炫酷狂拽!一名迫击炮手如何成为支付宝算法工程师?

简介: 我本科毕业后就成了一名地中海边迫击炮手,还被派到非洲阿尔及利亚造过火药。每当看着几百迈的炮弹从迫击炮膛里飞速冲出的时候,我就在想也许我也可以冲出不一样的人生经历。

如果只看标题,你会不会觉得这是一篇从“战争”走向“和平”的经历,似乎还有一点危险?是的你没看错,我本科毕业后就成了一名地中海边迫击炮手,还被派到非洲阿尔及利亚造过火药。每当看着几百迈的炮弹从迫击炮膛里飞速冲出的时候,我就在想也许我也可以冲出不一样的人生经历。这不,此刻在电脑屏幕前码字的我,正在开始一段新的人生路。
image.png

请查收!看“迫击炮手”如何变成“西湖最帅”算法工程师
谁的青春不迷茫,没有谁是一帆风顺的。当年考研,我以为以全系第二名的成绩(没错我和2很有缘,too many 2 in my life)可以选择一个就业方向较好的实验室,但是事与愿违,实验室对就业几乎没有加成。于是,我通过不断实习来丰富自己和锻炼能力。这也是我给大家的第一条建议,主动找机会锻炼自己,让自己的简历丰富起来。

用积极的态度去拿offer

保持积极主动的态度,是拿下offer的关键一步。

首先信息准备阶段。请一定积极的去多维度搜集信息,包括但不限于网络(如牛客网)、人际(如师兄师姐)、机构(就业处)等渠道。你需要知道你所要投递的岗位信息(甚至具体到要求逐字逐句,投录比等),信息越多,你做选择时才能更坚定。

我是去年校招进蚂蚁的。此前,我在某公司实习过推荐算法,当时的工作状态就是每天写一些数据分析的脚本,所以我就主动去做了一些功课,了解到该公司每年都会招聘大量实习生,对他们的培养却没有用心,且转正的诚意也不高,于是我果断离开随后来到蚂蚁。我的意思是你要随时具有掌控信息的能力,这样才能有利于作出相对正确的选择。

其次简历准备阶段。可以说,简历是你递给面试官的名片,你需要对简历上信息的准确性有百分之百的把握,一定要再三确定。然后在准确的基础之上适当突出个人亮点,切记不要流水账,也不要太简洁。你需要让面试官通过简历对你感兴趣,让他可以找到与你聊嗨的点。给大家2个小提示:

第一,多写量化数据。一个数字之于一堆文字就是万绿丛中一点红。要知道面试官看到数据都会兴奋得不得了,再看到前面的+号,分分钟聊嗨不是梦。

第二,掌握简历上的每一句话。简单说就是对自己的简历要有非常深刻的记忆,甚至详细到自己做过项目中每一行代码是怎么写的,防止面试官在基础面时提问一些细节性的问题。

最后当然就是最重要的面试阶段。笔试我就不说了,约个基友,一个下午,刷刷题,搞定。至于面试,四个字总结:千锤百炼。克服紧张的唯一办法不是把面试官当成冬瓜,而是多面形成记忆惯性,肌肉刺激太多次也一样紧不起来是不是,所以永远不要放弃任何一次面试的机会,无论是提前批,还是正式批,全都搞起来。强化学习的宗旨就是在不断试错中达到最优。
image.png

关于面试,我想和同学们分享一些我的经验。

第一,听清楚面试官问的是什么,想三遍想清楚之后,有条理的组织好语言再回答,还有就是不要抢话。

第二,对自己做的东西保持自信,勇敢面对质疑。我在总监面的时候,被问到一个有关机器学习的开放性问题,需要给出多种解决思路。当时我回答出了几个,也被面试官认可了,但是他说还有更简单更基础的,也是被我忽略掉的那一种。说实话,是有一点心虚的。在面对不会回答的问题时,不要上来就说你不会,而是向面试官主动索取信息,这是一种解决问题的态度。面试官通常喜欢合理的争论,如果他不,那么这个公司不去也罢。

第三,要诚实。一二面注重基础细节,需要你对自己写的代码熟悉到行。因为有很多项目都是与同伴合作完成的,自己做了什么就如实说,否则一旦撒谎圆不回去就不好了,毕竟技术圈其实很小的,一些优秀的面试官互相都是同学。到了终面,一般都是高P面试,多谈谈你的大局观,展现出你善于思考的一面。

一份温暖,一份承诺,一份友情,一份成长

我是通过实习转正留在蚂蚁的,当初投递实习的时候,我本来是投java工程师,后来接到一个师兄的面试电话,师兄跟我说,你这简历是做算法的,并不适合面试java岗位,然后就帮我改了投递方向,到现在我都不知道他是谁。因为填写这些信息超级麻烦,不仅花费了他自己的个人时间,而且我投递的岗位还不是他的部门,但这就是一份来自蚂蚁的温暖。
image.png

转正答辩结束后,我其实挺忐忑的,说真的,我个人是真的菜哈哈哈,不过好在还是如愿收到了蚂蚁offer。虽然后续我也收到了别的公司offer,但我依然觉得要遵守承诺,最后选择了蚂蚁,现在想想,那时候也是真的下了好大的决心(今年少吃肉),却不后悔。蚂蚁这边多元化平台和丰富的学习资源,让我现在又能挣钱又能学习,简直爽得飞起。此为一诺。

实习期间,在参加蚂蚁金服实习生夏令营的时候,我和其他几个同学组成了一个小分队——人生需要笑队,队名和谐,队友可爱与实力并存,在最后的算法比赛中获得了亚军。没错吧,我和2的缘分天长地久,那段时光现在回想起来都超级开心,貌似大家都转正了,蚂蚁这边转正率超级高,想想以后工作中还可以见到,莫名有些小激动啊,此为一份友情。

对了,我的花名叫分寸,希望这个夏天遇见你~(PS:永远不要失去分寸啊)
image.png

加入蚂蚁金服-CTO线-智能服务部

蚂蚁金服-CTO线-智能服务部全面负责蚂蚁金服在人机对话领域中的算法研究、平台建设及业务落地工作,打造更好的面向数字生活和金融开放业务背后的客户服务能力。部门由多名业界顶尖的硅谷科学家及国内资深工程师组成,技术氛围浓厚、团队关系融洽、发展空间广大;算法研究与业务落地并存,支撑支付宝、财富、客户权益等核心业务,覆盖亿级用户及千万级商户,在多个顶级会议/期刊上均有论文发表。

岗位介绍:

岗位名称:算法实习生

面向人群:2021 届毕业生(毕业时间:2020年11月-2021年10月)

工作地点:杭州、北京、成都、上海

岗位描述:

  1. 负责语义理解、多轮对话管理、用户模拟、机器阅读、强化学习、小样本迁移学习等算法的研究及项目落地;
  2. 负责蚂蚁金服统一机器人平台的开发工作,支持蚂蚁各业务线和生态场景;
  3. 负责蚂蚁智能服务平台的开发工作,包括智能问答、智能语音交互、智能化运营等。

岗位要求:

  1. 硕士及以上学历,计算机、数学、人工智能、电子工程等相关专业,博士优先;
  2. 有良好的数据敏感性和较强的逻辑推理能力,有良好的团队协助能力和自驱力,对业界新技术敏感,喜欢钻研;
  3. 熟练使用常用的数据结构及算法, Java/C++/Python等语言基础扎实(熟练掌握其中之一即可),有较强的算法设计和实现能力,ACM等coding 大赛获奖者优先;
  4. 扎实的机器学习算法基础,在NLP 、机器学习、数据挖掘等相关领域的顶级期刊或会议发表论文者优先,在相关国际比赛中排名靠前者优先。

投递邮箱:alexcui.chb@antfin.com

目录
相关文章
|
5月前
|
算法 语音技术
支付宝商业化广告算法问题之在ODL模型优化过程中,采取什么策略来提高模型的泛化能力呢
支付宝商业化广告算法问题之在ODL模型优化过程中,采取什么策略来提高模型的泛化能力呢
|
5月前
|
机器学习/深度学习 算法 搜索推荐
支付宝商业化广告算法问题之在DNN模型中,特征的重要性如何评估
支付宝商业化广告算法问题之在DNN模型中,特征的重要性如何评估
|
5月前
|
算法 搜索推荐
支付宝商业化广告算法问题之基于pretrain—>finetune范式的知识迁移中,finetune阶段全参数训练与部分参数训练的效果如何比较
支付宝商业化广告算法问题之基于pretrain—>finetune范式的知识迁移中,finetune阶段全参数训练与部分参数训练的效果如何比较
|
5月前
|
算法
支付宝商业化广告算法问题之在广告场景中,随着业务的发展,面临了哪些阶段的挑战,如何解决
支付宝商业化广告算法问题之在广告场景中,随着业务的发展,面临了哪些阶段的挑战,如何解决
|
7月前
|
机器学习/深度学习 监控 算法
支付宝商业化广告算法优化
支付宝商业化广告算法优化
256 0
|
机器学习/深度学习 编解码 人工智能
支付宝视觉算法与端智能
支付宝视觉算法与端智能
197 0
|
10天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
143 80
|
3天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
6天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
2天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。

热门文章

最新文章