【心得】2020校招血泪史，希望大家引以为戒

Edisoned

发信人: sophie1995 (Sophie)
发信站: 北邮人论坛 (Tue Jun 23 12:50:44 2020)

硕士马上毕业，校招拿了一些大offer，也试着申请了几个PhD项目（都凉凉），但该错过的基本都错过了（先是错过了最好的PDD，再是PhD奖学金莫名其妙没申到），最后做出了鲁莽的选择，一手好牌打个稀烂，每天活在悔恨中，近乎崩溃，把这一路上的经验教训总结如下，希望后面的人不要踩坑。
（以下针对算法岗）
（难免有个人偏见和情绪在里面，不喜勿喷）
1、做决策前尽可能给自己争取更多思考的时间，各方面多去收集信息（找学长问、找面试官私聊、看脉脉啥的），明确自己的诉求是什么（技术成长、晋升、钱）
2、不要着急交三方
3、千万不要因为某一个人而选择一个公司，哪怕你觉得他非常靠谱可以带你飞
4、做算法，有机会还是尽可能选择搜索推荐广告，算法工程两手抓，问题明确，模型对业务结果负责
5、这两年可以说是进PDD最好的机会，后面水涨船高，也许和现在去面淘宝主搜首猜一样困难
6、去大厂做FinTech的算法要慎重，这里面的玩法和搜索推荐不一样：决策空间小、频率低，算法发挥空间非常有限（对技术成长有诉求的来了绝对后悔）
7、保持刷LeetCode的状态

-----------------------------------------------
下面是我校招经常被问的一些问题，简单总结，需要可自行查漏补缺
1、逻辑回归（损失函数、为什么用sigmoid）
2、树模型：决策树结点分裂方式、怎么处理连续值特征；GBDT、XGB的基本原理（能手写公式）
3、L1和L2正则（非常高频的一个题目是L1为什么可以带来稀疏性，可以去知乎搜一下）
4、word2vec基本原理，层次softmax和negative sampling的原理，会推公式
5、DNN、RNN、CNN的前向传播和反向传播要会手推
6、LSTM前向传播会写，反向传播最好自己推一下，理解问什么能抑制梯度消失
7、深度学习里各种优化器的基本原理
8、Transformer基本原理（可参看哈佛的这篇http://nlp_seas_harvard_edu/2018/04/03/attention_html），会手写attention
9、手写LR、KMeans（手写GBDT predict过程也可以自己练一练）
更具体的可以根据自己要面的公司和部门去牛客上找面经。
--------------------------------------------------
希望大家能找并选择自己喜欢的工作，万一入坑，想法自救，不要停止刷题。
当然要保持快乐，生活是自己的，快乐就完事儿了