一、前言

首先，我拿到的是cvte的自然语言处理实习生的offer，待遇还不错吧。包吃包住，朝九晚九，一周上五天半的班。下面开始吹水……

image.png

二、学习过程

1. 理论基础

课本：《机器学习》、《概率论与数理统计》
视频：吴恩达机器学习、吴恩达深度学习、李宏毅机器学习、机器学习-白板推导

2. 代码能力

课本：《机器学习实战》、《利用Python进行数据分析》、《Python自然语言处理》、《TensorFlow实战》、廖雪峰Python
视频：周莫烦Python、B站的Tensorflow教程、动手学习深度学习-李沐

3. 小结

我的学习过程大概是这样：

机器学习：

先看一下机器学习的理论基础，包括上面提到的书和视频。
接着学一下python基础。
再利用《机器学习实战》去把每个模型理解透彻
接着根据 Kaggle 项目实战把每个模型融会贯通。

深度学习：

同样是先看深度学习的理论基础。
这一步我很纠结于编程语言，tensorflow、pytroch、mxnet、keras，基本上我都试了个遍，跑了基本的cnn、rnn等。
刷深度学习相关的论文，跑了个 textCNN。

4. 学习建议（结合各位面试官）

如果你的实验室没项目，你的学习全靠自己的话

1. 论文：
论文分为两部分（只你研究的方向的论文即可）。
一部分是行业里面现在比较常用的模型，这一部分必须熟练掌握。
另一部分是最新的论文，最好follow一下。能发论文最好了，锻炼一下思维以及创新能力。
2. 比赛：
这一部分建立在理解各个模型的基础之上。
首先多参加一些有答案的比赛（可能是已经结束的），比如看看kaggle每个比赛里面的kernal。
掌握一点比赛技巧之后，就可以去争取一定的名次（最好是研究方向相关）。
这也是我目前正在进行做的事。

那些年看过的部分书.png

三、面试经历

1. 深声科技（3k-6k)

1.1. 最大熵
1.2. 支持向量机
1.3. 聊聊人生。。

小结

感觉他们是要招立马能工作的人，研一的人去实习在面试官眼里就是个笑话。
这是我的第一个面试，太老实了，有什么说什么，而且极度不自信。挂了。

2. 数据故事（3k-4k）

笔试题目：

2.1. 请用以下任一语言（C/C++/Java/Pyhton）实现稀疏矩阵乘法运算。要求：定义稀疏矩阵的表示；定义计算稀疏矩阵乘法方法，输入两个稀疏矩阵返回两矩阵相乘的结果矩阵。
2.2. 请简要说明朴素贝叶斯及其计算过程。
2.3. bagging、boosting的区别。
2.4. 请写出sigmoid函数的公式定义，并说明其在逻辑回归中的作用。
2.5. 请写出tf（词频率）计算公式、idf（逆向文档频率）的公式和作用。
2.6. 简述 L1&L2 正则的区别。
2.7. 描述 Word2Vec 的原理和训练方法。
2.8. 一维数据的拟合，给定数据集{xi,yi}(i=1,...,n)，xi是训练数据，yi是对应的预期值。拟使用线性、二次、高效等函数进行拟合。
（1）请给出三次拟合的误差函数表达式。
（2）按照梯度下降法进行拟合，请给出具体的推导过程。

一面

2.9. 聊项目
2.10. tf-idf
2.11. 词嵌入，Word2Vec
2.12. 排序算法及其时间复杂度

二面

2.13. 聊项目
2.14. 开放性问题：海量某行业数据，如何对该数据进行分析。比如，美的空调很好。（词性标注、句法分析、句子依赖等……）

HR面

我们这里只有正式工编制和应届生编制，没有实习生编制。

小结

笔试：多亏了帆哥，才能把答案写满。
面试：面试官对我的评价是，掌握得还不错。
其实只是刚好问到我会的。那个开放性问题我没有回答得上来。我事前知道他们招的是应届生，本来是想着去混面试经验的，就没有骗他们我是19届毕业了。

3.CVTE

一面

3.1. 如何用HMM进行分词
3.2. 解释一下贝叶斯，它的公式是怎样的，哪个是先验，哪个是后验
3.3. 什么是最大团，跟势函数有什么关系？
3.4. 计算机网络的五层模型
3.5. 知道哪些设计模型？解释一下？有哪些应用场景？

二面

3.6. HMM、CRF的区别
3.7. 解释一下fastText文本分类
3.8. 解释一下textCNN

终面

给自己前面面试打分
从哪里知道CVTE的
家庭情况、个人介绍
本科期间，你做过最有成就的事
本科期间，你努力了也未能达到的事。
本科期间，最有挑战性的事。
未来工作、生活的规划
人生目标
考研的原因（这个可能是因为我说我最有成就感的事是考研）。
如果给你offer，你会因为什么而不来

总结

能拿到这个offer，5分靠运气，4分靠实力，1分靠助攻。
运气：1. 我的简历居然过了筛选，里面其实没多少东西。2. 一面居然过了，其实有很多题目没有全部答对，并且很紧张。3. 面试官问的东西，刚好是我会的。
助攻：在准备HR面试的时候，舍友帮了我不少。

感觉技术面还是相对简单一点的吧，而且我只跟面试官聊了20分钟不到。别的实习生，真正有项目的，都差不多聊了一个小时。
HR面的话，就尽量表现地真诚一点、很想来这家公司；表现得很符合这家公司的企业文化。

四、感谢

1. 感谢我的舍友，帆哥，在准备HR面试的时候，帮我仔细修改每个问题的答案。

2. 感谢我的导师，给了我全部的自由和绝对的支持。

感谢一下自己吧（臭不要脸2333）。想过放弃搞人工智能很多次，最终还是坚持下来了。
注重成长，期待毕业前能实现第三个小目标吧。

image.png

我是如何拿到第一个算法实习offer的？