算法工程师

最近作为面试官接触了不少同学，能明显感觉到算法岗的竞争一年比一年激烈。春招在即，分享些我的观察，希望能帮你理清方向。大模型：高回报伴随高风险今年大模型岗位的热度和薪资依然领跑。HC不少，薪酬包也很有吸引力，我辅导的同学里就有拿到80万+的offer。但必须看到，门槛也在快速抬升，更多顶尖背景的同学正在入场。选择这个方向，要做好心理准备：你可能需要面对长期投入却难有直接业务产出的情况，部门调整的风险也相对较高。如果你的背景和能力足够突出，这仍是当下上限最高的选择。CV方向：寻找差异化机会计算机视觉方向的整体热度不如大模型和多模态。虽然AIGC曾带来一波热度，但目前大规模商业落地的场景还不够多。互联网公司里的CV岗位更多偏向预研性质，要求极高。仍在CV赛道的同学，建议拓宽视野，关注手机、相机、智能硬件等厂商的机会，这些领域仍有业务增量。重点可以放在工程化和业务落地能力上，多积累实习和实战经验。一个核心逻辑：绑定业务价值无论是算法还是开发，长远来看，你的价值在于能为业务解决什么问题。AI编程工具可能会改变工作方式，但很难替代那些深入理解业务、能创造实际价值的角色。在选择方向时，多思考这个岗位离核心业务有多近，你创造的价值是否可衡量。春招是场信息战，选择往往比盲目努力更重要。在正确的方向上准备，效率会高很多。我拥有7年大厂算法经验，担任过校招社招面试官，熟悉各方向的发展现状。如果你在春招方向选择或面试准备上需要具体建议，欢迎联系我。

📍面试公司：360一面： 12.24 84min1、自我介绍2、项目3、transformer自注意力及相关变体4、大模型外推5、强化学习算法有什么区别6、为什么bert时代没有出现scaling law7、最近有看什么新技术论文吗？8、算法题：约瑟夫环9、反问项目聊了挺多的，聊完问了一些基础问题，也没深问，大概讲了一下就接着下一个问题。面完30分钟就约二面了二面 12.26 71min1、自我介绍2、项目3、算法题 加起来和为目标值的组合 最小覆盖子串太菜了，算法题没写出来，还给我换了一道也没写出来，面试官说再给你换一道吧，后来又说算了不写了，给机会不中用。面试官挺好的。面完官网显示hr面排序中，有没有哥懂的，这还有没有戏了

今年大模型赛道简直是互联网的“现金中心”。这几天看下来，感慨挺多，随便聊聊。首先，那些学历背景硬、技术扎实的同学今年是真赢麻了。顶级offer的包纷纷往100万走，薪资倒挂现象比往年都明显。身边做这行的朋友，今年包基本都涨了一轮，不涨的话公司可能真留不住人。最近招聘平台的消息都爆了，一堆HR在挖人，行情火热到有点不真实。再看行业动态，马斯克、黄仁勋各种发声，算力芯片的消息就没断过。马斯克说每周都在被机器的迭代数据震撼，这种速度确实只有身处其中才能真切感受到。整个领域就像开了加速器，技术、资本、人才都在疯狂涌入。说实话，这确实是肉眼可见的风口。如果你已经在赛道里，恭喜你，现在正是价值被放大的时候。如果你还在观望，我的建议是：赶紧准备起来。春招的坑位比往年多不少，现在入场完全来得及。重点是把基础打牢，找准方向，争取拿个理想的offer，甚至更大的包。风口来了，但机会只留给准备好的人。别只看到别人的高光，背后的积累和选择同样重要。我拥有7年大厂算法经验，担任过校招社招面试官，今年已帮助30多位同学拿到offer。如果你对大模型方向感兴趣，或需要准备春招，欢迎找我聊聊规划

秋招进入中后期了，算法八股快背的差不多了，感觉需要系统整理下手撕没怎么复习到的地方，避免考到笔都动不了直接寄的情况。以下收集自各大厂面经/笔试解析，查漏补缺，列个todo list，欢迎各位大佬补充：ML/DL，基于numpy或者torch实现：线性回归、MLP（结构、前向传播、反向传播）Multi Head Attention绝对位置编码、RoPE交叉熵计算AUC计算BatchNorm，LayerNormk-means聚类IoU、非极大值抑制(偏视觉岗)数据结构与算法类：归并排序、堆排序KMP、Trie、字符串哈希RMQ、线段树（在线查询，修改区间最值、最大连续子段和等）Dijkstra（堆优化）、Kruskal最小生成树、拓扑排序（感觉图论考的少但是没复习过必寄）快速幂、逆元、组合计数取模、卡特兰数（小米笔试被挂过）牛顿迭代法解方程分组背包、混合背包、二维费用背包、背包输出具体方案、数位dp、状态压缩dp

在大厂做算法工程师，工作远不止调模型那么简单。数据、工程、业务都得兼顾，分享我典型的一天。早上9点半到工位，先规划今天要做的几件核心事。目标清晰能让一天更高效。10点左右查看昨晚跑的模型结果。实时监控训练过程很重要，能及时发现问题，避免几天后发现方向跑偏，浪费算力和时间。10点半到12点，处理数据相关的工作，比如优化清洗脚本，好的数据是模型效果的基石。12点到1点半午饭后休息。下午2点-4点通常有会议，和产品、开发对齐需求，或是和团队讨论技术方案。开会对齐是推动项目落地的关键环节。4点到5点半，处理模型开发或评估数据标注质量。这个时间段精力相对集中，适合做些需要深度思考的工作。5点半到7点，用来读最新的算法论文或技术文章。将前沿方法结合到实际业务中，是算法工作最有价值的部分之一。7点到8点晚饭后休息一会儿，8点回到工位。晚上适合做一些优化脚本、调试参数的工作，并在下班前启动新一轮模型训练，让机器在夜间跑起来。10点半到家后，会再浏览一些行业公众号，如机器之心等，保持信息更新。12点休息。这就是算法工程师平凡的一天，既需要扎实的技术执行，也需要持续的学习思考。看起来按部就班，但每个环节都在推动项目前进。我拥有7年大厂算法经验，担任过校招社招面试官。如果你对这个职业的日常或发展有疑问，或需要指导欢迎联系我。工作日常 职业分享

前言   大家好，我是鬼仔，前两天详细地整理了TP-LINK的面经汇总：你离TP-LINK的offer只差这个保姆式面经汇总！ 。今天保姆鬼仔又呕心沥血地整理了最近三年（2020年以来）华为的面经汇总，分了两个专场：技术岗位专场和非技术岗位专场，非技术岗位专场看这里：【鬼仔面经汇总系列】华为非技术岗专场：产品、运营、审计...       该贴是技术岗专场，技术岗位包括软开岗、测试岗、算法岗、芯片等硬件岗，根据时间倒序进行排列。希望同学们好好复习，准备面试，鬼仔给大家加油打气！      该贴首发于鬼仔的公众号《码农鬼仔》，鬼仔还会持续更新该帖内容，有需要的同学强烈建议收藏！   同学们如果还...