秋招/實習互聯網求職，你需要準備哪些？（演算法篇）
2019的實習面試蜂擁踏來，各個大廠的秋招也慢慢因為搶人大戰變成夏招。為此，意向求職演算法相關崗位的同學要怎麼著手準備？
---內容源自2019南京大學電子學院求職經驗分享會
寫在前面：
值得注意的一點是，Algorithm Engineer，Algorithm Engineer，Algorithm 是側重，Engineer是職能，千萬不要厚此薄彼，更不能本末倒置。
如果在演算法崗的求職準備過程中僅僅focus在演算法這一部分上，很容易發生以下場景：
前20min，自我介紹/聊項目/聊機器學習基礎知識 聊的非常開心，問啥都能說出個一二三。
面試官很滿意，心想終於找到合適的人了，準備稍微考察一下工程實踐能力就結束面試。
於是帶入了一個簡單的場景，可能涉及到大數據、計算機體系結構等領域的知識，maybe只是想考你個簡單的海量排序問題，但沒有準備過的同學很可能一張嘴就會讓面試官感覺次元壁的存在。
結果只能是，面試官尷尬又惋惜的fail你
在實習中有一個強烈感覺：
現實中的應用場景，絕對不是在學校裏調個toy model那麼簡單。
數據量大，冗餘信息多，計算的複雜性對演算法的落地有很大影響。
從網路傳輸到設計模式，從演算法本身複雜度到實現演算法的數據結構。
上的課都很重要！
反過來映射到面試中的考察當中，面試官對候選人各方各面的知識是否完備都有期待
他希望你不要出現明顯的短板
和崗位強相關的硬核技能一定要有所表現。
具體的準備：
首先確定方向？
以阿里為例，我們看一下2019校招官網上演算法相關的職位和 job description
演算法的崗位主要分為數據挖掘 / CV / NLP / 語音 / 運籌優化 幾個方向
各大崗位要求的技能有所側重，但基本都涵蓋以下幾個要求：
- 程序基礎（大殺器C++/Java + 腳本語言Python）
- 所在領域的學術成果（最好有會議論文/期刊）
- 數理分析基礎（對結果的統計分析/置信度檢驗等等）
- 大規模數據處理經驗（Hadoop/Spark等）
- 軟技能（團隊合作，熱情）
相應的準備，需要在以下幾個方面進行：
- Coding 技術崗永恆的主題（做項目，讀開源代碼，刷題，牛客，leetcode）
- Paper 自身科研實力與導師學術圈的PK（爭取當一作）
- Math 基本的代數、統計知識 （數學基礎很重要）
- Practice 實習和平時項目的總結 （總結和提煉表達）
- Soft skill 這個實習生到底耐不耐cao（表現的皮實且熱情）
~~~~華麗的分割線~~~~
下面甩一些相關乾貨和資料
找方向，打基礎的大雜燴（推薦幾個不錯的博主）
強烈推薦CS 61A & CS 61B兩門課，分別用Python和Java講解程序基礎和數據結構
是灣區童鞋們的求職必刷神課，同時複習語言和數據結構/演算法
https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk
學習資料（書&代碼）
- 西瓜書 （機器學習）
- Sklearn 與 Tensorflow機器學習實用指南（深度學習）
apachecn/hands-on-ml-zh
ageron/handson-ml
- 統計學習方法（原理，防止面試手推公式的尷尬）
fengdu78/lihang-code
- 商務與經濟統計 （數理知識和實際案例的結合）
- 機器學習實戰
wzy6642/Machine-Learning-in-Action-Python3
- 深度學習
知乎問答/博客：
在數據分析、挖掘方面，有哪些好書值得推薦？
YouTube 上有哪些計算機方面的值得推薦的公開課？
Coursera （或其它慕課平臺）上有哪些演算法、數據結構相關的課程值得推薦？
張江：自然語言處理從入門到進階資代碼資源庫匯總（隨時更新）
面試官如何判斷面試者的機器學習水平？
劉建平Pinard - 博客園
Github面經：
imhuay/Algorithm_Interview_Notes-Chinese
https://github.com/CyC2018/CS-Notes
先總結到這裡，祝大家實習找的順利！
推薦閱讀：
