北京移动暑期实习面试

浅谈一下，个人理解跑路互联网几大岗位学习路径🎇非技术岗产品+运营：业务八股，主要是实习，办公软件使用，软实力更多一点，学历和实习其中产品需要：prd，原型图，sql入门就行，主要是查询语句，几个小时的速成即可，excel的vlookup等，从0-1入门产品经理的网课，运营需要：主要还是偏软实力的运营相关课程数分：sql（黑马，python，bi画图工具+业务八股，ab实验之类的，也是主要是实习，学历和实习 40hAi产品：python，pytorch，机器学习，深度学习理论与实战，大模型相关基础知识，transform架构和知识，业务知识 学历和实习 60h风控策略：s数分的技能点还要对应的信贷的业务知识背景 学历和实习🔧技术岗：学习门槛比较少的搜广推，python，pytorch，spark，机器学习+深度学习，小土堆，李沐，吴恩达，李宏毅，王树森推荐系统，kaggle项目， 学历和实习 80h风控算法，python，机器学习和深度学习，相关业务知识和项目 80h数开数仓：java，python，linux，sql，这些是基础的，进阶的：hadoop，hive，spark，kafka，flink，zookeep，数仓建模理论，阿里大数据，bi，tb可视化，几个项目，尚硅谷或者黑马，可选的：redis，hbase，monggodb 200h大模型应用开发：python，java，机器学习深度学习，rag，mcp，agent，langchain，langgraph，大模型微调 150h大模型算法：学历实习论文，python，机器学习和深度学习，nlp，损失函数、数据处理，预训练，大模型结果评估，监督微调sft，人类偏好对齐rlhf，高效微调lora等，强化学习，经典的大模型架构，例如gpt，qwen，创新的架构，框架应用，性能优化deepseed，模型量化，检索增强rag，agent，其他：模型压缩，技术报告 300h （校招故事会）核心精简版：python，机器学习和深度学习，llm的前置知识和理论，transformer，预训练的知识，tokenization，rope，归一化，flashattention，后训练，sft，lora微调，rlhf，rag，agent数据科学数据挖掘：低配版算法，sql，python，机器学习和深度学习，业务知识开发大类（含前后端测试）：暂未整理全部都是：一两个项目，学历，专业尽量对口，跨专业也可以，主要看实习，大模型这一块还看论文，八股，有代码的还要准备手搓代码，力扣hot100，然后刷实习

现在市面上title是AI产品经理的岗位很多，也有很多title不是AI产品经理但工作内容和AI产品经理相关的，所以我浅浅总结梳理下现状～给想找工作的朋友们一个参考。1.大模型（基座模型）Title不一定是AI产品经理，可能是大模型产品运营、大模型策略产品经理等等。JD一般是和算法团队、数据标注团队协作，运用pe手段提供高质量数据、大模型测评、制定模型策略等等。数据形式有文本的，也有多模态的。据我观察，大模型方向的AI产品经理未来可能会把传统pm的角色砍掉，由产运承担pm的职责。另外，如果是负责AI数字人的话（律师、咨询师、客服、分身等）title也可能是AI对话/内容生成方向，JD内容也多是提供高质量数据、评估模型效果。2.行业+AI产品经理Title一般是AI产品经理。挖掘llm在物流、跨境电商、金融、法律等行业中的应用场景，达到降本增效的目的。需要负责AI功能的创新与优化、市场分析、用户需求调研、推广、项目管理等工作。需了解大模型底层原理、agent、workflow、pe等知识。这种是我个人觉得最有前景的方向了。3.产品+AI功能Title也是AI产品经理，但是负责内容不涉及模型调优部分，和传统的产品经理区别不大，主要负责产品中的AI功能的交互设计、项目管理等。传统PM可以尝试下，毕竟对AI部分要求不高，更多还是要求会画原型图、写PRD之类的。大致分为以上三类，欢迎各位牛油补充。最近的行情不太好，出来找工作的人很多，僧多粥少，很多人面试了几家也没有什么好的offer。别灰心，没有offer不代表你不优秀，更可能是因为经验不匹配。多找几家，好事多磨，总会遇见适合自己的

美团的AI面没有要做自我介绍，直切主题，有问答题也有选择题，大概有以下这些问题：1.你使用过哪些 AI 基座模型？2.你为 AI 基座模型付过费吗？（选择是或否）3.你为哪些 AI 基座模型付过费，为什么？4.你使用过Claude code、Cursor 类似的 AI 编程工具吗？（选择）5.你使用 Claude code 、Cursor 等 AI 编程工具的使用场景和使用情况如何？6.你是否有为 Claude Code 、Cursor 等 AI 编程工具付费？（选择）7.你调用过 AI 底座模型的 API 吗？（选择是或否）8.你曾调用过哪个最好用的模型的 API ?9.你过去一年读过 AI 论文／技术报告吗？（选择）10.过去一年，你读过哪篇 AI 论文／技术报告两次以上，对你工作的帮助是什么？11.你是否有独立开发过 AI 产品／功能？（选择是）12.请你用三／四句话概括这个 AI 产品／功能的用户需求以及解决情况。13．如果有，可以提供你所做的 AI 产品／功能的链接。

有一点标题党 不过心仪的岗位应该是可以找到的！主包是非典型强技术人，没啥经验，没实习，没啥比赛，不过面试的时候几乎也不问校园经历，代码比较多的时候都是在刷算法，最近在复盘整个找工作的过程和注意点，感觉和找到实习前的想法不太一样，或许没有想象的那么难，也有一定的邪修成分在，希望能给到大家一些启示（注：全为个人想法和感受，完全没有权威性 可参考或不参考首先是写简历，我认为这是相当重要的一环，一开始找实习的时候确实没啥好写的，啥乱七八糟的大创都往里写，口语化句子也上来了，冗余的个人信息到处都是，不管对不对口各种项目都往里写 实则课设玩具。。然后投，然后进行八股随机复习。但是面试几次之后感觉简历是很重要的，我认为这是一个自己出的考点题单，专业的面试官都会在简历中找问题问，还有一个是如果项目经历和岗位高度匹配确实会吸引相当一部分火力，不会漫无目的的都是八股！那没有啥项目经历咋整呢？编！（bushi）既然项目经历是你的经历，那你完全可以先写结果再经历这里有一点是可以先挑选心仪的岗位，然后把岗位要求给ai，让ai给你写最适配这个岗位的项目和技术栈，然后可以让它推荐点开源代码，这就是你项目的来源了（怎么学习？：开源代码！ 其实个人来看的话，基本简历主要两个部分就是技术栈和项目经历，其他的怀疑面试官都没看过如果时间紧的话不看开源代码也行，但是一定项目要有代码可看，这里可以让ai给你整一个几千上万行的代码项目，然后开始一个文件一个文件开始读，最好是能把项目都通读一遍或者理解整个框架（完全手搓项目的大神可忽略。）甚至完全有可能根据这个项目开始学习、入门这个领域当经历极其匹配的时候，面试官就会深层次挖你的经历了，但是这样答上来也有很大的通过率。甚至面试可能不会考正常的算法，可能会考项目介绍中可能有的数据结构/项目简单函数实现，不过也不用太担心，就把你两个项目学透即可，也不会有太复杂的实现，我认为字节的算法有可能不按常理出牌，极其看重数据结构的抽象逻辑，所以可能有的时候算法该刷还是要刷 要有一些归纳总结能力，感觉tx基本是hot100除了琢磨不透的算法 八股应该都会取自于项目里了可以边学边约面，这样有ddl威胁自己效率特高（嗯），最重要的是敢于尝试！上面这种出来的极其匹配的简历一投应该就能约面，要勇敢面试！我一般有面试焦虑，三天内只能有一个面试，所以每个面试基本都针对性预想过好几遍了 （这可能是焦虑人的唯一优点在面试前可以让ai给你出一下关于简历和岗位的题单，命中率蛮高的面试挂了千万不要害怕停止，可能会有更好的机会，并且成为宝贵的经验！暂时就想到这么多，之后可能随机更点landing过程其实也需要准备挺长时间的，也是有要脚踏实地学的，不过可能有针对性的学习会轻松一些，在学习的路上多亏了牛客上兄弟姐妹们的经验分享，希望个人的经验也能给大家带来点启示祝大家早日拿到心仪的offer！