正文

Part4方法篇

上文讲了一些我关于校招同学找工作的观点。聊做参考。

也看了一些大家的反馈，其实主要的反馈点在于，很多人认为今年这个形势，你 leetcode 做不出 hard 连面试资格都没有（因为非常卷）。这里我无法向你做什么保证，因为每个公司在这方面要求确实会有所不同，但有几个点我还是愿意分享一下：

• 每个公司对 AI 算法的代码能力要求各有不同，我能提供的客观信息是，我社招面过的公司（包括但不限于字节x2、微众银行、蚂蚁金服、小红书、虾皮、爱奇艺、喜马拉雅、Roblox、私募），所遇到的所有代码问题，难度没有超过 leetcode medium 的，且有的代码没完全做出来也不影响继续下一面。
• 这个问题我和你的视角可能不一样，站在学生和求职者的视角，你看到的是今年的面试都是 medium 往上 hard 不封顶，你看到的是谁谁谁代码没做出来就没有后续了，因此你推测做不出 medium 肯定过不了面试。但实际上没有下一轮未必是代码的问题，或主要未必是代码的问题。
• 从工作实践上看，我也不认为 leetcode 代码能够对直接对工作产生什么重大增益，相对而言更好的编码习惯和对运行效率的敏感更重要一些。我相信在这点上各个业务线上的算法岗位都差不多，所以才有面试造航母入职拧螺丝的说法。基于这个认知，算法团队至少在理论上不应让 leetcode 的难度过高，并成为刷人的硬性指标。

但见仁见智，这些认识未必对，但相对于求职者的反馈，我更希望看到更多面试官的反馈，来分享你们团队对算法同学的代码能力有何种要求。

接下来务实一点，讲一下具体应该怎么准备找工作，同样有几点要写在前头：

• 事有轻重缓急，有些事情也许已经来不及做了，那你就当它是写给低年级的、还没有那么紧急的同学的；
• 如果你的时间不太多，应该捡自己还来得及做的事情，按着优先级搞，这个时候讲究二八原则：用20%的时间拿到80%的成果，不要精益求精了。
• 
  

0x00：硬实力：算法基础与CS基础

开篇先打脸，尽管在上一篇中我已经讲了，八股文用处不太大，但那是对八股文和代码问题不太大同学而言的，所要指出的是，如果你的八股文水平和代码水平已经尚可，就不要花太多时间再进一步精益求精了。

现在来定义什么叫八股文尚可（其实是很优秀了）：

• 常见的传统机器学习算法，如决策树、随机森林、梯度提升树、SVM、LR、PCA能够讲出其核心思想，优缺点与适用情况，能够讲出其优化目标，能够讲出这个算法为什么叫这个名字。如果你好好上了课，这点应该有一两天的集中复习就足够。
  
• 在至少一个细分领域了解当前技术的大体进展，SOTA 方法，思路，能对流行的方法有自己的评价，言之成理。如果你有好好做研究，不管有没有 paper，这点应该是默认具备的。
  
• 对广泛的深度学习话题，能够了解具有相当影响力的重要工作，能够讲出其核心 idea 和大体思路。这个“广泛的深度学习话题”既包括大的应用领域：CV、NLP或Audio，也包括近期比较热门的话题，如AI艺术创作，也包括一些理论：自监督学习、领域自适应、元学习等。这三点的优先级依次下降，最差情况，你也需要对大领域的关键工作能说出来一二三。这点比较难，因为话题广泛，难免了解过于粗浅，最佳状态是平时就很关注学界动态，牛逼的工作出来以后有好奇心能去看一眼，稍微研究一下。
  
• 对深度学习/机器学习的基本理论有本质层面的认识，能够从原理层面回答深度学习的各类常用组件“why”的问题。这点难在你并不知道你理解的是否正确，建议可以准备好问题列表例如“为什么正则项可以抑制过拟合”，然后去知乎搜大家的讨论，多看一些观点取其精华。
  
• 熟练至少一种深度学习框架，所谓熟练：
  
• 
  

• 你对这个学习框架的设计思路基本了解，你清楚各个模块的作用和工作机理
• 你能够用这个深度学习框架实现自定义的结构，而非只是简单调用高层 API
• 你对这个深度学习框架的常见坑点很熟悉，了解大部分情况下的最佳实践

• 对常见的 CS 概念有基本了解，也就是正儿八经的八股文了，特别是：
  
• 
  

• 对 linux 有基本了解，了解常见的命令，能够搞定一般的环境和工具配置，了解一些基本的概念，知道bashrc、根目录下的几个文件夹分别是干嘛的
• 了解 git 的一些基本概念和用法
• 了解HTTP、web服务、SQL、NoSQL、消息中间件、微服务、容器技术等等乱七八糟的概念，不用深入，基本上知道“是什么，解决什么问题，什么时候用”就可以了。
• 了解分布式的一些基本框架、工具或理论
• 知道常见算法的时空复杂度和大体思路，知道常见数据结构的概念和适用场景。
• 其他八股文：进程线程，内存，动态/静态链接库等等等，网上搜一个八股文面经看一下

• 最好能会除 Python 以外的一门静态语言，水平能够达到能看懂，能写一些不太复杂的功能。以 C++ 为例，基本上 C++ primer 模版之前的内容能大体了解，就足够了。
• 
  

0x01：硬实力：代码题

继续来自我打脸，上一篇仍然讲了代码题并非那么重要，但同样，如果你从来没做过代码题，那必然也是过于离谱导致无法通过面试的。

如果你不是 ACM 选手，只是单纯为了准备招聘而练习代码，那我认为代码的程度，以 leetcode medium 为上限即可，追求过于高的代码水平边际收益不高（除非你要面试谷歌这种）

具体练习也有讲究，我认为以下面两类问题为比较重要：

• 模拟类的问题：这类问题通常都不难，也不涉及高深的算法，思路都很直接，主要练习用代码实现出来的能力
• DP 类的问题：就面试准备而言，算法上能够解决 DP 类问题就足够了，DP 可能是面试中最常见的难度稍高的问题。

以下问题无需花时间练习：

• 要借助除了栈、队列、二叉树、散列表以外的其他数据结构才能方便解决的问题
• 要借助除了排序、搜索、简单动态规划、递归以外的特殊算法才能方便解决的问题
• 脑筋急转弯类的问题

练习代码题请注意如下几点：

• 前期以熟悉为主，后期要限定时间，一般面试中的代码考察最长不会超过1h，通常是30min一个题，如果到时间没有解决，你需要练习基于已经有的部分阐述思路，讲解代码，给出没有做出来的理由
• 后期需要练习面试环节下的代码编写，面试环境下，你需要避免一声不吭写30min没做出来的情况，并且你可以向面试官寻求帮助。
• 写完代码需要看题解，了解自己代码的时空复杂度，是否还有优化的空间。通常代码题是一套一套的，面试官允许你用低效的方法实现，但一旦你实现，下来的问题就是复杂度如何，可否进一步优化。
• 基于上一条，可以练习先用蠢办法快速解决问题（i.e各种暴力），拿到基本分，然后再优化成更聪明的办法。可以避免没做出来直接0分。
• 
  

0x02：硬实力：paper

没什么好说的，这不是临时抱佛脚能抱来的东西，这里只提一点：

• 对于目标岗位是大厂业务算法的同学，记住 paper 是边际效用递减的，当你已经取得不错的成果时，需要更早的思考继续投入的性价比。
• 但边际效用递减，不是说没有 paper 也能行。有没有是一个问题，什么质量是另一个问题，有多少是第三个问题，重要性依次递减。
• 对于目标岗位是纯研究岗的同学，需要在学校期间提前选定意向岗位，针对性的做 paper
• 
  

0x03：硬实力：实习

如有可能，应该积极寻求大厂相似岗位的实习，如果不清楚自己要找什么工作，应积极寻求大厂的算法实习，不要太在意具体做什么。

绝对避免做无意义的实习，所谓无意义，指的是这段实习经历不能写在简历上，写上了就扣分。

找实习的面试准备与应届生面试准备大体相同，但有一点例外：

• 能够连续实习很长时间，每周能投入更多时间的实习生，能够在实习面试中获得巨大优势

这一点跟你老板的风格相关，因此这引出了对准研究生的一个建议：

• 如你的目标是工业界而非学术界，那在可能的情况下，你要找允许长时间实习、条件比较宽松的导师
• 但自带资源的业界大佬导师除外，因为你很可能会直接去他关系很好的公司
• 
  

0x04：准备简历

下面是一份简历准备的注意事项，以下各项在简历上有顺序关系

• 姓名电话邮箱和微信号，如果有好的开源代码给 git 主页，有好的技术博客给博客链接，不需要告诉我你是不是党员，是否已婚。
  
• 教育背景给到学校和专业即可，除非你导师很牛逼（业界都知道的那种牛逼），一般也不需要告诉我你导师是谁。除非你的成绩很拿得出手，也不需要告诉我你的绩点和成绩
  
• 列出你拿得出手的奖项，如果没有，可以列奖学金。
  
• 
  

• 奖项应该是专业相关的

• 如果你不是 CS 或相关专业背景的，可能需要给出与面试相关的主干课程或自学过的课程，否则不需要。你列出来的课程，不管是自学还是学校上课，都要做好被考察的准备。
  
• 列出你的技能点，包括编程语言能力、算法能力等
  
• 
  

• 轻易不要用精通，精通意味着你会激发面试官的挑战欲
• 如果你确实精通，有信心面对面试官的大部分问题，大胆写精通，这将帮助你把面试话题引导到你擅长的领域

• 不要列出没有意义的证书，例如全国计算机等级考试X级，CET4成绩
  
• 
  

• 但如果这个证书是一项有难度的、能证明你自驱的，请列出

• 如果有实习经历，展示你的实习经历
  
• 
  

• 该实习必须是专业上的，不要写无关紧要的实习经历
• 实习经历不要写心得体会，也不要写流水账，写你所取得的最牛逼的成绩，加粗。

• 展示你的项目经历，如果没有，用 paper 经历代替，也可以用实习经历、竞赛经历代替
  
• 
  

• 描述项目的背景，目标，意义
• 描述你在其中扮演的角色，所负责的工作
• 描述你的独特贡献，这个贡献能够展现你的聪明才智，宝贵品质，优秀素养。这一点的重要性超过你的想象，仅仅是作为一个螺丝钉参与一个项目，其中没有体现出任何个人特质，基本上等于你没有这个项目。
• 描述所取得的成果，如果没有取得预期成果，描述为什么

• 展示你的独特经历
  
• 
  

• 开源代码或社区共建
• 公开演讲、授课
• 展示自驱的经历
• 其他具有一定影响力的经历

• 展示你的学术经历，包括 paper 和专利
  
• 
  

• 不必按时间排，按牛逼程度降序排
• 如果上面的内容已经比较充分，这里可以按参考文献格式列出。如果觉得内容不充分，可以加一两句话描述 paper 的核心工作。

• 展示你的自评、上述模块未介绍，但你觉得值得一说的东西
  

简历准备的核心要义，有以下几点：

• 简明扼要，重点突出，不要让人觉得你啰啰嗦嗦婆婆妈妈
• 简历的目标是让你与众不同，一份仅仅是符合要求的简历实际上没有任何竞争力。你需要让面试官对你感兴趣，或者通过过硬的实力，或者通过特殊的经历，或者通过其他什么手段，哪怕是一个漂亮的简历模板。
• 质胜文则野。文胜质则史，文质彬彬。
• 
  

0x05：面试：讲解项目

这一条是面试最重要的部分，而且不管是几面都要陈述的。之所以不放在硬实力的部分，是因为相对于“有一个不错的项目”，”讲一个不错的项目“更重要。

而”讲一个不错的项目“有时候并不需要”有一个不错的项目“作为前提。

对照你的简历，找到一个相对而言比较好的项目，所谓比较好的项目：

• 有一定的复杂度，方便扩展
• 你在其中承担了比较多的工作，且有一定难度和挑战性

列入如下内容，如果可能，准备文本：

• 具有领域特点的专业词汇及其通俗解释
• 项目的背景和价值，价值最好要关联到应用层面甚至商业化层面。
• 你参与的部分在整个项目中的作用，最忌自己的部分说的清清楚楚，跟其他部分怎么合作一脸懵逼，这是典型的没有大局观，自己把自己当螺丝钉。
• 过程中遇到的困难和解决方案，这部分需要深入挖掘整理，很多同学做事情的时候其实挺困难的，做完以后又云淡风轻觉得不过如此，感觉也没有讲的必要，这是非常不可取的。需要 review 到当时的能力和状态，完整梳理当时为什么会卡壳，都试了哪些错，为什么那些错误的方向不 work，怎么想到正确的方案的，正确的方案为什么 work。
• 从现在的角度出发，回顾项目，提出现存的问题及更优的解法或提升方案。

讲解项目要达到下面的程度：

• 对于没有领域背景，或只有比较通用的、一般的算法知识的人，能够比较轻松的理解你所讲的内容，明确你工作的价值
• 对于比较有经验的人，你能够应对他们提出的挑战

特别是第一条，有的同学把项目的重点总是放在算法细节上，这对于方向跟你一致、背景跟你相似的面试官而言是合适的，但对大部分面试官不合适。我如果连你构建的场景和问题都没有代入，基本上就不用谈对你的算法有什么看法了，更无法理解其中的精妙之处。如果我对你所说的名词没有一个基本认知，连算法都无从谈起。

算法的精妙需要大量的背景和前序知识铺垫，带着面试官进入场景，分析问题，让你的 solution 自然而然浮现，这是比较好的状态。

第二条的练习方式上一篇文章也有提，就是找比较有经验的人去挑战你，给你的解决方案提供一个 alternative 的方案，你来对面试官的方案做评价。

讲得清楚才说明理解的到位，讲不清楚，就是没理解。

0x06：面试：开放问题

开放问题实际上是 AI 算法岗位要面试的重点，由于是开放问题，反而不好做准备，所以这里是比较见功夫的。开放问题主要考察这些内容：

• 业务问题的抽象
• 可行性评估
• 沟通

所谓业务问题的抽象，指的是你能不能抓住主要矛盾，忽略次要矛盾，把一个产品经理提来的，笼统的需求转换为一个算法问题。

所谓可行性评估，指的是对于这个算法问题，你所需要的资源是否是可接受的，你所需要的前置算法是否是存在或满足需求的。

所谓沟通，就是对你所不掌握的情况，你是否会主动确认，在整个解决问题的过程中，与面试官有良性互动。

开放问题还有一个特点，就是如果你答的不错，你自己是知道的，有一种”我的思路很对头“的感觉。

我曾经遇到的一个比较好的开放问题是：某业务希望以发满减红包的形式促进用户回流，问如何设计红包的金额方案在给定预算下拉尽量多的用户回来。

大家可以试试，这个问题我也没有答案，所以不用问我了，自己思考自己评估即可。

另外一个有参考答案的开放问题见苏神的博客 “熵”不起：从熵、最大熵原理到最大熵模型（二） - 科学空间|Scientific Spaces 中提到的快餐店消费分布的估算问题，虽然这不是真实的业务问题，但也绝不是脑筋急转弯。

0x07：面试：应对挑战

挑战包括对项目的挑战，也包括一些意外情况，这里没有套路和技巧了，只有一些方法论。

• 多做铺垫：讲算法先讲思路，讲项目先讲背景。
• 合理推测：也许你不知道准确思路或定义，但你可以合理猜测一个，给出你猜测的理由并寻求验证。
• 实事求是：你永远不知道面试官的知识储备刚好在哪一点上让你踢到铁板，所以不要尝试糊弄他。也许一道没做出来的代码题不会让你挂掉，但“尝试糊弄”这种动机一定会让你挂。
• 无需争执：不要在一个点上与面试官反复拉锯
• 注意细节：细节体现真实，细节体现差异。可以主动提出具体的tricks分享给面试官，千万避免泛泛而谈。
• 坚守本心：能不能接受加班？平常有什么爱好？这种问题与其浪费心思琢磨面试官的意图，不如怎么想的怎么说，是什么样就说什么样。心态就是双向选择，也许当下你的当务之急是不管什么先拿到一个offer再说，但实际上更重要的是找到一个合适的工作。
• 
  

0x08：尾声

这篇小总结乃是翻某个知乎问题的回答，看了大家哀鸿遍野的感叹，所做的一点个人的小总结。其实我并不参加今年校招，所总结的未必正确。其中有些建议，似更加适合低年级的同学，因为仓促之间难见提升。有些知易行难，因为常年养成的说话做事习惯本性难移，即使想伪装也伪装不来。

真是事到临头才准备，那所能临时补救的，可能也就是八股文和代码题了，在这上面用功倒也无可厚非。

一个算法工程师应该是什么样？我以为这个角色应该是产品中最懂算法的，码农中最懂业务的，科学家中最懂工程的，工程师里最懂理论的。这样一个处在交界地中的角色，既能够有深刻的业务洞察明晰价值，又有足够的工程能力应付落地，又有足够的科学素养调研推导，从而成为一个“擅长理解问题和解决问题”的人。解决业务问题若成为算法工程师之核心价值，那这样的人选该有什么样的素质和天分，该以什么样的题目和形式进行考核，也就不问而知了。