抛出问题啦。另外，这些论文，模型，不是说看一遍就能理解的，我基本都是每篇论文读个 2-3 遍，每次读都会有新的收获。
1. 资料：
在经历过论文和项目之后，重点就是七月的面试资料了，总结的非常好。很多问题都是面试时候的高频问题，建议先把所有的资料通读一遍，然后在面试前，根据面试的岗位，有针对性的把相关章节给复习一下。
有时间的同学，可以跟着目录，自己练习回答问题，说出自己的理解，然后再与后面的正文作对比，看看自己有无遗漏。
2. 面试：
1. 如果能用自己的理解来解释问题，会让面试官对你更加深刻。比如说，面试官很喜欢在一面的时候问一些基础的问题。
比如说，knn 是什么，我一般第一句回答就是：knn 是一种哲学思想，有点类似于中国古代所说的”近朱者赤近墨者黑”，然后再具体解释模型的用法和计算方式。
2. 在回答问题的时候，可以适当的做一些预判和拓展。
比如说当面试官问道深拷贝和浅拷贝的区别的时候，可以在解释了基本原理之后，讲一些自己的用法（我在面试的时候，就把 Transformer 构建 6 个 encoder 和 6 个 decoder 的时候是如何使用深拷贝作为案例及讲给了面试官听）。一般面官每天面试非常多的同学，可以通过这种方式，让面试官对你加深点印象。
3. 面试的时候尽量减少说不知道，不了解，可以换一种方式来进行间接回答。
比如说面试官在一面的时候让我解释下时间复杂度，这个问题本来不难，但是因为太久没有看到这种理论的知识，所以有点模糊，我的回答是：因为很久都专注在项目和模型上，这个知识点有点模糊，一般就是通过 O 来表示复杂度，但在实际项目中，我很少会直接通过这种方式来测算复杂度。
而是直接通过 import time 的方式来打时间戳，计算每个 epoch 的时间，而且这个速度和当时的设备会有很大的关系，cpu 和 gpu 的区别会非常大，babala（成功的把面试官的注意力引向了别的地方?）
简历一定要写清楚自己精通什么，使用过什么，了解过什么，千万不要把自己不熟悉的语言或者模型写成精通。可以把自己熟悉的模型，或者语言放到比较明显的地方，作为面试官提问你的锚点。
项目方面：我会把自己做的项目，按照背景、过程（用到的理论知识可以写到简历上，作为引导面试官提问你的锚点）、项目结果的顺序讲给面试官听。大家可以在每个项目做完后，自己梳理一遍自己整个项目的流程，用到的技术，并且搞懂每个点，在二面或者三面的时候，面试官很会把你简历上呈现的点进行深挖。如果解释不清的话，会很减印象分。
如果没有比较"高大上"的项目可以写进简历里，也可以把七月【推荐高级小班】的项目写进简历里，但是一定要加以自己的思考和升华。项目永远是面试所围绕的中心，所以对于项目一定要倒背如流才行。
且七月在线目前最新一期的推荐高级班继续沿用了“BAT大咖小班教学”模式，以及已有的特色。
内容全面系统：包括推荐常用算法、真实场景推荐、推荐前沿技术等四大阶段的内容；
标准化项目流程：涵盖环境和数据准备、特征工程、模型构建、模型调优、上线部署等；
多对一就业指导：单独指导每个人的就业，包括且不限于简历指导、面试辅导、就业内推；
其次，相比上期，本期
技术阶段新增：最新paper的学习研究和大厂落地新的技术点（推荐算法特征交叉新方法CAN，和参数个性化CTR模型PPNet等）
项目阶段新增：2020腾讯广告算法大赛和微信视频号推荐两大全新项目一切为更好的在职提升，或跳槽涨薪/升职加薪。
且本期课程讲师均为国内外知名技术骨干或技术大牛，学员将在这些顶级讲师的手把手指导下完成学习。
完成项目进入就业阶段后，BAT等大厂技术专家会一对一进行简历优化（比如将高级班项目整理到简历中）、面试辅导（比如面试常见考点/模型/算法），且和就业老师一起进行就业推荐等等就业服务。
机会永远留给提前做好准备的人！如果你想从事推荐方向的工作，想在最短时间内成长为行业中高级人才，进入知名互联网公司，扫码咨询课程详情（或私信七月在线任一老师领取）！
扫码“领取面试资料+课程试听”
一面：一般会问一些基础性的问题
1. list、元组 dit 的区别；
2. 深拷贝和浅拷贝
3. 时间复杂度
4. bagging 和 boosting 的区别
5. 什么是 auc
6. knn、k-means
7. EM 算法
二面/三面：一般会根据项目来拓展问一些问题
1. 详细介绍下图像分类的整个流程
2. word2vec 的不同实现方式
3. 解释一下什么叫 FPN
4. 解释下方向传播的全过程
5. 解释下多头注意力
6. Attention为什么选择点乘而不是加法
7. NLP 为什么喜欢用 layer norm 而不是 BN
8. 以及自己做的项目中的一些知识点，如 MMoE 之类的
收获：我在秋招的时候拿到了 3 个 offer （主要集中在银行的科技岗）；春招的第一周拿到了一家车企的 sp，因为对新能源汽车比较看好，所以就接了这个 offer，后面就没有继续面试了。
心得：秋招春招申请的职位不多，但凡进入笔面的拿offer的比例超过50%，总结了一些经验。基础的面试题要熟练掌握；
对自己的项目要非常熟悉；延伸的模型等相关知识点也非常熟练；最后，诚恳又自信，无论面试官多么严肃。希望各位小伙伴早日成功上岸！
机会永远留给提前做好准备的人！如果你想从事推荐方向的工作，想在最短时间内成长为行业中高级人才，进入知名互联网公司，扫码咨询课程详情（或私信七月在线任一老师领取）！
扫码“领取面试资料+课程试听”
戳↓↓“阅读原文”查看课程详情！