失败的秋招总结

软件工程本科，总结一下自己失败的秋招经验，同时分享一些中小厂的面经吧。之前听别人说本科投算法最好读个研，除非能力特别强，狂妄的我想看看自己的实力，结果就是栽了跟斗。

说说自己的算法学习经历吧，大三下开始学数据挖掘，然后学期末搞了个Kaggle竞赛，暑期鹅厂搞了个文本分类的项目。9月开始海投简历，各种大厂的笔试挂，包括腾讯、网易等等。9月底才开始有了第一个面试。

1、乐信。算法工程师，视频一面挂，问的问题都比较基础，比如SVM、类别不均衡问题、GBDT，问了项目相关的问题，答得不好都回答地很浅。

2、火烈鸟。数据挖掘工程师，广州一家游戏公司，当初是打算来攒经验的，去公司面试，面了三轮。第一轮，讲自己最熟悉的模型，简单讲解GBDT，GBDT和随机森林的区别以及各自优缺点，对关系型数据库的理解和使用情况。第二轮，深入项目内容来提问，问实习项目内容问的很深入，当时自己没有整理好项目内容的思路，讲得有点凌乱。第三轮，HR提问一些基本信息，问的比较多是接不接受提前实习之类的问题，以为有戏，结果国庆前都没给我通知，才知道是挂了。打击有点大，以为很稳结果却跪了，所以国庆没有回家，选择在学校扩充理论知识，10月再战。

3、微众银行。后台开发（机器学习方向），二面挂，一面同样先问了项目内容，问了对决策树的理解，信息增益比的优点，还问了Top K问题，面试时间很短，最后自己强行讲了自己的第二个项目。二面，基本没问技术问题，类似HR面，将很多项目的心得体会。

4、珍爱网。数据挖掘工程师，一面挂。面试体验极其不好，面试自带嘲讽语气，喜欢打断，问项目经历居然不问技术细节，而一直问我和同事相处如何，认不认识那个谁谁谁，你们BG的副总裁是谁知不知道，满脸的质疑。然后看了我笔试的SQL没做对，又是一脸质疑：你实习的时候没有用SQL的吗？最后问了我知不知道特征交叉，我直接说不知道走人了。

5、OPPO。机器学习算法工程师，拿到offer。一面同样先问简历，问了神经网络相关的，过拟合怎么办，卷积神经网络的结构，卷积层以及池化层的作用，问了LR、SVM的原理，最大似然估计和最大后验概率的区别，还问了一些计算机基础，链表和数组的区别，堆栈数据段之类放了什么，C/C++编译过程，其他的没记清楚了，一面面试官人很好，我向他提问道如何才能在算法岗中提高自己的竞争力，他给了我不少建议还讲了十分钟的人生道理。二面，简单问了项目，为什么投递这个岗位，为什么不读研，自己的优点缺点。HR面，聊天。

6、招联金融。数据开发，二面挂。一面问的都是比较简单的，一大堆机器学习相关的十分基础的问题，降维方法、特征选择、无监督学习等等，还问了Spark相关问题，基本都答上了，但是面试官表示数据开发在他们公司很重要，所以会倾向于招研究生，以为没戏，结果还是收到二面通知。二面，技术问题没问多少，面试官很好人，有说有笑，还跟我说：你们啊，不要被老师们骗了啊，现在机器学习的需求根本没有那么旺盛，在机器学习没火之前，这些问题就存在了，也积累了丰富的解决方法。然后说打算把我调到软件开发，我答应了，结果还是没收到HR面通知，欢声笑语打出了GG。

7、Bigo。推荐算法，最后一家公司的面试，也是面的最崩溃的。跪在了第二轮，第一轮问项目问得十分细致，类别不均衡问题、卷积神经网络、word2vec的原理，LR的优化算法，牛顿迭代法的原理，LR加上L1正则后如何用上牛顿迭代，LR的Map Reduce实现方法，问了CTR预估中曝光量量过低的特征处理方法，一面整体答得上来，还算顺利。二面考数学和算法，面试官说先来道简单的，写个全排列，跪了，做剑指offer时就没做出来，当时想面试应该不会遇到的，真是太天真了。第二道题是编程求AUC，优化求面积的方法，一脸懵B，理解不够深入，没回到上，其实还是第一个题把我整垮了。第三道题，x的x次方求导，不会。

总结：面的这些公司，除了bigo，其他的技术问题都感觉不难，没拿到offer可能是自身简历不出彩，面对硕士没有竞争力。同时我也知道了算法岗竞争确实是激烈，自己不管在数据结构基础和机器学习理论的理解都有很多不足，自己的实力还不足以胜任该岗位，所以现在已经决定考研，可能时间不足，但是再战一年我也会去考。感谢牛客网，感谢各位牛油，N年后再战！