专栏首页牛客网视觉算法岗秋招总结分享——教你如何准备

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【字节跳动】【Java后台】面试 9.8

    看你有个游戏项目,发布了吗?【没有,但是手机上有,运行展示】【面试前可展示的项目一定要准备好,要不就阻塞了】

    牛客网
  • 左程云:程序员该如何学习算法?

    大家好,我是左程云。我本科就读于华中科技大学、硕士毕业于在芝加哥大学。先后在IBM、百度、GrowingIO和亚马逊工作,是一个刷题7年的算法爱好者,也是牛客网...

    牛客网
  • 阿里算法工程师面经

    牛客网
  • 博客 | 闲话神经网络

    一篇杂文,把之前收集的神经网络点点滴滴串联起来,便于理解,如有不当,麻烦及时指出。

    AI研习社
  • 基于Python的深层神经网络

    ANN(人工神经网络)受生物神经网络的启发。它可以通过观察示例来学习执行任务,我们不需要使用特定于任务的规则对它们进行编程。 ANN可以查看标记为“猫”或“无猫...

    liuxuewen
  • 自身经历解读:2021 校招算法岗, 劝退还是继续

    其实本来想着等到忙过毕业之后再写这篇文章的,毕竟两年半学制真的伤不起呀。但考虑到今年的算法情况以及各位同学的焦虑,感觉有必要早些写一篇大致的指南来供大家参考。这...

    zenRRan
  • 揭开深度学习黑箱:希伯来大学计算机科学教授提出「信息瓶颈」

    选自QuantaMagazine 作者:Natalie Wolchover 机器之心编译 参与:黄小天、刘晓坤、路雪 耶路撒冷希伯来大学的计算机与神经科学家 N...

    机器之心
  • GBDT 算法:原理篇

    GBDT 是常用的机器学习算法之一,因其出色的特征自动组合能力和高效的运算大受欢迎。这里简单介绍一下 GBDT 算法的原理,后续再写一个实战篇。

    陈龙
  • 揭开深度学习黑箱:希伯来大学计算机科学教授提出「信息瓶颈」

    一个称为「信息瓶颈」的新想法有助于解释当今人工智能算法的黑箱问题——以及人类大脑的工作原理。

    华章科技
  • AI 赌神——如何教神经网络玩 21 点游戏?(附代码)

    最后,我们观察到一个简单的策略:只有在没有机会爆破的情况下才拿牌,这大大提高了我们获胜的几率,因为它将爆破的风险完全转移到了赌场。

    AI研习社

扫码关注云+社区

领取腾讯云代金券