前言：
职场就像围城，我们每一个职场人总是以“墙外”的视角羡慕着“墙内”的世界，而也许你的生活也出现在别人的梦中。希望“互联 坊间八卦”能成为一个分享和了解不同生活的平台。
今天，笔者给大家分享一位20届应届生秋招的遭遇。让我们一起了解一下应届生最原始的求职生活状态。希望这些“干货”能让你认识到不一样的秋招。
教育背景：本科东南大学软件工程学院，硕士南京大学计算机科学与技术系。
我秋招没有海投，都是比较有针对性地投递，所以投递的公司并不多，并且其中有几家最后也没做笔试直接放弃了。
最终进入了面试的有12家公司，放弃了2家，一共面了10家，挂了6家，拿了4家的offer，通过率只有40%很惭愧。加上华为(不是走正规校招流程)一共拿了5家的offer。
先总结一下拿到的offer以及对应的面经：
1、vivo，杭州，广告推荐算法工程师。
一面技术，二面hr。
技术面问题：
1、比赛经历；
2、逻辑回归有什么特点？如果使用逻辑回归，你是如何提升模型性能的？
3、deepFM和wide&deep有什么区别？wide&deep是什么样的结构？（补充：你在使用deepFM的时候是如何处理欠拟合和过拟合问题的？）
4、array和hash set有什么区别？各自的访问效率是多少？
5、开放性问题：有100亿个email账 ，来一个新账 ，先查找是否存在，如果不存在就插入，如何做使得效率最高？允许一定的查找误差率。
大概就这些吧，面试感受就是觉得很简单很轻松，不太清楚这个提前批是以什么样的标准招人的，名额还那么少。
2、TP-LINK，深圳，算法工程师 大数据分析方向。
base上海，一共四面，已收到意向书。
前两面比较简单，第三面对于我来说非常难，所以表现很差。
可能就是因为三面表现太差，跟前两面评价有较大出入，所以加了个四面。
一面：
1、算法题：n个人之间存在m个关系对，关系具有传递性，假如A关注B，B关注C，那么A就间接关注了C。如果一个人被除他之外的所有人都直接或间接关注，那么这个人就是抖音红人，求抖音红人的总数。
2、介绍一个你的项目。
3、特征选择有哪些方法（介绍项目时涉及到了特征相关性分析，因此问了这个）。
4、FM是否也能起到自动特征选择的作用，为什么。
5、GBDT的原理，和随机森林等算法做比较。
二面：
1、svm损失函数推导。
2、朴素贝叶斯写公式。
3、算法题：两个单链表找到第一个公共结点。
4、算法题：由0和1组成的二维矩阵，找出1的最大连通域，计算其面积。
三面：
1、算法题：长度为n的字符串中包含m个不同的字符，找出包含这m个不同字符的最小子串。
2、如果实现c++中的vector，只需push_back和查找两个功能，底层如何实现。
3、如果用数组实现，数组初始容量为n，每次push到容量上限之后都扩容到原来的两倍，现在push进去m个数，m远大于n，求相比于m的时间复杂度。
4、A和B比赛，A、B获胜的概率分别是0.6、0.4，如果你是A，3局2胜和5局3胜你会选择哪个。
5、如果A和B比赛无数局，A获胜的概率是多少。
6、有两张表，第一张表有n个专有名词，比如今日头条、抖音等，第二张表有m条query，比如今日头条是怎样的应用、有多少人喜欢刷抖音等，如何统计表1中所有名词在表2中出现的频次。
7、一个用户在搜索框输入query之后，如何知道他是否是在找视频。
8、如何计算一个微博账户的权威分数。
9、介绍一下xgboost有哪些特点。
10、xgboost和GBDT的分裂方式你认为哪个好。
四面：
1、c++中指针和引用的区别。
2、如何从用户态进入内核态。
3、非线性分类算法有哪些。
4、如何判断一个算法是线性的还是非线性的。
5、算法题：下一个全排列。
6、算法题：长度为n的数组中有一个数字出现了n/2次，快速找到这个数。
7、介绍一个你参加的比赛。
每一面之后都是在第二天就接到的下一面的预约电话。
前两面的算法题需要写出代码，但是不用过测试用例，三四面只用说思路。
28 下午第四面，今天晚上快7点的时候接到了offer call，通完电话后加了hr小姐姐微信之后给我发了意向书。（一开始是qq邮箱，结果qq邮箱居然把我的意向书拒收了，然后发了 易邮箱。。。）
当时在牛客上面找的前辈内推，记得推的是广告系统，今天告诉我给我分配到了搜索团队，四面的面试官就是我的leader。（在这里非常感谢牛客内推的前辈）
明天回家，今天收到意向书，真的难掩心中的激动和喜悦虽然是计算机科班，但并不是机器学习科班，基础可以说是非常薄弱，字节offer对于我来说真的太难得。
明天 易笔试的时候我正好在回家的飞机上，本来感觉挺遗憾，现在感觉无所谓了
一共4面，第一天一面，第二天二面和三面，第三天四面，真的蛋疼。。。
一面和二面是技术面，二面是视频面，并且两个面试官。三面hr面，四面综合面（感觉跟hr面差不多吧）。
一面完全是聊项目经历、比赛经历，二面问题：
1、项目中神经 络等算法的性能为什么比不过gbdt；
2、反向传播的原理；
3、梯度下降陷入局部最优有什么解决办法；
4、一颗二叉树，找到最长路径，该路径中的所有节点值都相等，该路径可以不包含根结点，路径的长度是边的数量；
5、判断链表有环，要考虑时间效率；
6、两个栈模拟队列；
7、20个小球，其中有一个轻，至少称几次能找出来。
大概就这些吧，没有写代码，都是说思路（总感觉漏了一道题，想了很久都想不起来）。
听工作人员说有的是二面结束直接拿到offer，否则就会有四面，我估计二面直接拿offer的是表现非常突出的，有四面的应该是表现不算突出，比较平庸的，因此加面再慎重考察一下（当然这只是我的猜测，有大佬经历了四面的别喷我）。说实话我二面表现确实稀烂，虽然那些问题确实并不难，是自己太菜了。。
工作人员说可能一到两周出结果。
3、字节跳动 搜索团队，上海，算法工程师。
base上海，一共四面，已收到意向书。
前两面比较简单，第三面对于我来说非常难，所以表现很差。
可能就是因为三面表现太差，跟前两面评价有较大出入，所以加了个四面。
一面：
1、算法题：n个人之间存在m个关系对，关系具有传递性，假如A关注B，B关注C，那么A就间接关注了C。如果一个人被除他之外的所有人都直接或间接关注，那么这个人就是抖音红人，求抖音红人的总数。
2、介绍一个你的项目。
3、特征选择有哪些方法（介绍项目时涉及到了特征相关性分析，因此问了这个）。
4、FM是否也能起到自动特征选择的作用，为什么。
5、GBDT的原理，和随机森林等算法做比较。
二面：
1、svm损失函数推导。
2、朴素贝叶斯写公式。
3、算法题：两个单链表找到第一个公共结点。
4、算法题：由0和1组成的二维矩阵，找出1的最大连通域，计算其面积。
三面：
1、算法题：长度为n的字符串中包含m个不同的字符，找出包含这m个不同字符的最小子串。
2、如果实现c++中的vector，只需push_back和查找两个功能，底层如何实现。
3、如果用数组实现，数组初始容量为n，每次push到容量上限之后都扩容到原来的两倍，现在push进去m个数，m远大于n，求相比于m的时间复杂度。
4、A和B比赛，A、B获胜的概率分别是0.6、0.4，如果你是A，3局2胜和5局3胜你会选择哪个。
5、如果A和B比赛无数局，A获胜的概率是多少。
6、有两张表，第一张表有n个专有名词，比如今日头条、抖音等，第二张表有m条query，比如今日头条是怎样的应用、有多少人喜欢刷抖音等，如何统计表1中所有名词在表2中出现的频次。
7、一个用户在搜索框输入query之后，如何知道他是否是在找视频。
8、如何计算一个微博账户的权威分数。
9、介绍一下xgboost有哪些特点。
10、xgboost和GBDT的分裂方式你认为哪个好。
四面：
1、c++中指针和引用的区别。
2、如何从用户态进入内核态。
3、非线性分类算法有哪些。
4、如何判断一个算法是线性的还是非线性的。
5、算法题：下一个全排列。
6、算法题：长度为n的数组中有一个数字出现了n/2次，快速找到这个数。
7、介绍一个你参加的比赛。
每一面之后都是在第二天就接到的下一面的预约电话。
前两面的算法题需要写出代码，但是不用过测试用例，三四面只用说思路。
28 下午第四面，今天晚上快7点的时候接到了offer call，通完电话后加了hr小姐姐微信之后给我发了意向书。（一开始是qq邮箱，结果qq邮箱居然把我的意向书拒收了，然后发了 易邮箱。。。）
当时在牛客上面找的前辈内推，记得推的是广告系统，今天告诉我给我分配到了搜索团队，四面的面试官就是我的leader。（在这里非常感谢牛客内推的前辈）
明天回家，今天收到意向书，真的难掩心中的激动和喜悦虽然是计算机科班，但并不是机器学习科班，基础可以说是非常薄弱，字节offer对于我来说真的太难得。
明天 易笔试的时候我正好在回家的飞机上，本来感觉挺遗憾，现在感觉无所谓了
4、百度 原生商业推广部，上海，算法工程师
（真的是对不起百度原生的hr还有经理，辜负了你们的诚意，辜负了你们给予我的肯定，唉，现在都还在难受）。
7.25日在牛客找前辈内推，8.5日接到了电话约一面，约在8.6日，电话面。
一面结束之后很久都没消息，也没有hr的联系方式，幸运的是一面的时候写代码的那个 站加载不出来了，因此面试官让我把代码写好了发他qq邮箱，于是我在8.13日给一面面试官qq邮箱发了邮件询问了情况。
8.14日就接到了二面邀约，约在了8.15日，加了微信进行了视频面试。
8.19日接到了三面邀约，约在了8.21日，电话面试。
三面结束后一直就没有任何消息了，三面的时候加了面试官微信，于是下午问了一下情况，说我已经过了，hr这两天会联系我。然后晚上收到了邮件让我官 完善简历，说9.10日前后会收到测评通知，测评过了就会发放offer了。
下面分享一下面经～
一面：
1、聊项目，聊的非常细，我的项目就是比赛，面试官甚至问了我提分的过程，一开始多少分，做了哪些工作之后升到了多少分之类的；
2、跟过拟合有关的一些问题，详细的内容已经记不清了；
3、聊xgboost；
4、聊deepFM；
5、项目中用到了LSTM，为什么可以用LSTM，它的主要用处是什么，以及LSTM的梯度消失问题；
6、算法题：二叉树中的最长路径；
7、算法题：x的平方根。
二面：
1、聊项目；
2、聊GBDT；
3、算法题：二分查找；
4、算法题：最大堆的插入；
5、聊deepFM；
6、不定长文本数据如何输入deepFM，如果不截断补齐又该如何输入；
7、项目中为什么使用LSTM；
8、项目中整个过程中都做过哪些优化。
三面：
1、n个数中等概率抽取m个数。
三面就问了一道概率题，剩下的基本上是聊天。
总的来说面试难度不高，感觉也是我运气好吧。
如果一面的时候写代码的 站能打开，那我什么时候才能接到二面邀约都还说不准呢。。
现在就剩下一个疑问就是后面的测评到底会不会刷人。。。
在这里预祝各位牛友都可以得到自己心仪的offer～我还不一定能拿到百度的这个offer，所以牛友们可能暂时沾不到喜气啦
（提醒各位面试过程中最好想办法留下面试官或者hr的联系方式，方便没消息的时候能找个人问问情况
5、华为 消费者-云服务-大数据平台部，南京，广告推荐算法工程师。
然后是没拿到offer的以及部分面经：
1、招银 络科技（走完流程，这个我觉得是没什么问题的，不清楚为什么最终没给我发offer）。
2、京东（二面挂，这个我就懒得说什么了，有种被玩弄的感觉）。
3、阿里巴巴（二面挂，蚂蚁金服，投的成都，捞我的是杭州的，这个被怼哭了，面试体验让我自闭）。
4、腾讯到国庆后才捞我，我觉得已经没hc了，就直接拒绝面试了。
5、美团国庆前夕才捞我，匆匆面了一面之后也再没消息了，面试表现自我感觉还行，就最后出了一道类似于开放性的智力题吧，没说出令他满意的答案，但是我觉得不至于因为这个就挂掉。
6、OPPO提前批跟京东体验有点像，大老远跑去武汉一天就一面，还必须在那住一晚，啥都不 销，结果半夜收到拒信，一面挂，真的神奇，正式批直接不参加了。
7、360一面挂，面完半小时就收到拒信，很干净利落，原因估计是明明很简单的算法题却没想出最优解，挂的比较明白的就这家了。
8、携程面试跟京东冲突了，所以放弃了，早知道应该放弃京东去面携程。
最终选择了华为，待遇最好，岗位方向也是我喜欢的，部门也不错，华为最互联 的部门，大数据平台部作为一个数据部门自然专注于做算法，部门下面的小组也是按业务方向进行划分的，比如视频推荐、音乐推荐、广告推荐、用户画像……技术氛围也不错。。编不下去了，其实就是沦为了金钱的奴隶哈哈哈。。。打算先干几年看看，然后想办法回成都。（从本科到这次拿到华为offer，其间一共被华为嫌弃了4次，本来以为这辈子也不可能去华为了，真香。。想不想看我被嫌弃4次的详细经历？
我研究生所在课题组研究方向不是机器学习，甚至与之没有半点关系，组里情况也一言难尽，所以我从研一下学期就开始着手准备这次的秋招了，也就是去年3月份的样子，毕竟从0开始，不早点准备是肯定不行的。
一、认清现实
首先需要明白一个问题，想找算法岗，项目、论文、比赛至少要有一样，不然简历没东西，一片空白的简历谁也不会多看一眼。课题组的情况使得我不可能有机会接触相关的项目和学术研究，因此项目、论文两条路被堵死，只剩下比赛一条路。早早看清了现实，接下来就是长达一年半的艰苦奋斗，只能在完成组里的任务之余挤出时间来学习我自己想要的东西。
二、知识储备
接下来我花了大概半年的时间自学机器学习理论基础、各个算法的原理等等。
- 首先看书，周志华老师的西瓜书《机器学习》和李航老师的蓝皮书《统计学习方法》。
- 然后看视频，林轩田的《机器学习基石》和《机器学习技法》，还有吴恩达的那套机器学习入门的视频，相信学这个的人都看过的。
- 最后看书+实践，有一本书叫做《机器学习实战》，里面以案例的形式对常见的算法进行讲解，每个案例都有数据集和python代码，跟着过一遍，代码自己写一遍，我当时用C++把里面的几个案例敲了一遍。
这三部分任务完成之后，知识储备也就完成的差不多了。
三、参加比赛
大概从去年9月份，我开始了我的比赛之路。目前数据竞赛平台有很多，国外的最知名的kaggle，国内的天池、DataFountain、DataCastle等等。
- 起初没有任何经验，自然是啥也不会，连常用的工具包都用不熟练。因此可以先看看各大比赛的top解决方案的开源和ppt，熟悉一下做比赛的流程、不同业务场景的理解、特征工程常用套路、从特征工程到建模的代码框架等。这里放一个朋友的GitHub链接：https://github.com/Smilexuhc/Data-Competition-TopSolution，里面收集了前些年各大比赛的top解决方案开源，现在他人变懒了，不继续收集了。
- 然后可以参加一些练习赛练练手，等熟悉了比赛流程，有了感觉之后再参加比赛。新手参加比赛建议一开始solo，积累经验，不要在意名次，因为一开始经验不足就组队，有可能会出现害人害己的情况。等有了一些经验之后，就奔着名次去吧，要记住必须有top名次才能往简历上写。
- 就国内现在的比赛环境来看，新手想solo拿到top名次几乎是不可能的事情，你会发现每个比赛前排总是那群熟悉的面孔。因此先努力提升自己的名次，然后在跟自己名次差不多的人当中选择组队，反正想方设法把自己***前排去，因为你要记住你是为了找工作而打比赛，不是为了奖金也不是兴趣。记住你跟别人不一样，一个比赛短则一个月，长则两三个月都有可能，一个比赛失败，你就少一次机会，离秋招也就近了一步。
我运气还算可以，截止今年6月份，成功拿到一些top名次，简历有东西可以写，面试也有东西可以说了。
对了，打比赛之前请先看看GBDT的原理，再看看xgboost和LightGBM的论文。
四、进入秋招
由于比赛的缘故，我秋招复习的比较晚，大概5月份才开始复习吧。
- 首先是简历，我把自己最出色的两三个比赛当作项目写在了简历的“项目经历”板块，每个比赛都做好总结，分条阐述，这样就撑起了简历的篇幅。每个比赛一定要掌握透彻，千万不要被面试官给问住了。
- 然后是复习机器学习相关的知识，我把西瓜书和蓝皮书又看了一遍，然后结合自己简历上的项目在牛客上看面经，主要专注于那些高频问题，还有就是简单的算法得学会手推，再就是特殊的算法单独复习，比如GBDT、xgboost、LightGBM等。
- 最后是刷算法题。我刷的题比较少，只刷了牛客上面的剑指offer和LeetCode，都没去过LeetCode官 刷过题，惭愧。也许是计算机科班出身的缘故吧，刷少量的题也就能够勉强应付数据结构与算法这一块的面试了。在我看来有7方面的题是最常见的，堆和栈的使用场景、几大排序算法、二叉树的各种遍历、链表翻来覆去的操作、DFS和回溯思想的应用、动态规划、时间换空间和空间换时间的思路切换。反正多刷题吧，面试基本上都是出的原题。
五、一些建议
在此奉劝以后要参加秋招的同学，一定要参加提前批！一定要参加提前批！一定要参加提前批！不要看见别人说什么提前批神仙打架就不参加了，正式批才是竞争最激烈的时候！不仅竞争激烈，hc也不够了！还有就是提前批一般免笔试，你们知不知道笔试这个东西难度有多大？了不了解笔试能否通过有多么玄学？
但是！你简历投递出去的时候一定要保证自己已经可以参加面试了，否则就是炮灰，白白浪费提前批的机会，所以一定要提前做好准备！一定要提前做好准备！一定要提前做好准备！
到时候多关注内推相关的帖子，因为有些公司的提前批可能不会发官方通告，只能在牛客找内推，而且内推一般还能免简历筛选，对于学校不是特别有优势的同学来说就更好了。
我5个offer除了华为，其他4个全都是提前批获得的，其中字节跳动和百度都是找前辈内推的。并且在正式批的过程当中我真的亲眼见证了身边朋友由于笔试或者hc不够等原因被挂掉或者被要求转岗的情况。
在我看来，也许从今年开始往后，大家就都会明白提前批的重要性，然后激烈的竞争会慢慢转移到提前批，最终使得提前批失去了其本来的意义，变得跟正式批一样了，进而使得互联 行业的秋招来临的越来越早，也是有可能的哦。总之提前做好准备吧。
六、一点题外话
本人是个沙雕，但有时候脾气不是很好，看见令人不爽的事我就想怼两句。在赛圈混了一年，也撕过几次比，但更多的是结交了圈内很多志同道合的同伴。甚至秋招期间，跟 上同样参加秋招的同学也互怼过。当然这里面也有些是我的错。正因为这样，可能有些人觉得我就是个喷子，但是我觉得我不是，因为我跟喷子最起码有三点不同：
1、喷子不讲道理，我是讲道理的；
2、喷子没有感情，我是有感情的；
3、喷子一般不帅，我是比较帅的。
（前段时间在qq群还跟牛客AI小姐姐筱茜发生了一点点矛盾，为了不让自己过分失态所以退群了，尴尬的一批。当时之所以反应比较激烈是因为那个话题在我心里有创伤有阴影）
以上就是我长达一年半的秋招之旅，感觉也不算特别详细，还是希望对今后找工作的同学，尤其是那些跟我情况比较类似的同学有所帮助，也祝大家都能找到令自己满意的工作！
（这么长的篇幅能看完的是真爱）
更多坊间干货，请点击了解更多
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！