视觉算法岗秋招总结分享——教你如何准备

当初也在牛客看了许多面经,刷了不少题目,也受到许多牛友的鼓励,跌跌撞撞也算是找到了相对满意的结果。今天突然想起一直想写篇求职分享,给找工作的牛友参考,也算是一点对牛客和牛友们的回馈吧。有什么遗漏,或者牛友想了解的欢迎指出,尽量补充。

先介绍下本人基本情况,本人光学渣硕,研究方向是图像处理。硕士期间遇到一个很好的导师,有两份实习经历。不过尽管如此,还是找工作找的很坎坷,一方面是:专业和计算机差太远;另一方面是:做得方向不是机器学习,深度学习相关。从8月初到9月末,两个月都在面试,面了有20家公司左右吧,还好运气不错,骗到了一些没睡醒HR。  :)

关于视觉算法岗:找工作最好的无疑是深度学习方向,现在人工智能处在风口浪尖,薪资也还不错。但是如果做底层的图像处理,比如图像增强,拼接,融合,找工作就会很费劲,本人就是一个例子,一开始面了10家左右公司,几乎没有过的,因为大部分公司都要深度学习岗。所以建议做图像处理的同学可以适当考虑转软件开发岗位,而不是做算法(如果想做算法,可以刷两个天池的比赛),因为图像处理方向真的太窄了,薪资也基本和软开持平,甚至不如软开,个人拿到最好的图像处理offer就是大疆了,别的图像处理算法offer其实还不如软开,所以个人不太看好这个方向,当然,这是个人的浅见,轻喷。

首先说一下找工作的过程:

0. 确立职业目标

这个问题其实很重要,很多人可能还不是特别明确自己做不做技术,做技术改做什么,建议确立一个岗位之后,就不要动摇了。就算找工作的过程多么坎坷,也一定要坚信自己可以的。半途而废,三心二意最可怕,回过头看了下身边找工作的同学,大部分人都找到了七八成满意的工作吧,也算是圆满了。所以,相信自己,一定要自信。

1. 准备期,越早越好

技术面:对于互联网公司就是代码(现场coding,或者电话面考一些语法知识,如虚函数,继承,C  11) 项目(实习,比赛,或者硕士研究内容)。非互联公司基本没有写代码的。不管怎么样,面互联网公司,代码能力很重要,非常重要。因为面试过程中发现,很多面试官并不是做视觉算法(可能做机器学习,NLP)的,所以很喜欢上来就写代码,项目反而问的少,比如常用的:DFS,BFS,动态规划,链表之类的操作必须会。建议刷两遍剑指offer。

HR面:HR面其实很简单,表现的诚恳一点,很想去这个公司就行了,建议大家搜一下CVTE的HR面试题,个人感觉CVTE的HR面还是比较难的,淘汰率也比较高,好好思考里面的每一个问题,想好合适的答案。能搞定CVTE的HR面,其他公司的基本上就问题不大了吧。。。毕竟大部分公司HR面刷入还是比较少的,有的甚至没有HR面,死了就太冤了。

参考书籍资料:

代码基本功:C   primer plus,数据结构,算法设计与分析,Linux命令行,深度学习框架(caffe,tf等等会一个就行)

视觉算法相关:机器学习西瓜书,cs231n深度学习与计算机视觉,多看论文,对于常用的模型要熟悉:AlexNet, VGG, ResNet, YOLO, RCNN系列,SSD,FCN。还有一些trick:BN,参数初始化方法等等

其余偶尔面试会问的东西:操作系统(C  处理多线程冲突),概率论与数理统计(大数定律,中心极限的定理等等),矩阵论(特征值的含义等),这些东西考的相对少,但是也会问。建议多刷项目,这样面试官就会没时间问你基础问题了,如果项目太少,就会问很多基础。

2. 8月开始——10月末:投简历,笔试,面试。

8月份大部分都是提前批,虽然很多公司说提前批不影响秋招,但是以我个人的情况来看,似乎提前批挂了就是挂了,正式秋招就没机会了。不知道其他牛友是否如此。所以建议大家慎重!而且现在很多公司提前批以及不免笔试了,所以,如果是很想去的公司,还是要斟酌清楚。

9月——10月是正式秋招的时候,建议大家每次都总结面试出现的问题,没答上的问题一定要回去查。同时要调整好心态,不要心态爆炸,本人一开始面了10家公司都挂了那种感觉,简直怀疑自己是不是不适合做技术,后来担心自己找不到工作,面了几个很烂的公司,之后就逆转了。似乎提前批电话面的基本都挂了,现场面的基本都过了。可能是电话面卡的比较严一点吧,所以各位牛友一定要调整好心态,自信点,阳光总在风雨后。

点击作者姓名与作者大佬交流~

作者:我要成为少先队员

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏LET

人工智能自学能力的提高正挑战人类的能力

2074
来自专栏PPV课数据科学社区

【学习】阿里面试经历及总结(数据研发、Java研发方向)

我投的岗位“软件研发工程师”。到了面试现场,选择了Java语言(有对应的面试官)。不过,后面进行了交叉面试,被推到了“数据研发”岗位。 一面: 首先,自我介绍。...

4507
来自专栏ATYUN订阅号

亚马逊AI基于播放持续时间预测用户的音乐品味

亚马逊的AI工程师开发了一种新颖的方式来学习用户的音乐品味,方法是将歌曲播放持续时间作为“隐式推荐系统”。机器学习科学家和研究的主要作者Bo Xiao,在印度海...

1132
来自专栏AI研习社

博客 | NLP应该如何学、如何教?斯坦福大学大牛Dan Jurafsky教授专访

雷锋网 AI 科技评论按:自然语言处理是一个高度跨学科的领域,包含了语言学、计算机科学、统计学等等许多传统学科的内容。在课堂中,自然语言处理的教师者们要根据课程...

711
来自专栏MixLab科技+设计实验室

算法驱动型的设计

“Everything should be made as simple as possible, but not simpler” — Albert Eins...

3457
来自专栏新智元

百度自然语言负责人吴华:基于神经网络的机器翻译,我们比谷歌早一年

【新智元导读】12月21日,百度举行机器翻译技术开放日。本次开放日主要向外界传递的一个主题是:百度早于谷歌和微软,在一年前已经推出最近很火的基于神经网络的机器翻...

3617
来自专栏吉浦迅科技

解开填字游戏谜底的人

如今在玩填字游戏时,有更好的作弊方法,那就是利用人工智能。 来自三所大学的研究人员设计了一套系统,运用称为深度学习的人工智能技术来帮助计算机更快速有效地理...

3497
来自专栏人工智能

自然语言处理如何快速理解?有这篇文章就够了!

原文来源:codeburst.io 作者:Pramod Chandrayan 「雷克世界」编译:嗯~阿童木呀、我是卡布达 现如今,在更多情况下,我们是以比特和字...

1.1K15
来自专栏tkokof 的技术,小趣及杂念

音乐游戏&音频解析 ABC(上)

  现阶段的工作涉及到了部分音频解析的内容,广义来说便是数字信号处理(DSP),可惜本人并非专科出生,很多相关内容都是空白,从头看起也感觉颇为有些困楚,虽说时间...

1062
来自专栏吉浦迅科技

对话二三事:微软公司语言辨识技术创新纪录

微软Microsoft的研究人员创造了语言辨识的世界纪录,该公司推出的最新科技,采用GPU加速深度学习技术,辨识对话中的字句,几乎达到等同于人类的准确率。 研究...

3365

扫码关注云+社区