2020届秋招面经分享#讯飞#京东#顺丰#大华#欢聚时代

阅读：评论：0

今年校招对于像我这种双非来说属实不友好，前前后后投了将近50个职位，几乎全军覆没，估计很多同学也经历了备战秋招的艰难（不包括985、211的同志），在这把我秋招的经验分享出来，希望给还在找工作的或者将要找工作的同学提供一些小小的启示。

应聘成功的重要条件

对普通院校的志愿机器学习相关职位的硕士来说只有一个字-难！原因很简单就是人太多，职位要求相对来说较高。原本想钻入征战机器学习职位的大军中，中途转了开发的人笔笔皆是，对于这种情况，希望大家根据自身情况选择职位，不要盲目跟风，机器学习工资与其他职位的工资差距没有你想象中的那么大！如果你非常希望以后能在机器学习的大坑里搅和搅和，那么我总结了成功入职的四个重要条件可供参考。

985、211名校的硕士、博士。
有机器学习相关的顶级会议或者期刊论文。
有领域内所承认的相关比赛经验。
所研究内容要相关，最好有相关的项目经历。

如何备战秋招

备战秋招，越早越好，我是七月份着手准备的校招，首先参加了一些提前批招聘，这个时候很多企业是不需要笔试的，因此一份优秀的个人简历就是你成功的敲门砖，然后积极准备面试，这个时间点准备面试并不晚，常问的机器学习问题准备起来并不难。但是笔试需要的是长期的编程积累，如果现在开始准备就有些累了，因为编程基础算法太多，一天看不了几个题，对于基础不扎实的人，例如我来说，简直太难了。还是奉劝各位没事的时候多刷刷编程的笔试题。下面这张图是我准备秋招的文件夹，我按照不同公司建立不同的子文件夹，里面存放相应的简历和资料，因为简历是不断更新的而且要根据不同职位有所调整，因此分文件夹存放不同岗位的文件是有必要的。然后再准备一个进程管理表格，里面存放每个职位投递的时间，进展，职位以及职位要求。我认为这些是很有必要的，可以提高你在投递职位时的效率。

何时准备秋招？

国内的大企业会在早些时候进行提前批招聘，这个时间大约在7~9月份左右，这个阶段被称为神仙打架，因为这时是各大企业提前招揽人才的时候，因此这个阶段工资相对较高，有一些的SP和SSP职位，各路大神蠢蠢欲动，都想拿到一些较高的薪资待遇，或者着手养一些“备胎”。
九月份到十一月份左右，是秋招的黄金时期，在这个阶段，各个公司会到高校进行校园宣讲，这个阶段投职的成功率最高。
经过黄金高峰期之后，学校的大部分同学都找到合适的工作或者保底的工作，这个时候还有一部分同学还没找到工作，这个时候呢，没找到工作到的同学也别慌，尽管职位没有前面的多，但是还是会有的，有些大公司也会在网上发布一些补招，这个时候就要多留意下网上信息。

如何查找招聘信息

牛客网汇集了许多编程相关的职位信息，优先推荐。而且在七八月份牛客网会有个SP招聘专场，可以关注。
专业的招聘网站，例如智联招聘、拉勾网、BOSS直聘等等都可以注册账号，只不过填写简历比较麻烦。
各个公司的微信招聘公众号或招聘网站以及个人公众号

如何准备笔试面试

拿我来说笔试面试经验主要靠牛客网，因为牛客网会有许多人写一些笔试和面试的经验，这些经验具有很高的参考价值，可以按照别人总结的问题来准备笔试面试。

面试经验分享

面试流程一般比较稳定，先自我介绍，然后面试官后根据简历或者自我介绍或者准备的专业问题来提问。我把在面试中总结的经验分享在下面。
一面（技术面）：

技术面，准备一个自我介绍，2-3分钟即可，自己把握，尽量突出自己做的研究工作。一般面试官都会围绕简历上或者你的自我介绍的内容进行询问。
有些面试官会着重问项目经历，例如科大讯飞，让你把用的技术详细介绍一下，在项目方面就要多做些准备，例如项目的背景，做项目用了什么技术，在做项目的过程中遇到什么问题，怎么解决的。
专业领域的基础算法肯定会问的，不同公司侧重点不同，像顺丰主要提问机器学习相关的基础知识，问的比较多，比较基础，京东不仅问机器学习算法还问编程的基础算法例如排序什么的，科大讯飞问的比较简单比较少。
在回答的时候适当的拓展是加分项，例如提到支持向量机，你可以回答，你用过，然后讲述怎么用的，相比其他算法有什么优缺点。
如果有个问题回答不上来，可以转移到一个你比较熟悉的知识区域，例如问你GBDT是什么原理，你可以说这个用的比较少，主要用到神经网络。一般面试官不会继续追问他会顺着你的引导来问，适当的引导，如果吹大了，把自己引导到一个不太熟悉的区域就GG了。连续两个问题回答不上来，一定不要慌，因为一慌底气就没了，后面的就更答不好了。面试的时候问题答不上来是正常现象，实在不会的问题简单解释一下即可，切勿强行Carry。
一般面试快结束的时候，面试官会问你，你有什么要问的么？这个问题就要提前想想了，第一次面试的时候我没想过这个问题，被蒙了，提问的很白痴。这种问题问的好能拉近和面试官的距离，得到一些有用信息。
专业知识一定要准备好，这个是所有的面试成功的基础，如果专业领域内的基础知识都答不好，啥都白费。建议是多看看牛客网、知乎和百度的面经，整理常问的知识点，好好准备。
面试过程中适当的拓展，拉时长好像也对面试有好处。往往面试时间越长，说明面试官对你兴趣较大。

科大讯飞-智能语音核心技术研究员

一面：
主要问项目（项目中提到的都提问了），项目中提到的特征提取方法。
推支持向量机
意向工作地点
二面：
问项目中做的什么，主要贡献，
了解图像处理中的网络么？
对于多GPU处理有了解么？
对于支持向量机和神经网络有什么区别？
为什么参加这些比赛？比赛如何分工
认为自己的优点和缺点
为什么想来科大讯飞？
如果有多个offer会怎么选？
对薪资有什么要求？给个大体范围
意向工作地点在哪？如果去合肥有意见么？
为什么想去上海。

顺丰-机器学习算法工程师

一面：
常见的一些分布
支持向量机的目标函数
如何解凸优化问题
项目中的事
神经网络几层
如何用数学解释梯度爆炸和梯度消失，如果解决过拟合问题
决策树如何剪枝
相似度度量有哪几种
线程和进程
机器学习和深度学习的区别
几种常用的评估方法
HR面：
自我介绍
讲一讲所做的项目中最有成就感的一个
为什么想来顺丰
现在面试的职位在深圳，可以么
认为自己的缺点
目标薪资
技术二面：
简单做个自我介绍
撕个代码
这个代码的时间复杂度是多少
讲一下项目

京东-机器学习算法工程师（商品推荐相关）

一面：
推一下svm
朴素贝叶斯
auc公式
100000个数排序
排序算法及时间复杂度
偏差和方差

二面：
你投京东的其他部门了么？
有100个语句通过两种算法进行排序得到两种排序结果，然后有一个正确的排序结果，如何评估这两个排序方法，给出公式
计算用户热度，假如有三个参数一个月内的总浏览量，每天对商品的点击率，以及时间戳，给出一个用户热度计算公式，提示，距离目标时间越近，可信度越高。
职业规划

大华-音频算法工程师

一面：
项目，怎么做的，遇到的什么问题怎么解决的，参加的这些比赛用的什么工具。
HR面：
自我介绍
本科期间学习的一些课程，做了哪些跟专业相关的项目和比赛
对比本科学习和研究生学习，有哪些成长
研究生做的这些东西哪些与应聘的职位相关
研会副主席主要干些什么，你认为在这个岗位上最能体现你价值的事情
职业规划
家是山东的，想在哪里工作？
期望的薪资，为什么？
对大华有什么了解？