2017-12-15 10:58 已编辑算法工程师

关注

回馈牛客，通信转数据挖掘，我的慢慢秋招路

漫长的秋招之旅，还不是因为自己菜运气还不好

经过这次秋招，对自己的评价就是傻乎乎，但也跟室友讲，经过了这次我们就能快速成长了啊。

本人是电子与通信工程专业的小硕，秋招投的主要方向是数据挖掘。

在专业方向上从来没被卡过，然后无论是投银行还是互联网简历基本上没被刷过，只有两家公司简历把我刷掉了，唯品会（数据分析，可能不对口）、360（内推过，可能内推面试太差了，校招简历直接挂）。所以对于简历会挂的朋友的建议就是多找人帮你看简历，投互联网就把项目丰富一下，投银行就在银行网页上简历能写多丰富就写多丰富。

贴一个觉得还不错的博客：https://yq.aliyun.com/articles/71144

https://www.leiphone.com/news/201706/dTRE5ow9qBVLkZSY.html

http://www.52cs.org/?p=429

一、准备以及我本来有的基础

本科是电子信息专业，参加过数学建模获国奖，参加过一个国创项目。对自己的定位是要从事算法相关的工作，一直用MATLAB编程。因为当年通信以及信号处理还很火，所以。。。

研究生是三年的，第一年上课，全在玩，选了一些集成电路啊数字信号处理的课，也没咋学，没事就跟小伙伴打狼人杀聚餐。。。

第二年开始在实验室干活，主动跟导师说我要做信号处理的活，所以我又开始写MATLAB，开始了我的不归路。。。

嗯~正式讲我的准备过程，花了一年时间算是做了一个相关的项目吧，项目用到了一些算法还挺难的，当时发表这个算法的中国大佬现在在三星美国研究院工作。除此之外从六月份开始，学小甲鱼python学习视频，看统计学习方法（这书看起来很薄，但是对没基础的人来说特别难啃）。这个过程其实自己还是没上心，盲目自信，觉得自己还会找不到工作？

七月份发现原来这个岗位还得需要懂数据结构啊，所以赶紧看，七月人生第一次面试面了阿里（内推，其实建议实习就开始找工作的，但是我们学校不让实习，我也就没想过，还在玩狼人杀，看论文），实在叫一个惨烈啊，啥也不懂，才发现面试官对我的项目压根不感兴趣，所以自己也在筹划要不做个比赛或者小项目糊弄糊弄。八月份面了微软的暑期夏令营（之前去微软参观过，很喜欢外企的办公环境，笔试四道编程一共400分，得了80分），视频面试，数据结构那会还没看好呢，快排写的都不利索，递归和非递归的区别都扯不清楚，二面面试官直接建议我要不去做产品经理吧还好我倔强。。。

八月份把机器学习的西瓜书刷完了，还有大话数据结构，这两本书非常重要，当然还有剑指offer。补充一下，我找工作全程用的python编程，推荐个博客写的相当好http://blog.csdn.net/u012505432/article/details/52071537

九月初做了一个比赛，小型比赛，排名11，这个比赛对后边找工作帮助很大，把数据挖掘的过程全部走了一遍。

九月份主要是大公司的招聘，各种花式挂，这里提一下，找工作有队友很重要，因为公司的编程相对较难，一个人全部解决不太可能，最好分工合作。

十月份拿到了几家小公司的offer，十月底被鸽了一波，然后十一月份拿到了一开始还挺满意的offer

二、笔试面试经验

该写重点了，工作都是找的北京的，户口呢，看缘分，所以主要看重发展，待遇和加班少。

1、阿里菜鸟裹裹（内推）

一面基本上是电话面试，自我介绍，对你影响最大的项目，这个项目中你的收获，算法题。

一个有障碍的100*100的地图，求最短路径。

判断一个坐标点是否在不规则多边形内部。

2、微软夏令营面试

需要经过一个很难的笔试，凑巧过了笔试。面试基本上都是数据结构上的内容，比较重基础，快排，KMP算法，二叉树

3、京东技术管培生

经过一个笔试，会刷人，但是刷得不多。面试一面就是群面，有的是讨论的形式，有的是辩论形式，最好从技术的角度分析问题。

4、360（内推）

介绍项目，讨论算法，编程题，考我的就是剑指offer上的，链表翻转。

5、网易（内推笔试没过，秋招笔试没做）

6、腾讯（做完秋招笔试和性格测试就没消息了）

7、美团（做完内推笔试后就一直在面试中，身边也有同学是这种情况，很奇怪）

8、百度

笔试通过很多，面试很重基础，一个女面试官，虽然面试强度给我造成的阴影很大，但是因为问的很基础，所以对我帮助也很大

（1）看到只会python后，让写前序遍历二叉树

（2）哈希表

（3）排序方法有哪些，哪些效率比较高，如果是排序好的用什么排序方式，如果数组会溢出，用什么排序方式。快排为什么效果好

（4）极大似然算法原理，EM算法为什么收敛、原理。

（5）CGBOOST为什么比GBDT效果好，梯度提升树是啥意思。

（6）朴素贝叶斯假设，解释贝叶斯公式。

面完之后直接弃面。。。

9、瓜子二手车（笔试比较简单，面试过程非常漫长）

一面跟二面的难度差不多，三面问的比较泛

（1）代价函数有哪些

（2）数字个数较少时，用什么排序方法

（3）写代码，旋转数组中查找某个值

（4）GBDT梯度下降原理

（5）随机森林

（6）聚类如果只知道样本互相之间的距离，如何选择聚类中心点

（7）贝叶斯公式，连续离散

（8）掷骰子得到五分之一的概率

（9）L1 和L2范数的区别

（10）连续特征怎么处理

（11）LR模型推导

（12）神经网络

（13）给定结点数，有多少中二叉树结构

10、达达京东到家

这家公司很搞笑，现场笔试，乱糟糟的，估计我当时笔试没过，很晚才通知去亦庄面试，然后说面试只有一面，在现场还碰到一姑娘，HR跟她说录用了，一直没给她发offer。

（1）写代码，在有限的字符串中，寻找没有重复的最长子字符串

（2）LR为什么用对数代价函数。除了随机梯度下降还能用什么算法解

（3）XGBOOST用什么代价函数

（4）随机森林过程，为什么比SVM效果好

11、知乎

知乎不用笔试，直接面试，工作环境我好喜欢，面试官犹豫不决地把我挂了

（1）问了写基础的机器学习代价函数

（2）二叉树合并

（3）前缀树定义，基本操作，代码

12、宜信

宜信我做了两次笔试，第一次笔试相当难，各种公式推导，我和我同学都没过，后来我就又收到了一次笔试，那次笔试就很简单了。

面试分为两次。两面、终面

宜信的算法问的挺深的，问到过随机森林原理，从偏差和方差的角度考虑。编程还好，但我看有的人的面经说宜信的编程超难，那种应该是ssp。

13、新意互动，乐信

这两家公司都是碰到就去面了，新意互动是易车的全资子公司，做汽车广告的。乐信的前身是分期乐，不过在互联网金融公司里工资不算高的。乐信面试相对较简单，视频面试，聊聊项目，聊聊你知道的算法。

（1）L1范数和L2范数，回归问题的时候怎么选择

（2）怎么提高召回率

（3）随机森林做特征工程有什么优势

（4）聚类中怎么判断k是合适的，分类好了怎么描述各个类

（5）正负样本不均衡怎么解决的

（6）在sklearn中怎么实现后剪枝

（7）神经网络的激活函数

14、趣店

这家公司很坑！给了我offer，又给收回了，只能说他们失去了个人才工资开的很高，我的面试很简单，但是我同学的面试很难。应该三到四面，一次性面完，我报的比较晚，最后一批面的。一直问项目，确认是你自己做的后面试官一直说不错。问能不能来实习，就这么些事情，第二天就发offer了，结果收回了，收回了。。。反正我也不想去，哼

另外还有一些国企央企的公司，这些公司面试套路比较千奇百怪，我也志不在此，就不写自己的经历了。

以上的面经都没写答案，答案自己去找，去看相关的博客吧，这样印象会很深，建议就是能看多深看多深，面试的时候能说多深说多深，别怕给自己挖坑。之前看一个帖子说如果你说出了面试官期望的答案更深的一层，如果没有答好就会给你个普通分，如果答好了就是sp，但是我的经验告诉我说了比不说好。

建议能实习尽量去实习，不能去实习就做两个相关项目。

三、碰到的有意思的事情

帖子好久之前开的，有意思的事情忘的差不多了。。。

其实找工作的过程是很辛苦的，一次次地面试，一开始阶段是不断地自我否定，如果真的发现自己选错方向了，尽早改。但是如果你发现你不怎么排斥这个方向，还是建议坚持下来。通过一次次地面试查漏补缺。我面到后来就有点不怕丢脸了，多面，多整理自己不会的，静下心来看，早晚会遇到适合自己的公司。面试的问题其实就那些，当积累超过一定程度，你会发现，找工作就是看谁坚持的最久。