这应该是我第一次在论坛里开帖。在上个月17日我从曾以为无比优越（甚至在某场4个简单题的周赛里发了大量优越感爆棚的言论而被点了无数个踩，这里再次对被我的言论伤到的人道歉）的机器学习岗位冲动裸辞后，由于项目经历的严重不足，经历了一个月的艰难应聘，终于在劳动假期前拿到了涨薪50%的offer~

2023-5-17更新：题主本人最近一年多以来，经历了无数次犯病+失业，但最终还是又拿到了满意的offer。因此，本帖的内容依旧有效！即使在万物初复苏的2023年，三无人员（还有空窗期的debuff）依旧不是没有机会！朋友们千万不要气馁！

----以下为2022年原帖----

首先，说明一下本贴的意义在于证伪“算法岗需要顶会/ACM才能入场”之类的论调，给喜欢CV/NLP等AI领域的朋友们打气，然后针对我自身的面试经历与遇到的奇怪问题给大家提点注意事项，希望不要被误解。

常驻这个网站的朋友们里很有一部分认为除了BAT字节网易pdd华为等主流大厂或者外企，其他的工作根本不算工作。我觉得这是不好的，大多数人都是普通人，在全民内卷大环境下找一份工作饿不死自己已经不易，所谓程序员人均大厂只是因为大厂程序员话语权大而已，上进心强向往大厂/外企是好事，但人贵在找准定位，如果大学/研究生期间并不是很积极地自学和实习，无论是否科班出身，应聘时都不应好高骛远。我本人的情况，211本985硕，学历条件对算法岗而言实在太差，项目实习要啥没啥，论文只有2个EI。这个月里投递的全部都是中小型公司，本篇帖子也是在讨论中小型公司面试的常见内容。如果读者不同意这一段，那就请关闭网页，而不要像某些帖子一样，匿名发表一些让人很不适的言论。

我很喜欢某个大佬的比喻，大厂招人，就像大超市按照特定明确标准来批量进10吨苹果，小公司招人，则像普通顾客按照自己的标准买2个苹果。小公司都以契合度为主，所以应聘时不能太学生思维，也就是被不知名公司淘汰时不要轻易怀疑自己的能力，很可能只是因为过往经历和当前岗位不够匹配。另外，就我这样的差等中的差等条件，在boss上投递简历的通过率都有一半以上，所以“没有985本硕，没有顶会不可能做算法，早点转开发”的言论，还是歇歇吧，喜欢模式识别/人工智能的朋友，看到这些后，就振作起来吧！

好了废话说完就开始正片，先说和这个网站有关的部分。

非知名公司的面试，算法题部分一般是比较基础的。我这个月里遇到了下列问题：排序3次（2次快速排序，1次面试官明确说冒泡排序），快速幂（主站50题）1次，IOU（主站223题）1次，二叉搜索树查找（主站700题）1次，手写2D卷积（主站661题类似）1次，还有一次是用迭代法实现f(x,y)=f(x-1,2*y)+y。这些题目无论官标难度是什么，实际上都是人人必须掌握的基础。

本段为2023-5-17更新：
两数之和（没错，真的会有公司用主站第1题面试），斐波那契数列（主站509题），一次能走3格的爬楼梯（主站70题），主站72题，主站104题，主站435题，主站463题等都是题主遇到过的。题主认为这些都在“人人必须掌握的基础”的范围内。另外和70,463出现在同一场的还有主站84题，并且附加了2个进阶，其中进阶2在主站85题的基础上还加了每格宽度不一定为1的设定，这个难度就足够标Hard了，不过相应地，这是作为附加题出现的。

当然，既然有“一般”，那就有反例。有一家公司在面试前先做了一套笔试卷，40分钟6道题，前2题为简答，后4题均为编程。包括主站155和1143，程序员金典17.18。而这家公司在技术终面时，问了这样一道题，10个人任意建不同的微信群（每个群无人数限制），共有多少种不同的建法，我当时没答上来，面试官简化为3个人，这样答案明显是5种(1/2/3,12/3,13/2,23/1,123)，最终我被挂掉了，后来想想这可能不是口算题而是编程题……
这说明了，LC上的常用知识点还是必须要学的，否则可能因为技术原因挂掉，但周赛经常只有两三道题的朋友也不要灰心，很多时候算法环节没有难题，这个水平是够用的……

接下来说和这个网站无关的部分。

一场正常的面试，时间一般都在1小时左右，低于40分钟的可以认为应聘者明显不符合要求被早早挂掉。而对非知名公司来说，绝大多数时间都在项目经历上。很多面试都要求你完整地讲述一个项目，首先要把项目需求尽量解释到让对方明白，然后你在项目中尝试过哪些模型，为何最终选择特定模型，都要给出专业的角度上有说服力的理由，在简历中写到的模型的细节必须足够熟悉，如果这份工作比较久了可能有遗忘，在面试之前必须要专门拿出来复习。如果你的简历里有很多项目经历，一定要优先讲项目本身的出发点没有争议并且实际落地效果好的（我个人缺少这样的项目，所以面试中总会被抓漏洞，应聘极其困难），在此基础上选择自己最熟悉的一个。
对于和CV有关的岗位，这两个问题几乎是必然出现的：
1.你采用了哪些方法来提高模型的精度
2.你的训练样本总共有多少，怎么得到的训练样本
前者要尽量从模型本身，损失函数，优化器学习率这几方面分开来讲，后者应尽量在样本增强上展开描述。

（以下2023-5-17重新整理）
其他问题(CV)：
· 怎样判断和防止过拟合（高频）
· BN和LN的区别（高频）
· 拿到训练样本如何预处理
· 如何实现模型的剪枝和量化
· 精确率和召回率的公式
· ROC和AUC的概念和计算
· Resnet的主要思想，这个思想能解决的问题
· 可分离卷积的含义，为什么可分离卷积能减少运算量
· shuffle net的主要思想，以及该思想是用于提升精度还是速度
· YoLo和RCNN系列的主要区别，YoLo模型输出大小与每个输出位置的含义
· YoLo的损失函数包括哪些，互相之间是否有联系
其他问题(时间序列与NLP):
· Transformer模型的结构（可能要求画图） （高频）
· 注意力机制如何实现，为什么要除以√d （高频）
· 拿到文本后先进行哪些预处理，怎样进行分词
· 怎样保证训练模型用的不同语料的词向量的维度，怎样设置BatchSize
· 自注意力与交叉注意力的区别
· Bert模型的结构，输入包括哪些部分
· RNN和LSTM的区别，RNN会出现梯度消失的数学原理
· ChatGPT相比GPT-3有哪些区别
其他问题（传统机器学习）：
· 随机森林和xgboost的区别
· xgboost内部包含哪些导数，最高几阶导数
· 常见的聚类算法有哪些，类别数怎么确定
其他问题(Pytorch与Tensorflow):
· 数据集有哪几种类型，在线数据和离线数据使用时有何区别
· cat和stack的区别
· Tensorflow 2.X和1.X的主要区别
上面列出的都是我见过的，也都是些很基础的问题，如果因为专业知识而挂掉是很不应该的，说明面试之前没有认真准备。

最后就是说几个我在面试里遇到的让人恼火的坑人问题了。

Q1：你的XX项目最后卖给客户的产品是个什么样的形式，app还是其他？你的模型部署在什么型号的板卡？
出现这个问题很可能是简历中的项目经历的真实性被怀疑，对于CV工程师（真的CV，不是LC上常提到的CV）而言，熟悉常见板卡的性能参数与部署模型时的注意事项是必须的，即使你真的不确定哪个项目对应哪个板卡，或者确实用假简历应聘，如果事先在这方面做好功课，也可以正常应对。

Q2：你最近在读什么专业书籍，在看什么已经被认证的视频课程？
非科班转码应聘初级岗位容易被这样提问，在如实回答的基础上，强调专业书籍和视频课程都是基础，进一步提高，还是依靠阅读前沿论文和在工程中积累经验。

Q3：你的研究生期间是怎么度过的？
这说明你的工作经历不够理想，硕士期间研究成果也不被对方接受（比如我本人的情况），如果自身的读研经历确实不佳，可以回答课题组做的方向和自己喜欢的方向严重冲突，所以主要时间花费在自学AI上。

Q4：你的理想的工作团队氛围是什么样的？
我应聘的其中一家公司是通过了所有技术面，挂在最终HR面，很可能是因为这个问题。这是个双向选择，你可以真实表达自己的希望，但作为技术岗位，还是要着重强调良好的技术学习提升氛围，充分有效的专业沟通。只要你表达清晰流畅，即使被挂掉也不应后悔，因为假如你能去也会发现不符合自己期望。

Q5：你的业余时间用来干什么？
出现这种问题基本确定对方福报严重。如果不能接受，随意回答，然后把这家公司拉黑就可以了。如果可以接受，应该回答业余时间用来阅读paper来保证自己的专业储备能紧跟前沿，表达自己不是好逸恶劳的人。

总之，即使一片红海，“三无”人员也不是毫无机会，关键还是看自身的决心。也希望想入算法岗的朋友们，不要被主流舆论吓怕，专心准备面试，只要基础扎实，内心强大，面包总会有的~