一个菜鸡的暑期实习路

从5.17美团发offer,到现在在美团实习了快两周,颇多感慨吧,顺带记录一下我这第一次找实习的经历,感谢牛油们的各种分享,从0到1的拿到了第一个offer。

一、开始

本科是东南环境的所以完全没有这块的项目实践基础,研一来了之后一直在做深度学习和算法相关的内容。也没有的选,当时没有对于就业形式的紧张感,就想着一路算法多省事。当时组里其他同学都去实习了,出于就业考虑(其实是觉得在组里搞课题没意思)到了22年7月研一结束经老师推荐投了一次上海AILab的实习,二面之后等了一段时间没有消息,后来也就不了了之,难受了一段时间之后。开始在学校做毕设课题。一个人的科研纯粹却又枯燥,当时组里留下的人很少,平时也少有人交流课题,就像是西安酷热的夏日和乏味的蝉鸣,当时对科研和算法渐渐失去了热情,想着早点做出来东西出去实习,终于干到去年11月份基本有了点进展,于是开始准备找实习的事情。由于课题枯燥,遂从零算法转开发。

二、起步

一开始就是学java,从来没写过,一开始语法都不会,写lc的时候极其不适应,好在研一python刷过两个月的lc,有点点lc基础。然后就是跟着尚硅谷的课看,某宝6r的视频资料,跟着一天天看。一直看到今年3月5号。其实我的时间安排是有大问题的,课应该看,但是其实没有必要看这么久,我当时有些内容还是跟着敲,后来发现敲了也记不住。另外就是做了个预约挂号平台,其实发现课里面的那些项目都蛮烂大街的,其实没有什么亮点,或者在面试官看来,那就仅仅是用来占用空间填充简历的东西,完全没有必要深入学习,花一两周简单敲敲就可以啦。3月份才开始刷面经,一开始八股一点不会,连基本的线程池都没听说过,也不知道锁、JVM是啥。反正稀里糊涂就上了路,背了两个礼拜的八股就开始投了。

三、折磨&煎熬

当时3.17号,去创新港的逛了逛23的春招,当时规模蛮大,还上了新闻联播。摊位排起长龙,被裹在来来往往的手里拿满了传单的人群中,队伍长龙望不到头。当天回来就开始投简历了,第一天就是投的美团和华为。后来总共投了五十多家吧,开暑期的能叫得上名字的都投,天天做笔试,做测评,把准备的节奏打的很散,然后第一次找实习,也不是很会准备和包装项目。一开始还蛮认真,面完之后就写面经,记录自己的面试过程,后来真的是被拷打了,字节一面挂,美团一二面完泡了一个月的池子,蚂蚁一面挂,然后最离谱的是阿里,这最近一个多月吧,挂了捞,捞了挂,三个部门全都一面挂,现在看好像流到饿了么让我再去面,我寻思咱这是在鞭尸嘛。。。其实这中间大概率也是自己的问题,完全不懂简历的包装,我原来就是纯实在人,项目做了啥就写啥,完全没有那种找亮点的过程,其实也是欠缺经验吧,本身自己做的算法的东西是不少的,完全可以结合着包装一下,做成一个业务核心是算法,但是套上系统外壳的项目。所以4月底那段时间,其实心里蛮低落的,周围同学都陆陆续续拿到offer了,也很多都去实习了。于是好好反思了一下,做了两个方面的决定,一个是下了个boss开始投小厂(真的很不甘心,还是向现实低头了),一个是开始包装简历。投小厂这个其实相当不明智,也相当打击我的信心,应为有三四家吧联系我面试,然后两家直接就是一面之后就没音了,另外一家万物心选二面完没消息(主要自己八股背的也不好吧),就是当你发现连续面了很多家小厂都是难逃一挂的时候,真的对实习完全没有了信心。后来想想小厂其实主要招即战力,我这种有一点点学历但是没啥技术刚刚学java用了不到半年的,其实是挺尴尬的。包装简历这块我觉得是相当重要的,我有意开始准备自己的话术,准备对于项目的困难和做的亮点,并开始去做适当的可控的修饰。这个其实还是蛮有用的后来五月之后的招行、荣耀实践之后发现相当有用(他们也没怎么问八股,所以针对项目的某些问题提前准备话术很重要!)。顺带提一嘴,招行fintech笔试给奖金,我当时排名130多吧,发了188r,相当有好感了属于是。

四、收尾

美团二面完泡了一个月的池子,当我对他早已不抱希望的时候,后来突然有一天打来了一个北京的电话,那头是美团的hr,说部门架构调整,原来部门的流程接入到了新的隔壁组,那边的直接leader面一次就可以了,就约在当天下午。这回面试就很顺利了,过了两三天就oc了,想想蛮神奇的,当时第一个投的公司就是团子,从3.17开始投简历到5.17oc,结果兜兜转转就还是团子收留了我。

现在这个组是做运维业务开发的,最近618业务量很大,有点卷,我这边刚来第四天就拿到了一个模块的开发需求,有一点点不适应,后面跟着一点一点学习吧。

最后简单总结一下吧,基本上找暑期实习就结束了,整个过程就是折磨且充实吧,过程中也穿插着一些其他的事情,比如通过考核如愿成为一名预备党员了,也结识到了很多志同道合的朋友,认识了很多有趣的人,也遇到了鼓励我支持我的cwy小朋友。

总共拿到实习offer的有 美团,荣耀,招行fintech,华为还有中债金科,中信建投。

美团入职前去了招行的fintech训练营,真的是蛇口地头蛇哈,来回机票交通食宿全程照顾的超级周到,第一天还给我们定了六一的m记儿童套餐,比赛相当肝,最后一天晚上的大邮轮也相当爽。

剩下78月份就是开始准备秋招了,继续加油吧。

#晒一晒我的offer##我的实习日记##我的实习求职记录#
全部评论
牛逼
1 回复 分享
发布于 2023-06-20 08:55 广东
学长牛逼
1 回复 分享
发布于 2023-06-18 17:18 陕西
学长,中债金科面试难度怎么样呀,问八股嘛,有没有代码手撕,一共几面呀,刚收到了暑期实习的面试通知
点赞 回复 分享
发布于 2024-05-09 11:05 广东
想请问一下学长关于招行Fintech怎么准备的咧?学长走的开发赛道么,听说开发赛道就是做几道算法题,题目难度咋样咧
点赞 回复 分享
发布于 2023-12-01 21:29 陕西
请问大佬中信建投有面经嘛
点赞 回复 分享
发布于 2023-07-26 10:25 辽宁
985✌太强了😭😭
点赞 回复 分享
发布于 2023-06-24 15:44 广东
🐮
点赞 回复 分享
发布于 2023-06-19 00:04 广东
学长还是厉害
点赞 回复 分享
发布于 2023-06-18 20:18 浙江
像是看电影
点赞 回复 分享
发布于 2023-06-18 20:17 山东
下下周入职每美团,想问一下美团的实习体验如何呢
点赞 回复 分享
发布于 2023-06-18 18:27 陕西
fintech加面结果出了吗
点赞 回复 分享
发布于 2023-06-18 14:45 浙江

相关推荐

搜推+大模型算法一面面试题SFT & RL 方向先 answer 后 cot vs 先 cot 后 answer:两种 SFT 范式在训练效果上有什么差异?你是否做过对比实验?标注质量管控:如何保证人工标注数据的准确率达到预期标准?有哪些校验或质控手段?Checkpoint 选择:如何挑选合适的 SFT checkpoint,用于后续的 RLHF 阶段?多模态输入:图片是如何输入到 VLM 模型中的?一张图片通常会被编码为多少个 token?RL vs SFT:你认为强化学习(RL)和监督微调(SFT)的核心区别是什么?训练范式选择:为什么不直接从零开始做 RL,而是要采用「SFT → RL」的两阶段流程?RL 关键机制:什么是重要性采样?为什么在 RL 训练中要引入 CLIP 机制?策略类型差异:On-policy 和 Off-policy 算法的核心区别是什么?各自的适用场景有哪些?八股文(Transformer 基础)因果掩码作用:Transformer Decoder 中为什么必须使用自回归因果掩码?缩放点积注意力:为什么注意力分数要除以d​k​?(补充:Layernorm 前置后,除以d​可将方差归一到 1,避免 softmax 梯度饱和)推荐系统方向生成式推荐 vs 传统推荐:两者的核心区别是什么?生成式推荐的目标是什么?你如何看待它的未来发展前景?指标计算:AUC、HR、NDCG 的计算公式分别是什么?GAUC 和 AUC 的区别在哪里?编码方式:如何在模型中加入时间编码和位置编码?常用的位置编码方法有哪些?Coding:手撕 Multi-Head Attention(MHA) 实现二面面试题SFT & CoT 细节概率分布特性:在「先 cot 后 answer」的 SFT 范式下,为什么越靠后的 token 概率(prob)会越高?蒸馏噪声处理:用大模型蒸馏得到的 CoT 数据存在大量噪声,该如何缓解?VLM 幻觉问题:对 VLM 做 SFT 时,发现模型更信任文本信息,看图时反而容易产生幻觉,有哪些解决思路?RL 进阶PPO 核心:写出 PPO 中 GAE 的公式,并说明如何递归计算每个 token 的优势函数(advantage)?DPO 损失:写出 DPO 算法的损失函数公式?算法对比:GRPO 和 PPO 的核心区别是什么?GSPO 和 GRPO 又有哪些不同?训练稳定性:你遇到过 RL 中的熵塌缩(entropy collapse)和 reward hacking 问题吗?分别有哪些改进方法?最近有哪些新论文提出了新方案?采样困境:在采样类 RL 算法中,on-policy rollout 无法得到正确答案时该怎么办?自蒸馏:了解 Self-Distillation 吗?为什么要做自蒸馏?最近这方向有哪些代表性论文?震荡优化:RL 训练中 reward 或 loss 震荡严重,该如何调整?(提示:可从学习率 lr、KL 散度约束等方向入手)推荐系统进阶结构对比:HSTU 和 Transformer 结构的差异是什么?它和 OneRec 的整体流程有什么不同?SID 优化:如何降低 SID 碰撞率,同时提高特征利用率?量化算法:RQ-VAE 和 RQ-Kmeans 的算法原理分别是什么?OneRec 工程:OneRec 中是如何将 SID 加入模型词表和 tokenizer 的?多模态融合:如何更好地结合文本特征和多模态特征?模型演进:Rankmixer 是如何发展到 Tokenmixer 的?Coding:给定一个行内严格递增的 m×n 矩阵,找到矩阵中第 k 大的数
面试官最爱问的 AI 问...
点赞 评论 收藏
分享
评论
20
41
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务