两个月从算法小白到拿到第一份实习offer-亲身经历

本人背景：普通一本，双非，研究生，主要研究方向：推荐算法-协同过滤

两个月前，我还每天登录期刊网站查询自己的论文状态，想着增添一点申请博士的砝码。两个月后，我改变想法拿到第一份实习offer，读博之路渐行渐远。

这两个月不仅经历了（读博-工作）思想的博弈，更经历了算法工程师面试官的无情打击。从学术科研转向工作，无非基于四点理由：

自身能力限制：研究生期间总共写作5篇英文论文，录用1篇会议，返修1篇SCI二区，外审1篇SCI一区，两篇待投。这样的成果状态申请博士希望渺茫。尽管英语阅读和写作能力得到提升，但口语能力和英语听力极差。要知道博士对英语能力是基本要求。
博士毕业压力大：每年博士能顺利毕业的寥寥无几。听师兄的意思，我们身在经管，做的却是偏计算机的研究，在很多学校经管系都不认同。跨计算机申博难度更是翻番。所以博士的学校选择和导师选择少之又少。
家庭环境：作为一个普通家庭，父母年事已高，读博一般是四年，这四年没办法挣钱，所以家里稍微出现点什么不测，这博士必定读不下去
兴趣使然：从兴趣来讲，我的热情更偏向于工作，特别是算法工程师。对于论文写作，动力并不是很强烈。学术科研写论文是常态，这种生活状态我是不能长时间忍受的。

经过长时间的思考和家里的沟通，我下定决心放弃读博思想，转而寻找工作。找工作第一步便是找到一份实习，积累实习经验，为秋招做准备。但是让我意想不到的是，算法实习真的难觅。我最开始想的是就近，在成都投递了大概10几家，其实岗位本来就不多。过了大概半个月，一家公司都没联系我，这使我初生牛犊的信心凉了半截。心想在学校里，跟同龄人比起来我算混得不差，结果简历一出手就碰壁。

在重庆折腾了将近一个月，我毅然决然试试北京，北京机会的确要多很多。我投递了60家左右公司，大厂几乎投递了一遍。也收到了几个公司的回复，进行了系列面试，待会我会把面试经历附在后面。面试的情况特别不理想，其中最不理想的就是手撕代码环节，基本上都跪在这环节。不过每一次的面试经历这也坚定了我的想法，也刺激我疯狂查漏补缺，将自己的状态从学术科研转移到工作状态。记得映像最深的是我登陆进leetcode，看到上面只做了一道题：两数之和，时间是两年前，也就是本科阶段，顿时脑子里充满了本科无数的回忆，感慨万千。要知道我本科四年励志做一名前端开发工程师，而今却走上算法工程师的道路。时间过得真快，世界也变换莫测。

接下来是我从面试第一家到拿到实习offer的经历，这份经历将永远留存在我的记忆中，激励我勇往直前。

新浪移动

一面：主要问了简历相关的内容

简述每一篇论文的工作内容
数据做过哪些预处理操作
简历中提到复现了20+文献算法，是些什么算法

二面：主要问业务层的内容

场景题目一：异质内容推荐。给定杨超越的朋友圈，王者荣耀视频，北京天气，如何排序
场景题目二：同质内容推荐。给定100个王者荣耀视频，如何做排序

三面（二面不满意，加面）：主要问业务层的东西

如果让你来做推荐，应该怎么做？
回顾二面的问题，二面的问题你有自己的想法了吗？

总结：我对业务层基本上没有什么接触，太陌生。原想借助实习熟悉业务上的东西弥补自己的短板，结果人家一上来就要你懂业务，第一次实习是真难。可想而知结果是没有后续。

有鱼科技

一面：技术面

自我介绍
介绍自己发表的论文
手撕代码1：求给定整数数组的最大子序列（无果）
手撕代码2：判断一个链表是否有环（无果）

总结：从读博转变到工作的想法就在1个月前，我对数据结构与算法停留在理论层次，通过了解，需要去leetcode上刷题增加自己的实践经验。

网易

一面：技术面

简历相关内容（主要是协同过滤）
机器学习中经典分类算法了解哪些
机器学习中损失函数有哪些，线性回归的损失函数是什么，决策树的损失函数是什么
机器学习防止过拟合的方法有哪些
机器学习的性能怎么评判
代码题一：给定一颗二叉树，求解所有叶子节点的深度
代码题二：给定一个整数数组，求解两数之和小于目标值的对数

二面：技术面

对一些业界比较流行的模型的考察（如逻辑回归及推导，GBDT等）
推荐的框架或流程，每个阶段用到的模型主要有哪些（召回阶段和排序阶段）
代码题一：判断两条链表是否相交
代码题二：二叉树的遍历

总结：手撕代码惨不忍睹，继续leetcode刷题

京东

一面：简历相关

论文提到参加过一次广告腾讯算法大赛，能详细说一下吗（特征处理和模型）
代码题一：判断一颗二叉树是否是平衡二叉树
代码题二：实现pow(x,n)

总结：毫无疑问，手撕代码环节落马

度小满（前身百度金融）

一面：深度学习相关

深度学习了解多少
深度学习中防止过拟合的方法有哪些
了解DIN，Transformer，attention等吗
代码题一（sql）：
给定两张表 table1：id, date table2:id, money, issueDate.
查询结果： table2中时间(issueDate) 在table1中的date之前的money均值，并返回距离date最近一次的issueDate
字段：id，average, lastDate
代码题二（python）
给定test.txt文件，内容如下
"name:Tom,sex:female,{"height":180,"date":"09-15","width":60}"
"name:Linda,sex:male,{"date":"09-10","height":180,"width":60}"
"name:Jack,sex:female,{"width":60,"date":"09-11"}"
"name:Hello,sex:male,{"date":"09-12","height":180}"
要求不适用任何python包
读取test.txt文件，对每一行构建一个字典
{
name: xxx
sex: xxx,
date: xxx
}