博士演算法工程師面試

① 都快2021年了，演算法崗位應該怎樣准備面試

說到演算法崗位，現在網上的第一反應可能就是內卷，演算法崗位也號稱是內卷最嚴重的崗位。針對這個問題，其實之前我也有寫過相關的文章。這個崗位競爭激烈不假，但我個人覺得稱作內卷有些過了。就我個人的感覺，這幾年的一個大趨勢是從迷茫走向清晰。

早在2015年我在阿里媽媽實習的時候，那個時候我覺得其實對於演算法工程師這個崗位的招聘要求甚至包括工作內容其實業內是沒有一個統一的標準的。可以認為包括各大公司其實對這個崗位具體的工作內容以及需要的候選人的能力要求都不太一致，不同的面試官有不同的風格，也有不同的標准。

我舉幾個例子，第一個例子是我當初實習面試的時候，因為是本科生，的確對機器學習這個領域了解非常非常少，可以說是幾乎沒有。但是我依然通過了，通過的原因也很簡單，因為有acm的獲獎背景，面試的過程當中主要也都是一些演算法題，都還算是答得不錯。但是在交叉面試的時候，一位另一個部門的總監就問我有沒有這塊的經驗？我很明確地說了，沒有，但是我願意學。

接著他告訴我，演算法工程師的工作內容主要和機器學習相關，因此機器學習是基本的。當時我就覺得我涼了，然而很意外地是還是通過了面試。

核心能力

由於我已經很久沒有接觸校招了，所以也很難說校招面試應該怎麼樣准備，只能說說如果是我來招聘，我會喜歡什麼樣的學生。也可以理解成我理解的一個合格優秀的演算法工程師應該有的能力。

模型理解

演算法工程師和模型打交道，那麼理解模型是必須的。其實不用說每一個模型都精通，這沒有必要，面試的時候問的模型也不一定用得到。但更多地是看重這個人在學習的時候的習慣，他是淺嘗輒止呢，還是會刨根究底，究竟能夠學到怎樣的地步。

在實際的工作當中我們可能會面臨各種各樣的情況，比如說新加了特徵但是沒有效果，比如升級了模型效果反而變差了等等，這些情況都是有可能發生的。當我們遇到這些情況之後，需要我們根據已知的信息來推理和猜測導致的原因從而針對性的採取相應的手段。因此這就需要我們對當前的模型有比較深入地了解，否則推導原因做出改進也就無從談起。

所以面試的時候問起哪個模型都不重要，重要的是你能不能體現出你有過深入的研究和理解。

數據分析

演算法工程師一直和數據打交道，那麼分析數據、清洗數據、做數據的能力也必不可少。說起來簡單的數據分析，這當中其實牽扯很多，簡單來說至少有兩個關鍵點。

第一個關鍵點是處理數據的能力，比如SQL、hive、spark、MapRece這些常用的數據處理的工具會不會，會多少？是一個都不會呢，還是至少會一點。由於各個公司的技術棧不同，一般不會抱著候選人必須剛好會和我們一樣的期待去招人，但是候選人如果一無所知肯定也是不行的。由於學生時代其實很少接觸這種實踐的內容，很多人對這些都一無所知，如果你會一兩個，其實就是加分項。

第二個關鍵點是對數據的理解力，舉個簡單的例子，比如說現在的樣本訓練了模型之後效果不好，我們要分析它的原因，你該怎麼下手？這個問題日常當中經常遇到，也非常考驗演算法工程師對數據的分析能力以及他的經驗。數據是水，模型是船，我們要把船駛向遠方，只懂船隻構造是不行的，還需要對水文、天象也有了解。這樣才能從數據當中捕捉到trick，對一些現象有更深入的看法和理解。

工程能力

雖然是演算法工程師，但是並不代表工程能力不重要，相反工程能力也很重要。當然這往往不會成為招聘的硬性指標， 比如考察你之前做過什麼工程項目之類的。但是會在你的代碼測試環節有所體現，你的代碼風格，你的編碼能力都是你面試的考察點之一。

並不只是在面試當中如此，在實際工作當中，工程能力也很關鍵。往小了說可以開發一些工具、腳本方便自己或者是團隊當中其他人的日常工作，往大了說，你也可以成為團隊當中的開發擔當，負責其團隊當中最工程的工作。比如說復現一篇paper，或者是從頭擼一個模型。這其實也是一種差異化競爭的手段，你合理地負擔起別人負擔不了的工作，那麼自然就會成為你的業績。

時代在變化，行業在發展，如今的校招會問些什麼早已經和當年不同了。但不管怎麼說，這個崗位以及面試官對於人才的核心訴求幾乎是沒有變過的，我們從核心出發去構建簡歷、准備面試，相信一定可以有所收獲。

② 如何准備數據分析師面試

1. 理論知識(概率統計、概率分析等)

掌握與數據分析相關的演算法是演算法工程師必備的能力，如果你面試的是和演算法相關的工作，那麼面試官一定會問你和演算法相關的問題。比如常用的數據挖掘演算法都有哪些，EM 演算法和 K-Means 演算法的區別和相同之處有哪些等。

有些分析師的工作還需要有一定的數學基礎，比如概率論與數理統計，最優化原理等。這些知識在演算法優化中會用到。

除此以外，一些數據工程師的工作更偏向於前期的數據預處理，比如 ETL 工程師。這個職位考察你對數據清洗、數據集成的能力。雖然它們不是數據分析的“煉金”環節，卻在數據分析過程中佔了 80% 的時間。

2. 具體工具(sklearn、Python、Numpy、Pandas 等)

工程師一定需要掌握工具，你通常可以從 JD 中了解一家公司採用的工具有哪些。如果你做的是和演算法相關的工作，最好還是掌握一門語言，Python 語言最適合不過，還需要對 Python 的工具，比如 Numpy、Pandas、sklearn 有一定的了解。

數據 ETL 工程師還需要掌握 ETL 工具，比如 Kettle。

如果是數據可視化工作，需要掌握數據可視化工具，比如 Python 可視化，Tableau 等。

如果工作和數據採集相關，你也需要掌握數據採集工具，比如 Python 爬蟲、八爪魚。

3. 業務能力(數據思維)

數據分析的本質是要對業務有幫助。因此數據分析有一個很重要的知識點就是用戶畫像。

用戶畫像是企業業務中用到比較多的場景，對於數據分析來說，就是對數據進行標簽化，實際上這是一種抽象能力。

關於如何准備數據分析師面試，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

③ 工程師的面試技巧

工程師面試必備技巧，技能和素質以及實力是不可缺少的，同時提供工程師職稱的話會加分不少。下面和小編一起來看工程師的面試技巧，希望有所幫助！

1、公司准備

如果接到某公司的面試電話，最好在面試前花一些時間去了解該公司。不求公司組織架構、管理層、戰略發展方向，但至少要知道公司名稱、地址、公司的主營業務和主要產品。

這些信息能夠幫助你在面試中的思考和表達更有針對性和貼近感，你對公司的了解也會讓面試官覺得你是真的對這家公司這份工作感興趣。

2、簡歷准備

簡歷的重要性不言而喻，這是你能否接到面試電話的唯一要素。這里不去細講如何寫出一份好簡歷，但一定要體現三點—項目經驗、工作能力和正能量。

3、問題准備

可以先上網查一下，你面試崗位的一些常規問題，這些常規問題，可以花些時間准備一下，能夠在面試中增加自己自信。

4、面試一般分為兩輪。

第一輪，應聘者先自我進行介紹項目經驗，然後面試官開始問一些現場施工管理及技術等專業問題。這一輪相對比較容易通過，但也要准備全面。

第二輪由公司或部門負責人主面，所有工程崗的面試都要通過他，面試也是直入主題。

5、在與招聘者交談的時候一定要把握好「4個度」：

高度，在交談的過程中展示自己的水平，一方面是政治思想水平和愛崗敬業的精神，令一方面則是你的專業水平。面對招聘者體溫的問題不能光說個「知其然」，還要答出「所以然」。

信度，在交談中要展示出你的`真誠，態度要誠懇說話的時候不要心不在焉，回答問題要肯定盡量不要用「可能」「或許」等這種詞語，對考官要事實求實讓他看出你的誠意。

風度，在交談說話的過程中展示自己的氣質，體現自己的外在美同是也要讓招聘者看到你的內在美，而語言就是展現內在美很好的途徑，一定要注意自己的言行舉止。

熱度，在說話交談的時候展示出自己的熱度。做到精神抖擻，認真傾聽。

不要緊張，也不要表現出死記硬背，面試除了考察專業能力，更看重應聘者發現問題、分析問題、解決問題的一整套思路流程以及隨機應變能力。

④ 研發工程師的面試經驗

關於研發工程師的面試經驗

上周完成了在加拿大的第一次真正意義上的工作面試，五位面試官車輪戰面試我一個人，一共用了差不多四個小時。無論最後成功與否，以下是自己總結的一些面試經驗：

1. 跨專業找工作還是很有難度的。這次應聘的是一個跨國軟體公司的研發工程師(以前在國內從來沒想過去軟體行業，甚至排斥IT民工這樣的職業，可憐的是計算機依然是中國學生在國外的第一謀生手段)。第一個小時是編程能力的面試，面試官是兩個資深的軟體工程師。他們似乎根本不關心我的學歷，經歷，以及研究成果。上來就了用考察軟體編程能力的問題狂轟濫炸。所幸的是問的問題比較隨意，沒有那種經過精心設計的題，基本上都還是應付過來了。

2. 第二輪是研發部門的頭和一個研發工程師，好像都有博士學位。開始向我詳細的介紹了他們部門的一些情況。然後就開始出一些技能考察的題。全是編程的演算法題，至於編程是否規范和清晰，他們似乎倒是不關心，只著重演算法的考察。起初的題目還算簡單，很快一個小時就用完了。他們好像還有很多問題要問，只能安排第二天讓我再去。

3. 第三輪是另外一個部門的頭。只有這一輪的面試和我想像的差不多。面試官跟著我的節奏走，聽我在那裡滔滔不絕的說我博士期間的豐功偉績，偶爾還問一兩個外行人問的問題。然後就是一些普遍可以預測的問題，比如為什麼要離開學術界，為什麼要進他們公司，這些問題的答案估計面試者都爛熟於心的。

4. 最難的考驗是第二天繼續的技能考察，一個很難的演算法，非常復雜。對於一個本科不是計算機專業，連離散數學，數據結構和演算法等課程都沒有學過的`我來說，是一個不可能完成的任務。十分鍾搞不出來，面試官們失去了耐心，當場給我講了講解法。再後來的幾個題也比較困難，回答勉強滿意吧。總體感覺，第二天比一天的表現還是要差了不少。

總之，進入計算機軟體行業，外國公司對於軟體工程師幾乎沒有什麼學歷要求，在乎的是真材實料，比如思路是否清晰，書寫是否規范。應聘再高級一點的職位，會多少種編程語言也不重要，我說我用Linux和Python，他們也沒有表現出多少興趣，我說我以前MATLAB用的最多，他們也表示認可。最早重要的還是軟體的精髓--演算法。當然，如果到了項目管理和架構師級別，肯定又是另一種情況了，貌似離我還非常遙遠。

最最重要的一點。那就是一顆平常心看待面試的成敗。成功了固然可喜，失敗了也不可悲，一定還有更好更合適的機會。