转载: 北大大牛学长给找机器学习／算法岗工作的同学们的一些建议

逛人大经济论坛看到的帖子，原帖是北大未名bbs的学长写的一些给在找数据科学类工作同学们的建议。感觉写得非常中肯，转载一下希望更多人能看见。

本人是数院统计专业毕业，在某大公司做算法方面的工作，面试过不少人。

有不少学弟学妹找我咨询过机器学习／算法方面的求职，其中不乏不是数学、统计、或计算机出身的同学。虽然我们北大的同学在简历筛选流程中优势较大，算法岗的面试难度着实不小，尤其是对于非科班出身的同学来讲。主要有以下方面:

第一，数学基础欠缺。我和同事在面试的时候都喜欢问一些比较基本（不代表简单）的机器学习算法的数学理论，常见的比如：Logistic回归的损失函数和梯度分别是多少、SVM的数学推导、GBDT回归的梯度代表什么？一些不需要很强计算能力，但是很考验功底的概率论小题我的一些同事也非常喜欢问，比如：如何生成概率为pi/4的事件？这些问题普遍都是会的人觉得很简单，不会的人觉得很难。因此非常建议大家掌握机器学习的算法的具体原理，最好手动推导过这些算法的数学部分，而不是走马观花地看一遍。相信大家都有体会，看答案总觉得不难，但是自己不一定能想到。当然数学基础好的同学可以自动忽略这条建议。概率论的话短期提高不容易也不经济，建议靠刷题，前提是要理解而不是死背。机器学习算法推荐Andrew Ng在Stanford开的CS229，网上资料都有，比coursera上的入门课要清楚得多。

第二，算法底子薄。大家应该都上过计概和数算吧，但是真正学好的应该是少数。算法岗对于算法的要求虽然比不上更加工程的码农，但是对于基本的数据结构和算法还是要求要会的。之前看到一个段子是一个面试官对求职者说“虽然你也不算太强，但是我好不容易面到一个会写动态规划的，就给你offer了吧”。其实就我个人的面试经历而言，很多求职者基本不会写程序，可能只是sklearn、tensorflow、pyspark掉包侠。检查自己是否够格的一个rule of thumb就是看自己是不是Leetcode Medium难度的题基本没问题。像BFS、DFS、DP还有树、链表、数组的各种常见题都需要掌握，不求深但求广。如果完全没有方向就直接挂掉了，但是如果能蹦出个名词至少面试官还能给你点引导也许就能搞定了。不求Leetcode刷光，但是一定要写一些代码，而不是纯看别人代码。道理类似数学要自己推导。如果时间非常紧张，建议优先刷高频题或面经，剩下的题只看想法不写代码。

第三，没有insight。要知道，在实际工作中，70%靠业务理解，30%靠技术。因此我们在选拔的时候，非常希望求职者能够对于我们的业务有一些自己的理解，有相关实习经验更佳。例如我是在广告组，那么至少是期待求职者知道CTR是什么意思的，不然可能准备的关于CTR预测的面试题要先背景介绍了。我认识的搜索组的同事问算法题喜欢让大家写个intersection of two arrays，但是包装在inverted index的背景下，如果不了解搜索引擎的基本原理那么就连题目都看不懂。网上能找到的资料确实比业界落后了不知道几年，但是依旧是很有价值的。如果对搜索引擎的原理感兴趣可以看一下Stanford开的CS276材料，介绍得还算全面。

第四，实际动手能力弱。有一些童鞋可能并没有特别好的实习经历，也许只有个应用多元统计的课程项目这种数据量小到夸张，或者是MatLab做的本研之类的。这些项目不能说没有价值，但是从我们业界角度，确实都是toy project。虽然并没有期望一个应届毕业生一入职就能上手，但是还是非常希望有过大数据工具的经验和一些编程经验。如果实在没有机会可以做个Kaggle项目，虽然老套，但是有用。SQL、Spark这些至少写几个小程序也会很有帮助。我见过很厉害的数院学弟，SQL根本没写过，一问三不知。其实这些只是上手的话都一两天就够了。

还有一个建议就是要对症下药。要好好准备一个几乎是必考却很容易被忽视的问题: “你有什么问题要问我的吗？”这个问题如果问得有新意会是很好的加分点。我遇到过的一部分求职者一看就都不知道我们组是干什么的，也感觉不到对我们组有特别的兴趣。一些负面教材例如，“没什么问题”，“你都几点下班啊”，“你们的新人培养方案是怎样？”这些问题算是中规中矩，可能确实是会影响你的决定和将来工作体验的问题。但是站在面试官的角度，这些问题跟我们组没有太直接的关系，而且其实是过了面试之后适合跟HR讨论的问题。最好能体现出强烈的对该组的业务有兴趣，可以了解一下这个组的业务和需要的技能，问一下这个组有什么计划之类的（有一些面试官不喜欢这个问题，而且这个问题比较适合manager round问）。比如明天要去面B的搜索部门了，那么多看看搜索引擎的内容，多看看B的最新面经。临时抱佛脚往往还是很有用的，因为记忆比较新。当年本科期末考试不也都是这么过来的哈哈。有一个技巧是在电话面试的时候了解这个组的业务，那么在onsite面试前特意了解这个业务的相关业界知识，就解决了之前提到的没有insight的问题。

最后推荐几个链接

http://infolab.stanford.edu/~ullman/mmds/ch9.pdf Stanford大数据挖掘课程的教材中的推荐系统介绍

https://sqlzoo.net/ SQL练习

欢迎转载

非常有用的文章，感谢转载！

学习，感谢了~

感谢转载。

越看越觉得自己真的是啥都不会。。。。感谢分享

感谢分享！！