苏学算法

2021-09-11 19:29 字节跳动_data_推荐算法工程师

关注

论机械狗如何硬卷算法岗

前言

本文目的有三

个人学习生涯的总结和记录
分享非科班转互联网的经验和感悟
对于转行互联网的想法 & 交流

说明：本文会将题主转码前后的心路历程详尽道来，我想有打算转行的同学应该会有类似的经历。

只想看干货的可以跳到第四节。后面还会专门出一期转码面经

一、个人情况

个人信息

双985硕，本硕均机械专业，0基础硬卷算法岗成功，转行上岸

硕士研究方向为智能故障诊断，水过2篇SCI，无顶会论文，获国家

实习经历

富士康：没错，就是那个富士康，属于校企合作项目，机械设备的故障诊断

腾讯：Robotic X 实验室，主要是强化学习在机器人上的应用

阿里：阿里云，机器学习岗，主要是机器学习在工业领域的应用

字节跳动：推荐算法，主要是拿到offer之后来体验的

秋招offer：

阿里、字节跳动、美团、华为、OPPO、顺丰、科大讯飞、新浪、深信服、中兴（蓝剑计划）等 15+ offer

二、转码前的徘徊

转码前的经历

前面提到，题主本硕所学都是机械。高考报考是因对其感兴趣，至今也仍爱之如初，爱之切，念之深。

本科最开始的时候，离真正的生活还比较远，因此没有考虑到机械的就业现状，只想着早点工作早点赚钱，于是我经常参加机器人相关的比赛，也获得一些名次；并且花大量的精力在学生工作上，也达到了自己预定的目标。

到了保研之际，毅然决定读研，只是保研操作失误，并没有到自己想去的高校，不过祸兮福兮，如果换个高校我可能就没有充分的时间精力自学、实习、转行了。在此真的非常感谢我的导师！

读研之后第一份实习就是到富士康实习（导师和那边的合作项目），和流水线工人同吃同住，不过也没有外界传的那么可怕。我们主要是做深度学习在故障诊断领域的应用。实习之后才第一次知道我们平时玩的demo根本没有办法直接落地。其实我们完成项目的过程中最大的困难并非算法，而是前期的实验设计和实验过程。

思想的改变

从富士康“退休”返校已经是研二，将学业上的事情基本搞定之后，毅然决定转码。没有去过工厂的可能根本无法体会，站一整天，满手洗不干净的机油，大家可以随意感受下对比

在这里插入图片描述

三、转互联网的思考

浅谈机械专业

本科阶段（2014年），机械还是一个不错的专业，就业率高，社会需求稳定。机械有“万金油”之称，意指从机械机构到嵌入、再到算法，啥都能干，因为啥都学，当然这也容易导致啥都学不精。

机械也有“越老越吃香”之说，因为对于传统的机械师傅而言，经验就是王道。也就是说，即使很清晰得告诉你每一步怎么做，最后你还是可能做废了，因为很多经验是无法量化和标准化的。然而我想在有体力、有能力奋斗的时候就“吃香”。

机械虽然没有“生化环材”的天坑之说，但是也差不多了。我们机械学院几乎人人转码，因此被戏称为“计算机二院”。我转互联网当然也受到氛围的影响，但是，最终还是需要量身定制自己的规划，盲从是不可取的。

转行的思考

我从来没有认为机械专业不如CS，只是对于处在当前环境下的我，互联网方向更适合我罢了。这里提到的“环境”包括家庭情况、个人追求的倾向、个人未来的发展规划等。互联网工资固然高，但也是需要牺牲一些东西去交换的，比如健康的身体。

身边也有很多同学放弃互联网，去选调生（一起阿里实习的同学）、去深圳当老师（“陈同学在搬砖”）、去考公务员（最佩服的的实验室师兄）、去银行（高中同学）、转金融读博（本科同学）等。选择很多，重点看你自己的选择。

所学七年付诸东流？

读研之后，才慢慢感受到世界变化之快，没有什么是一成不变的。虽然以后大概率不再拿扳手了，但是在机械学到严谨、追求细节这些搬砖精神仍然是有价值的。

重要的是，生活中大多数事情都可以自己动手解决，不是很棒吗

还有，既然敢放弃七年所学，并且能够转行成功，要相信自己的能力也不差，就算再学新的东西也不怕

四、算法岗的准备

废话结束，进入正题。

为什么硬卷算法岗

题主是机械转算法岗，至于为什么转算法。原因有二，

研究生阶段用到一些算法相关的内容，算法相对更容易转成功
虽然当年算法岗已经一片红海，但是我客观分析了自己的能力，并且做好充分的准备，大不了还当机械狗呗 🐶 🐶 🐶

真的要卷算法岗吗？

我体验了算法岗从诸神黄昏到灰飞烟灭的过程，本质上就是供需关系导致的。小厂没有那么多经费给算法研究员烧，大厂算法岗也远比开发岗少，但是由于算法岗给人的感觉是“门槛低”，所以导致了供大于求的市场关系。

因此，算法岗的面试也越来越硬核，算法面试一般需要以下几项能力

顶会论文 or 大厂实打实的实习 or 重量级大赛TOP
扎实的计算机基础
数据结构与算法 & 扎实的解题能力

五、面试经验

面试规划

根据上述面试要求，分解自己的学习目标，以我自己为例分析。我没有顶会论文，并且研二提前完成了硕士要求（研究方向的论文要求），因此我把重心放在了大厂实习上。

5.1 量身定制面试思路

面试官其实也知道你就是一个校招生，你自己觉得多🐂🍺的东西，在面试官看来都是 demo，因此只需要重点突出你做的东西，你的思考。面试官想知道的是你的能力，而不是你具体做的东西。只要你学习能力够强，再给你一个新的东西你照样能学好。

因此，我的思路是以自己现有的东西，不断去找实习，不断提高自己，丰富自己的简历

1. 富士康 => 腾讯

首先按照自己的情况，没啥好拿的出的东西，重点是 SCI 论文和富士康的实习项目，那就以这两者为重心
瞄准近期招实习生的单位，广撒网，不要只在自己学校的渠道找，完全可以去其他学校的论坛、校招实习群等蹲，或者找其他学校的学长推荐等，所以说，渠道打开也是很重要的，我就是在其他高校的渠道找到实习的
我在腾讯实习期间做的是机器人算法相关，算是和机械能沾上边，自己尚有一点优势。试想，如果我一上来就去找 CV 的实习，估计也上岸不了

2. 腾讯 => 阿里

阿里的实习其实也是从其他高校的渠道找到的，可见格局打开多么重要。🐶
阿里的实习做的是机器学习在工业领域的应用，也和自己的专业有比较高的契合度

3. 阿里 => 字节跳动

阿里实习结束并顺利转正。
当然在阿里实习期间，我并没有停止面试其他公司。在找工作上，适度“渣男”更能有谈判的筹码，因为只有你手上有更优的offer选择，谈薪的主动权就在你手上了。除此，同时面试其他公司也能避免转正失败而导致的巨大损失。
拿到字节跳动的正式offer之后，我马不停蹄得到公司实习，因为只有实习才能最真实得感受公司的文化，你只要呆一段时间，就很清楚自己喜不喜欢。我最开始也是纠结阿里和字节，最终体验以后果断入了字节。

5.2 具体面试经验

面试核心主要两块，一是项目介绍，这是你自己的时间，一定要重点把握；其次是 Coding，这个无他，唯练尔！

多参加面试

每一次面试就是增长自己经验的过程，每一次面试都是了解自己短板的机会
面试一定要写总结，多多少少皆可，有复盘才能有提升
不要一上来直接硬刚你最想去的公司，毕竟是最终目标，前面多拿小厂刷经验才是明智之举
按照公司面试难度大致划分几个分区，按照难度系数一步步升级打怪

面试，不用怂

前面提到，面试官希望从面试中了解到的是你的学习能力，而不是你做的demo细节。当然，越是大厂越是如此，腾讯、字节、阿里皆如此
你做的东西你最清楚，面试你慌啥？在面试经验丰富的情况下，你就是你的项目的权威
每次面试，把项目细节都要越扣越深，这样才能对答如流
把自己的项目不断重复介绍，可以录音，反复听。你所说的每句话、每个词，都可能是面试官挖坑的关键词！

刷题

关于刷题，公众号中有专门的栏目，暂时大部分还在 CSDN 上（https://blog.csdn.net/weixin_41888257/article/details/107397221），后续会逐步完善
不能为了解题而解题，还是那句话，面试官想看到你的能力，那么一题多解就必不可少了，从最简单的解法开始逐步深入

5.2 面试心态

只要参加面试就有可能会挂，这很正常，首先需要接受自己暂时的失败
不止是你，无论多大佬的大佬，都会偶尔经历被挂。面试不仅仅考察能力，也有运气成分。你和面试官的风格是否相符也是一个因素
挂了并不是坏事，重要的是复盘，面试最后都可以问下面试官，你还有哪里可以再提高（不用直接问对你的面试评价，问了人家也不会说，换个说法就是 “您对我后续学习的路线有什么建议吗”）

六、工作体验

题主现在在字节跳动 Data 下的推荐算法团队，入职之前来实习体验过，所以知根知底，入职顺利融入，毫无违和感。

工作氛围：

作息：大家一般十点到十点半之间到工位，我住的比较近，一般九点半到。晚上大家一般九点半左右下班，当然也有偶尔自己写的 bug 没有搞定的时候晚点回家了

饮食：等你的体重上来了，你就知道伙食怎样了。虽然没有HR对外宣传的那么好，但是也差不多。三餐免费，下午茶水果或者肯德基这种。午餐和晚餐都会配水果和饮料（苹果、橙子、雪碧、果粒橙、快乐水等），公司还是下了一定的血本的哈。饭菜的话，你拿多少都不会有人说你，阿姨都很好，甚至看你比较能吃，再多给你点。

工作：讲道理，字节的mentor是我体验过的大厂里最好的，简直就是手把手教学，因为题主基础差，即使多问几遍也不会说 “我不是跟你说过了吗？”，而是很耐心得跟我解释其原理。

工作内容的话，主要是做推荐算法，题主现在正在不断学习的过程中，反正不懂就查资料，查不到就直接问同事，大家都很 nice，即使是很傻的问题，也没人说你笨

七、算法岗未来的思考

以下仅仅是个人看法。

个人感悟

工作之后，发现新的东西真的是层出不穷，尤其是算法岗，所以不断学习以提高自己是非常重要的
另外就是，不断提升自己的圈子，向圈子里最优秀的那群人学习

关于算法的思考

个人认为算法岗供大于求的局面还会持续一段时间，即使是已经有部分同学又转头去卷开发岗的情况下
AI 在实体业的落地难度依旧很大。首先是四小龙现阶段的情况可以说明一些问题，还有题主之前在阿里实习的时候做的就是算法在工业领域的应用，这种落地很依赖场景数据，但是矛盾的是，数据却很少。落地会遇到各种水土不服的问题。
对于算法岗的需求而言，广告推荐应该是大于CV和NLP的
国家最近出台的对于广告领域的打压，也会一定程度上影响算法岗的需求，但是至少现阶段，广告推荐的需求还是不小