讲讲我当年是怎么拿到AI研发公司offer的

Posted 2021-02-12 t198520

前言

很多的老铁私信问我，当年我是怎么拿到公司offer的，我记得我毕业是2015年，那时人工智能这个行业还没热起来，能提供的岗位很少但是面试的人更少，我又是本专业毕业的，所以当初找工作还算顺利，去面了4家然后都拿到了offer，最终我选择了其中一家一直待到现在，而且每年我都会去各个公司去面试。接下来我来介绍一下当时的详细情况。

图片来源拉勾网2019.3.1

两家挂羊头卖狗肉

一家是搞金融的，公司不是很大看规模应该也就150-200来人，但是没有一个是搞算法或者涉足AI领域的人，都是基本的开发人员。面试我的是公司的CTO ，聊得还算可以，直接想让我带团队（本人浙大硕士，当时应该算是香馍馍吧），然后问我能不能开发一个风险预测模型，我说这个还在理论阶段目前国际上都没有能够落地的模型，然后开了30K*15给我但是我没去。当时的大环境原因，AI的技术天花板很低其实我更想找一家能不断学到东西的公司。第二家是一家传统行业的公司想要涉足AI领域除了我之外还有2个半路出家的，和我的初心相逆所以也没有去。

正紧的面试

第三家是一个刚刚创业的小公司老板就是CTO，总共面试了我两次，然后最后拿到了offer下面是当时的面试题（有点久了不是很记得）

1.问Python给自己打多少分？Python多线程怎么实现？

2.不同进程之间数据能共享吗？

3.五行五列二维数组，手写代码输出每行每列的最大值、最小值、平均值、方差

4. 举了一个高维数据，怎么找出异常值？

5.一个m*n矩阵图走迷宫共有多少条路径？

6.2-sum问题。这个答出来了，中间有用了一种方法，自己想的，虽然没有降低时间复杂度，但挺新颖的。

7.问了最熟悉哪个机器学习算法。说逻辑回归，谈了下逻辑回归原理。问了为什么总Sigmod函数，而不是其他双曲函数或Rule函数。

......

 

公司的老板之前就是搞算法的，但是应用的是当初老版本的机器学习框架，研究多过商业实战，毕竟仿生学的神经网络模型2012年才提出理论的东西，我面试那会才开始慢慢有商业落地的项目，2016年BAT才正式涉足到AI领域。反正问的问题我基本是答出我知道的了，然后offer在第二天就拿到了，但是当时感觉那家创业公司有点混乱（除了技术人员其他的管理与行政基本和老板沾亲带故），而且公司框架不完善也没有去。

 

第四家，这是我当年面试的最后一家，他当场给了我offer然后我第二天就入职了，感觉这个公司就是为我准备的一样，王八对绿豆对上眼了然后就没有继续找下去了。

公司已经做了一年了，然后CTO是中科院博导下海，滴滴早期的打车系统就是他开发的（就是冲着这点留下的）当时的职位是数据挖掘然后面试很开心，有笔试答得不好感觉在大佬面前自己是渣渣。技术面基本围绕分类、数据处理流程来问。涉及一些NLP的内容，不太会，也就没问太多，问到了很多关于计算机视觉的东西因为公司主要往这个方向发展的，然后刚好是我的强项回答的差强人意吧。

 

公司的学术氛围很好当时先进的技术基本都是靠啃国外的论文来获悉的，然后每天的工作内容就是数据标注、调参、调模型。完了就是CTO给我们上课，他就把他从这些论文上理解的东西给我们讲，然后在进行演示，感觉那段时间进步的非常快，从一个学院派的小白往实战派发展。所以 选公司得选能学到东西的，如果从入职到3年后的工作内容都没有改变那人生还有什么乐趣。

为什么已经好的工作还要出去面试

一句话：从别人眼里才能发现自己的不足。如果让你自己去分析自己的技术缺陷你会陷入循环自嗨，所以我每年都会出去见见市面，找一些AI大厂去面试（旷世、商汤、谷歌大中华区等部分拿到offer但是薪资和环境问题没去），然后让HR找到我的不足。关键的是我们公司是鼓励我们去面试（很奇葩吧）。这样我们就能了解技术趋势和技术需求。

 

 

怎么才能入职到人工智能公司？

打铁还需自身硬，首先你自己的能力得过关。不论是技术深度或者技术广度都要达到面试的最低要求，如果是那些想转战AI或者初学者，希望你们能找到大腿来引导你们入门。因为人工智能这门学科它不是基础学科，它是数学、计算机编程、哲学的交叉学科，如果没有人帮你屡出一条学习路线，入门难，难如上青天。如果有想自学的老铁可以先去看看吴恩达的那套机器学习的课程，书的话《机器学习实战》、《统计学习方法》。如果想系统的学习人工智能可以私聊我，我叫老大过来教你。

 

---

 

为了帮助大家让学习变得轻松、高效，给大家免费分享一大批资料，让AI越来越普及。在这里给大家推荐一个人工智能Python学习交流群： 519970686  欢迎大家进群交流讨论，学习交流，共同进步。

当真正开始学习的时候难免不知道从哪入手，导致效率低下影响继续学习的信心。

但最重要的是不知道哪些技术需要重点掌握，学习时频繁踩坑，最终浪费大量时间，所以拥有有效资源还是很有必要的。