讲一下面试候选人的心得：   第一、我在做面试官时，比较喜欢基础扎实的、工程能力好的候选人。     算法工程师，首先是工程师，得会编程，会自己上线算法模型。不是参加算法竞赛，跑几个模型就可以的。  我本身比较喜欢科班出身的，因为他们计算机基础都不错。在我们这个行业（推荐方向），是很看重工程能力。  很多刚毕业的应届生，他们会觉得搞一个复杂的深度模型，就能解决问题，这个是万万不可取的。  一定要扎扎实实做工程，贴近业务，了解业务，分析数据。     （关注我，评论区写下你想象知道的面试话题，收集后，会在下期讲解  ）        第二、有业务数据分析能力的候选人。   要会数据分析，要能够在...

这篇文章本来是要写推荐系统从0-1该如何做，但是发现牛客网上大家更关心的是面试的经验。所以这篇文章就写我做面试官的经验吧。    自我介绍篇（前面一篇文章，已经自我介绍过了，再啰嗦一下）：     我09年在上交读的计算机方向，13年毕业，大四的时候花了4个月时间复习考研，跨考了本校的应用经济学方向，然后又读了3年，16年毕业。   之所以读经济学，是因为那时候听说搞金融的钱多；结果15年股市泡沫破了之后，就没打算在金融方向找工作了。   那时候，人工智能刚起来没多久，我还不是很了解，当时我的目标是做一个数据分析师。毕业之后，在某央企做了半年的数据分析师，然后换到互联网行业。   本来没有什么...

开篇：学习推荐系统存在的误区   先说一下我的情况，09年在上海交通大学读计算机方向，13年在本校读经济学方向，现在做人工智能。实不相瞒，所有的选择都是为了更高的薪水。哈哈哈！有机会，我再写一篇我的整个求学和求职的经历。   从16年研究生毕业，第一份工作是在某央企从事数据分析岗位，待了半年之后，就从安稳的环境中跳了出来。之后一直从事推荐算法相关的工作，经历过多次跳槽和升职。由于是做推荐和人工智能方向，因此薪资也是在逐步上涨。   在工作、学习、面试和被面试的经历中，总结出来一些学习推荐系统中存在的误区，跟小伙伴们分享一下，希望能作为想转行或者提升自己的小伙伴的指引。     推荐算法工程师，...

大家有学习推荐系统的么？感觉推荐、算法、机器学习这些很有市场潜力，关键工资高