幸运的菜狗

终于找到工作啦,感觉找工作真是一场幸运大于实力的游戏。。

去年11月的时候刚刚开始找实习,那时候啥都不懂,就看了一遍小林coding刷了十来道leecode就去莽了,当时甚至都不知道原来要准备语言(小林当时没有java面试篇),然后稀里糊涂去boss上投了几个名字都没听过的小小厂。准备去小小厂了问了一下导师,被骂了一顿,然后帮我找了几个学长内推去中大厂,上来就面字节(我当时也不知道字节是啥水平),挂了还以为是他面太难,现在复盘发现问的贼基础,自己真是丢学长的脸()

后来是学长内推去了同花顺做大模型推理引擎的开发(不过不是学长所在的组),那mt也第一次招实习生,基本上没面就让进去了。今年1月份入的职,属于是我不知道怎么干实习,mt不知道怎么带实习生,在那边东做一点西做一点,感觉啥也没搞懂,开发了几坨史,被mt逼着看了几篇论文给他们做汇报。期间用的python,所以还是没学到c++/java的项目经验。不过mt好像对我还挺满意的,因为听说我后面的实习生更菜()

然后到3月上旬,猛然发现大厂怎么开始招暑期实习了,赶紧把实习一辞开始准备八股和刷算法题,准备了半个月就开始投了,到四月初面试了一两家,这才发现原来还要准备语言(对我到这时候才知道),然后看了两眼java八股感觉学不会,就随便学了点c++的八股,继续去莽,然后又发现项目也没准备好,被几句问死了,下来赶紧找了一个学长帮我一起盘了一遍,后面问倒是不会问死了就是没有难点。
到这时候已经四月底了,感觉大厂实习都快招完了,面的不错的也不给过了。五月份面试也没几个了,心死了,甚至准备放弃暑期实习找个烂大街项目做一做了。

总结就是开始太晚,语言没准备好,项目没准备好,一塌糊涂。然后也才知道原来c++去互联网实习本就是难上加难,我还没有c++的项目,方向就选错了。

然后到6月初,我一个以前关系好但是找实习后就基本没联系的同学突然找到我,说她在腾讯那边转正实习(我们的一个学长的组)了一个月,她觉得方向不喜欢,但是这个转正机会是学长给的,直接跑了学长那边说不过去,这个时间再招人也招不到,所以来问我要不要接她的班(她有别的实习offer)。本来我是不想去深圳的,但是上海杭州这边我一个都没找到,有机会就去试试了,ld那边面了一下我也觉得挺满意的就招我了,就这样稀里糊涂拿到大厂的转正实习了。不过同时还拿到一个华为实习offer,我当时都不知道腾讯比华为好,就单纯是答应了学长一定会去才去的腾讯。

这里是搞大模型应用开发的,结果还是python,难怪我那同学要跑。不过学长和我说就我一个实习生肯定能转正,也算有个保底了。

再然后就是一边实习一边秋招,想着要不转java吧,抽空学了一周,感觉还是背不下来,已经8月份了都要开始投递了,又转回去背c++了至少八股能答上来,秋招的c++岗也比实习多一些,反正有腾讯转正保底。投就还是投的大厂后端和游戏服务端,还有一些学历厂也投一投,然后看到有些厂有大模型相关的开发岗就投一投,因为两段实习都和大模型相关。

就这样投着投着面着面着到了九月下旬,我催了好久腾讯才给我转正答辩,结果ld当天就告诉我转正没过,这时候手上啥意向都没有,保底还没了,天都塌了。光速交接离职,准备回家继续秋招。mt和ld说给我推荐到隔壁组试一试,去打过招呼了,说应该还是大概率会要我的。mt和学长对我挺好的,估计也有点愧疚(答辩拖这么晚还没过),答应会帮我多push一下,但是这时候他们说的话我真没底了。

结果好运来了,就在我在腾讯吃着最后一顿免费早饭的时候,美团发意向了,我离职的时候差点没笑出来,没告诉他们,让他们帮我多催催隔壁组要我,不过讲道理深圳离杭州太远了,有上海美团我肯定不留深圳了。

后面就是有美团了我秋招也有点摆烂了,其他面的都不咋样,就华为啊招行网银啊啥的,大厂全军覆没,最后就是等美团腾讯开奖了。

还有就是因为美团是单独的大模型后台开发岗,岗位名字和后端开发不一样,然后因为牛客上好像只有我发了关于大模型后台开发的帖子,所以好几个同岗的兄弟来加我,一问找到了两个同组同岗的同学,再一问一个是我本科同学一个是我研究生同学,世界真小。不过这两位兄弟是真有实力,手上意向一大堆,最后都去字节赚大钱了,把美团拒掉了。这下我底气十足了,因为美团这组再不招我就没人了,和hr斗智斗勇后成功a下带股带薪的ssp,比腾讯开的还高,美滋滋

从开始找实习这一年来,感觉自己还是挺菜的,语言语言没学好,项目项目没难点,公司公司不了解,方向方向不清楚,能找到实习都纯靠学长帮忙,然后稀里糊涂搞了两段大模型开发的实习,刚好和美团这个岗对口,机缘巧合就过了,然后又仰仗两位同组的兄弟据拒了美团拿到满意薪资。感觉找工作真是一场幸运大于实力的游戏。

祝大家都能有好运,最终找到一份满意的工作啦

#我的求职思考#
全部评论
问导师之后的剧情是不是错了呀,正确的不应该是狠骂一顿,然后语重心长地说有了好论文工作随便找接着把你摁在学校发论文吗
5 回复 分享
发布于 2024-12-10 17:05 北京
老哥很强的运气也需要有实力的基础
4 回复 分享
发布于 2024-12-10 12:38 香港
我去梦中情导
1 回复 分享
发布于 2024-12-10 16:17 上海
你好 我想问下同花顺真的像网上说的那样0好评吗
点赞 回复 分享
发布于 2024-12-10 23:11 上海

相关推荐

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!🎉
牛客刘北:mark总结得很全
我的求职总结
点赞 评论 收藏
分享
评论
7
11
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