双非硕士的辛酸求职之旅--第 4 篇:谈谈算法该怎么准备,不准备可以吗

简介: 双非硕士的辛酸求职之旅--第 4 篇:谈谈算法该怎么准备,不准备可以吗

双非硕士的辛酸求职之旅–第 4 篇:谈谈算法该怎么准备,不准备可以吗

 

目录

  • 双非硕士的辛酸求职之旅--第 4 篇:谈谈算法该怎么准备,不准备可以吗
  • 算法是门槛,你怎么都无法逃避
  • 那么该如何准备算法题呢
  • 要有敢于试错的决定,大家都没有绝对准备充分的时候
  • 可以随时跟身边的人互相探讨,高手解题可能就不一样
  • 刷题可能会忘记,所以找工作期间还是要保持那种刷题感觉
  • 对自己的定位要准确,别把要求定的很高
  • 好的算法相关项目
  • 好的算法视频
  • 比较好的算法面试书籍

 

首先皮一下,不准备算法肯定是不行的。

image.png

算法是门槛,你怎么都无法逃避

我的导师说过:面试能力强的人,开发能力不一定强。

化用一下:算法能力强的人,开发能力不一定强。但算法没有,证明你开发能力的基本项就缺失了。

每年大厂收到那么多简历,没有办法只能通过设置一些门槛来筛选相对优秀的人:比如算法、采取多轮面试。

从小到大,好像不管什么事情,涉及到选拔,考试总是一道避不开的关。中考、高考、考研、面试…

所以大家也没必要去纠结了,看那些拿了大厂 offer 的经验贴,谁没有说自己面试过程中遇到几个算法题呢。

那么该如何准备算法题呢

首推《剑指 offer 》,其实我觉得书大可不必买,Leetcode 和牛客都有专门的题库,一定要照着刷,总共 67 道题。太多公司懒着出题就会直接从这上面出原题了。

就算不是原题,也会是那种用类似思想可以解决的问题。当然,如果前期做不出来,一定要硬着头皮坚持下去。

因为这种刷题思维如果不接触、不训练,真的很没有头绪,网上有太多的刷题大佬把自己的方法公开了,我这种菜鸡就不说方法了。

跟大家聊聊心态就好了,后面推荐一些比较好的针对算法的刷题笔记。

要有敢于试错的决定,大家都没有绝对准备充分的时候

我相信大家很多跟我一样的想法,都是觉得自己还没准备好,然后不敢投简历,总觉得要 Leetcode 刷完 200 + 道题后,才有把握。

我的建议是如果真的春招秋招已经来了,就不用说等自己准备好了再去投,做好简历就再笔试过程中不断学习总结,一道道题的学。

在真正的大厂题目碾压下的学习状态真的比自学好,因为很可能自己刷题过程中拿到题看了不到 3 分钟就想看题解,上网搜答案。

这种方式很难让自己大脑的思考,更不用说能把题做回。

可以随时跟身边的人互相探讨,高手解题可能就不一样

还记得在以前背文言文,背生物地理的时候吗?大家都是互相考,互相背,这种状态真的很好,也很怀念。

为什么大家越长大反而丢失了这种状态,越不敢跟别人探讨交流了呢?反而把找工作当作成自己单独的事情,找不到实习变成一件羞于跟别人说的事情。

我个人的经历告诉我,有个可以交流的人真的能给你莫大的帮助,那种无形当中能帮你提升许多。

映射到算法,在刷题的过程中,如果你遇到好的题目,你就可以跟同样找技术岗位的同学互相探讨交流,这样才能检验自己是否真的掌握了。

遇到不理解的,遇到难题,也可以互相交流,可能真的别人就能帮助你不少。

其实你在每一个高分题解下留言点赞,也是一种跟高手交流的机会,为什么那种题解的解题方法会得到大家的认可。

刷题可能会忘记,所以找工作期间还是要保持那种刷题感觉

在秋招的时候,那会一直保持着每天一题的状态,每次面试前都会复习一下面试知识点。

签完三方后,在学校写论文玩耍三个月后,都不敢在春招中投简历了,可能曾经拿过简历的公司都不一定能进面试了。

所以这就是我说的要保持刷题的状态,要经常复习,你虽然做过的题,不经常回顾可能就真的面试遇到原题也不会了。

刷题要循序渐进,一个专题一个专题的刷。

举个例子,比如从数组、链表这样的专题刷完后,可能你就能对队列和栈游刃有余了,因为后者基于前者实现。

对那些算法比如二分法、双指针等等,学会之后就像打通了任督二脉。

对自己的定位要准确,别把要求定的很高

千万不要以为校招中,人均大厂、人均 SSP。如果你只想拿一个还不错的 Offer,刷高频题就行了,别拿那么多题来让自己受罪。

多刷题还不如把项目吃透,而且说实话,个人觉得项目的实现比算法更让我觉得有意思一点。

如果想拿中厂,能应付简单题就行;想拿大厂,做到中等难度也不错了;难题?有时间有兴趣再刷吧,我猜 SP 大佬也不是光靠刷题拿到的吧。

所以我建议还是要好好对自己,找准定位太重要了。如果你刷题不够,你把项目做好,展现项目中的亮点,肯定也拿的到 Offer 的。

再说了,千里马常有,而伯乐不常有。

面试这种事可能有时候就是运气 + 实力的结合,比如这个部门把你批的一无是处,另外一个团队对你赞誉有加。

反正我们最关键的是把自己的定位找准,别把要求定的太高,硬要大厂硬要比别人薪资高…

比如我就很明白,我是双非硕,可能在提前批中那么多优秀的大佬面前,技术没那么强劲的情况下,优势几乎无。就算我能做出算法,项目面试也聊的很开,但是就是进不了后续的面试,就是拿不到 offer。

拿我的经历来说吧,当初虎牙 7 月份投的简历,也过了算法,就是没进面试,后续到 8 月份才邀请我进面试,而且自我感觉一面感觉良好,但是还是被晾着,后续给了感谢信。

海康卫视和 TT 语音也是如此,8 月份投简历,做完算法。等到 9 月份进面试,一直拖到 10 月份才有后续的流程,最后也是给了 Offer。

所以我觉得如果大家在投实习或者提前批的时候,千万不要着急吧。

现在内卷这么严重,好好准备自己的事情。把找工作和刷算法当作长期的战斗,一定会赢得最后的胜利,甚至可能有很多的惊喜。

最后给大家推荐一些我觉得还不错的跟算法相关的书和视频吧。希望能对你有用~

好的算法相关项目

  1. 力扣加加-努力做西湖区最好的算法题解
  2. LeetCode Cookbook
  3. fucking-algorithm

好的算法视频

  1. liuyubobobo 老师的《玩转算法面试 从真题到思维全面提升算法思维》
  2. B 站 up主 花花酱的视频

比较好的算法面试书籍

  1. 《剑指 offer》,配套题库
  2. 左神的《程序员代码面试指南:IT名企算法与数据结构题目最优解》(第2版),配套题库
  3. 《程序员面试金典(第6版)》,有配套题库
  4. 再推荐一个外国书籍《Elements of Programming Interviews In Java》,我觉得外国人写书真的有一套,这一本也是入门看得很舒服的书。也有 Python 版本,选择其中一本看就好了。

image.png

       

相关文章
|
17天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
23天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
3天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
10天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
19天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
10天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
16天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
20天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
13天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
19天前
|
算法 5G 数据安全/隐私保护
基于MIMO系统的PE-AltMin混合预编码算法matlab性能仿真
本文介绍了基于交替最小化(AltMin)算法的混合预编码技术在MIMO系统中的应用。通过Matlab 2022a仿真,展示了该算法在不同信噪比下的性能表现。核心程序实现了对预编码器和组合器的优化,有效降低了硬件复杂度,同时保持了接近全数字预编码的性能。仿真结果表明,该方法具有良好的鲁棒性和收敛性。
31 8
下一篇
DataWorks