求大佬指点指点，谢谢佬

注：本秘籍适用于计算机、人工智能、电子信息等相关专业的应届生，目标是互联网大厂/知名科技公司的算法工程师岗位（如搜索推荐算法、CV、NLP、LLM等）。✅ 一、前期准备1.1 岗位了解🔍 算法岗位的分类- 搜索推荐算法：常见于字节跳动、美团、阿里、京东等公司，负责商品/视频/资讯/音乐等的搜索推荐等，出名的部门如阿里妈妈、百度凤巢、快手社科线等。- CV/NLP算法：百度、腾讯、华为、商汤等偏AI方向的公司需求较多，对应的业务场景如视觉感知、目标检测、query理解、意图识别等，岗位要求CV比较卷，需要论文背书。- 风控/金融算法：蚂蚁金服、平安科技、微众银行等金融科技类企业。- 机器学习算法：业务场景广阔，如电商的搜索推荐、公司中台等。- 大模型/AIGC/多模态算法：业务场景广泛，如智能客服机器人、文生图等，出名的部门如阿里通义实验室、字节豆包、快手可灵等，对实践的要求比较高，如参与过大模型预训练，SFT，RLHF等项目。🎯 如何选择岗位- 结合自己的研究方向或实习经历；- 参考行业趋势（如AIGC、大模型、多模态等）；- 考虑公司发展路径和成长空间；- 关注base地点、薪资结构、工作强度等实际因素。1.2 简历准备📄 简历要素- 基本信息：姓名、联系方式、邮箱；- 教育背景：学校、专业、学历、毕业时间；- 项目经验（重点！）：每个项目写清问题背景、解决方法、技术栈、结果（最好有量化指标），强调自己在其中的具体贡献，如“主导”、“设计”、“优化”等；- 实习经历（如有）：写清楚做了什么、用了什么技术、解决了什么问题；- 技能项：编程语言如Python、C++、Java等，框架工具如PyTorch、TensorFlow、Sklearn、Hadoop、Spark等；- 学术论文、竞赛名次（如Kaggle、天池等）。✨ 小贴士- 控制在一页内，简洁明了；- 使用PDF格式；- 避免空洞描述，突出技术细节；- 建议至少有一个比较垂直的项目（岗位匹配度高），可以再放一个自己学校科研的项目（如果有论文就更好了）。1.3 刷题和八股💻 刷题平台推荐- LeetCode（hot 100，可参考代码随想录）- 牛客网（国内题目更全，很多公司笔试的平台，需要熟悉ACM形式）📚 刷题建议- 先按类型刷（数组、链表、二叉树、动态规划、回溯、贪心、图论等）- 中后期做周赛、双周赛模拟真实环境- 掌握常见算法模板（DFS/BFS、二分查找、快排、TopK等）📝 八股内容（基础知识）（见下图1）✅ 二、面试相关2.1 面试风格⏱️ 面试形式一般是2到3轮技术面+1轮hr面，一般为视频面（也有电话面）。一般一面的面试官，是日后要加入团队的leader（+1）；二面的面试官，是交叉团队的leader；三面的面试官，是主管（+2）。🧩 面试流程自我介绍（1~2分钟），项目深挖（核心环节），八股拷打（理论知识），手撕代码题（共享屏幕），反问环节。2.2 项目相关🧩 面试官常问的问题这个项目的问题背景是什么？你想解决什么问题？你的解决方案的动机是什么？你是怎么设计模型的？有没有对比过不同模型？数据是怎么处理的？有没有做特征工程？模型效果如何？用什么指标衡量的？模型有上线吗？上线后发现效果不好有思考是什么原因吗？遇到哪些困难？你是怎么解决的？如果让你重新做一次，你会改进哪里，未来的升级迭代考虑哪些方面？✅ 应对策略项目讲清楚：背景 → 方法 → 实现 → 结果。技术细节要扎实：能讲清楚Loss函数设计、模型结构、输入数据的处理、衡量指标等。2.3 八股相关🧾 高频考点（分类整理）机器学习：- 什么是过拟合？如何防止？- 随机森林，GBDT 和 XGBoost 的区别？- SVM原理？核函数的作用？- Bagging vs Boosting？深度学习：- Transformer结构？为什么比CNN/RNN好？- Dropout的作用？训练和测试阶段的区别？- BatchNorm的计算过程？优点？- BN和LN的区别以及Transformer为什么用LN？- Transformer里的Attention的理解，以及公式里为什么要除以 $$\sqrt{d_k}$$？- 梯度消失/爆炸的原因和解决方案？- 介绍下Transformer的结构？大模型相关：- GPT和BERT的区别？- 大模型应用的位置编码的方式有哪些？知道旋转位置编码（ROPE）吗？- 大模型微调的方式有哪些？LoRA微调的原理及改进？- 大模型用的强化学习的算法有哪些？比如RLHF，PPO,DPO,GRPO？- 了解大模型的RAG，Agent吗？- 知道模型训练和推理加速的方法吗？模型评估：- AUC的含义？如何计算？- Precision和Recall的区别？应用场景？- 为什么不能只看准确率？工程相关：- 如何进行特征工程？- 做特征embedding的方式有哪些，以及适用的场景？- 模型调参的方法有哪些？- 分布式训练怎么做？2.4 HR相关👥 HR面常见问题- 自我介绍（简短有力）- 为什么选择我们公司？- 你的优缺点是什么？- 未来3年的发展规划？- 你最大的挑战和收获？- 你如何看待加班文化？- 你有其他的Offer吗？- 你愿意来某某base地工作吗？- 你有女朋友/男朋友吗？✅ 回答技巧- 真诚表达，不套路；- 结合公司业务、技术氛围、成长机会来谈；- 展示你的热情和长期意愿；- 对加班文化可以表示理解并接受合理范围内的高强度工作。- 展示自己的offer实力（如有），不卑不亢，有礼有节。- 展示自己对base地满意的点，列举其好处。✅ 三、问题反问在面试最后，通常会有“你有什么想问我的吗？”这个环节，这是展示主动性和思考深度的好机会。3.1常见优质反问问题✅ 关于团队目前团队的技术栈主要是什么？团队目前的重点方向是什么？我将加入哪个项目组？主要负责什么模块？团队主要是偏重业务还是预研方向？团队的base地在哪里？✅ 关于成长公司对新人的成长支持有哪些？有无mentor制度？是否鼓励参加技术会议？✅ 关于业务该岗位的核心产出指标是什么？当前业务面临的最大挑战是什么？✅ 关于流程后续还有几轮面试？预计什么时候出结果？🎯 总结：通关路线图（见下图2）📣 最后一句话算法岗竞争激烈，但只要你足够努力、方法得当、心态稳定，offer终将属于你！祝各位纵有千古，横有八荒，前途似锦，来日方长！祝大家早日斩获心仪Offer！🎉

## 背景本人陕西理工大学，20毕业，朋友介绍加的HR-栗栗，机考之前，栗栗会发一些机考练习题库，准备好以后，随时可以找栗栗申请机考。## 机考  T1：（来自异国的客人）本题主要实现的功能是计算给定总价在特定进制转换后的字符串表示中，幸运数出现的次数。首先，在自定义的 findCount 函数中，通过循环将总价转换为指定进制的字符串。然后，在该字符串中查找幸运数字符出现次数，返回次数即可。  T2： （剩余银饰的重量）首先对重量列表进行升序排序。根据列表长度不同，分别处理只有一个重量、两个重量还有大于两个重量的情况。在大于两个重量的情况下，使用一个循环来逐步处理列表中的重量，每次取出最大的三...

各位牛油，我目前是在百度做测开，已经3个多月了，有点想跑路（学不到东西+99%无实习转正）；最近速通了南京小米手机部门的车载软件测开暑假实习（2轮技术+hr，全是电话面一共不到50分钟），说是能转正（画饼谁都会）；有没有了解的友友说一下这个部门咋样呢；然后鼠鼠下周还有字节和米哈游的测开面试（这两个厂都是我最想去的），要等下周面试结果出了再去吗

朋友985本硕毕业，拿到了2个offer，很纠结，都是算法岗。pdd，base上海，年薪50-60个，听说加班严重。蚂蚁，base杭州，年薪45-50个，好像还可以，但是平台不如pdd。