1.5年小白复盘互联网秋招
个人情况简介
投递过程
早投！早投！早投！重要的事情重复三遍，能在提前批投，就不要在正式批投，能在秋招投，就不要在春招投，见证和经历过太多面到后面，面试都通过了，但因为hc的问题被刷掉的惨痛教训，同时提前批投递可以免笔试（百度、字节、京东等公司），但咱也不能白给，上去直接送（因为面评也会直接保留），尽量准备到50%左右就可以去面试了。
小Tips：
1.尽量采取海投战略，不要只盯大厂，可以投一些小公司去练练手，找找面试感觉，再去面试自己心仪的公司时会得心应手。
2.有些公司会让你先选择事业群/业务线，这也是个需要考虑的点，敲重点！往往核心部门的面试难度和录取难度都比较大，类似字节抖音/广告，阿里淘系/妈妈，腾讯wxg之类的，相比较于非核心/边缘部门（XX教育，XX文娱，具体可询问公众号
秋招结果
最终也是收获了百度推荐、京东广告、滴滴风控、B站广告算法等offer，其实结合自身实际情况分析，收获这些offer算是勉强及格吧，但复盘自己挂掉的原因，仍旧有很多可待提高的点。
1、算法
首先讲下算法在面试中的重要性吧，首先笔试和面试中都会考查算法，笔试会按照成绩筛选（但有些提前批不需要笔试，因此尽早投递），绝大部分公司的面试也需要手撕1-2道算法题（亲身经历，面试10场，9场需要手撕算法），做不出来很大概率上这次面试就跪了，特别是字节这类重视coding的公司，因此大家务必重视算法，同时也得清楚算法的时间复杂度，我有些大厂面试挂掉就是因为算法题没做出来
我个人经历的话差不多是从研一下（4、5月份）才第一次接触算法以及数据结构这个概念（越早越好），也是买了《大话数据结构》这本书作为入门教材，虽然这本书中算法都是用C语言来实现，但并不影响我理解算法的思想以及常见的数据结构，基本上涵盖了常考的知识点，同时易读性很强，不像《算法导论》这部圣经，厚厚的就想让人绝望。先完整的看一遍，平常概念不清晰时也常翻翻。
熟悉常见的数据结构和算法后，就可以去leetcode上面刷算法题，刷题过程一直持续到秋招前，保证每天刷3-4题吧（同时限定10min内思考，如果思考不出直接看答案，因为面试时的思考时间差不多就是5-10min），可以先限定一个大范围，比如Hot 100、剑指offer、CodeTop小程序上的企业常考题（避免在低频题上做无用功），按照算法/数据结构类别来刷题，类似二叉树、链表、双指针、排序、二分查找，动态规划，大致刷300道题目，然后重复刷这些高频题2-3次，并把自己不会的题目进行总结反思，最后基本做到看到题目就有思路的程度，因为很多面试时的算法题就是leetcode原题。同时尽量做到举一反三，总结出各个题型对应的算法，比如看到一些子数组和子字符串的最值问题，基本就要想到用动态规划，看到有序数组很容易联想到用二分查找，我们不能单纯的背题目，需要掌握各个算法的思想和适用场景。
面试算法时的小技巧：
在面试官给出题目，自己脑海中有思路之后，先不要动手coding，而是把自己的思路和面试官先讲一遍，此举目的有如下：
1.保证面试官接收到自己正确的思路，这样万一后面coding过程中没有跑通全部case或者实现过程中遇到困难，至少能弥补一点；
2.万一思路有问题，面试官也能给出优化建议，方便最后coding成功。
3.你写得太快，面试官会觉得你做过这道题目，那接下来他往往会出一些难题了。
另外，如果思考了10min完全没有思路的话，是可以申请让面试官换一题或者申请提示。总而言之就是，切忌有思路之后盲目写题，而是先和面试官多交流
2、项目/实习/比赛
小建议：时间线不需要照搬我，经历相似便可，因为我3月份就去滴滴实习了，其实是没有参加当年春招的，但建议大家参加，有如下好处：首先在简历上写的时候，要按照针对什么问题，你做了什么改进，有了什么效果提升（最好是具体的数字量化指标）这样的格式来写，借鉴STAR原则简明扼要的阐述经历，可以加粗突出重点，而不是将细节全部写出。同时写在简历上的点，都是面试官重点考察的对象，所以对于在简历上的任何东西务必熟悉透彻。
1.如果通过春招面试，没有去实习，其实秋招可以直通终面（阿里，字节，美团都有），相当于别人需要2-3面拿offer，你只需要一面，速度快又省力 。
2.提前参加春招，有利于积累经验，更有利于秋招的准备。
项目/实习/比赛，基本会占到整个面试过程的50%的时间，所以务必准备时要好好复盘下整个项目的完整性，可以从以下几个方面反问自己
（1）我为什么要做这个项目（交代下项目的背景，我们做的意义）
（2）我为什么要对这个问题进行改进优化
（3）针对问题优化，有和其他技术方法进行调研比较吗？为什么用你这个技术方法而不是其他技术方法？切忌只会照搬最新技术方法，而不会细致的分析自己问题所处的场景而选择最合适的方法
（4）你这个技术优化的原理是什么？
（5）具体是怎么实现这个技术优化的（这部分最好参照自己的代码细节）
（6）知晓整个项目的流程链路pipeline（比如从选择数据开始，到最终模型上线）
（7）对于整个项目中涉及的每个技术细节/原理，务必心知肚明，确保面试官提问时你都能回答出来
（8）学会复盘，通过这次项目自己获得了哪些成长，仍旧有哪些不足可以有待改进
小建议：
1.可以将自己的整个项目，各个方面的内容都写到word或者笔记本上，可以常翻常看，巩固知新
2.经过每一次面试，总结自己回答的不好的点，将自己对于项目中没有考虑到的地方补充完整
3、八股文/基础知识
其实根据我的个人经验来说，如果你的项目/实习/比赛相对比较充实，也和面试岗位比较契合的话，其实单纯问基础知识的时间并不多，而且往往会在问项目的同时穿插着问，或者就问一些和项目中用到的技术比较相关的内容，相对来讲比较好准备；但如果你的简历中能够引起面试官兴趣的点/能够让面试官提问的点比较少，此时就会问很多八股文了，往往此时问到的问题就可能会超出你的知识范围；同时语言方面，C++是加分项但不是必备项，只会python也是没有关系的，并不会卡语言。
关于个人经历的话，其实一开始主要读的就是李航的《统计学习方法》，把机器学习的基本概念首先摸清楚，之后入门深度学习主要看李沐的《动手学深度学习》（最近他在B站也上传了，喜欢看视频学习的小伙伴可以去看看），这两本我感觉都是比较入门的经典书籍，通俗易懂，秋招前我又看了一遍，巩固基础，但我个人动手实践coding方面主要参考莫烦学python(mofanpy.com)；之后的话就是缝缝补补，看到一个概念（比如梯度下降，Normalization等等）就去CSDN或者知乎上搜索相关知识（但找到详细优质的内容挺耗费时间的，建议大家灵活选择有效搜索方式），前沿经典模型的话就读原文论文（可以在arxiv上下载原文），并结合他人分析总结。
学习完通用类基础知识，特定领域内（比如搜索/广告/推荐，CV，NLP）方面的，我本人对于NLP方面的知识基本是靠着《动手学深度学习》，以及看相关论文综述，先了解整体的发展脉络，再针对细节进行仔细阅读，同时也会结合下优质公众号（比如美团技术、CS的陋室等），了解下工业界各公司是如何应用前沿方法落地的； 如果是要投身推荐/广告算法方向的小伙伴的话，可以阅读下项亮的《推荐系统实践》（入门），王喆的《深度学习推荐系统》（进阶），来掌握基础概念。
结语
希望看完对自己有收获的小伙伴可以关注公众号：Coder浩，或者留言区积极评论交流那，其实楼主本人也有春招的打算，大家一起加油
