如何准备面试

最近又是秋招季节，有一些同学问我如何准备一场秋招面试，特撰此文。

本文面向准备互联网和人工智能企业的机器学习算法岗位（机器学习、计算机视觉、自然语言处理、etc.）面试的同学，不同企业和岗位的面试流程会有很大差距（其实开发岗应该区别也不大，但是不同行业的区别真的很大），如果有需要的话可以看情况再写。

面试流程

一般来说，机器学习算法的面试可以被概括为两类：研究面和代码面。顾名思义，研究面只问研究，代码面只考算法题。当然，把这两种结合在一起，前半小时问研究、后半小时考算法题，就得到了更为常见的混合面。绝大多数面试都是混合面，但我也经历过一小部分的专题面试。

面试之前

在进入正文之前，我想先鼓励你从面试官的角度看一下自己的简历。

与你自己（或者其他熟知你的人不同），面试官在开始面试之前对你的了解只有那一页A4纸（如果你真的有2页甚至3页简历的话，请务必确保上面的内容是真的有用的，并且真的写满了⅔页）；还有在面试正式开始之前的一段2-5分钟的自我介绍。这就是面试官对你的第一印象，而之后的提问都会与你的这一页纸和3分钟介绍有关。

所以，请务必确保你的简历上的内容和你的自我介绍是足够有信息量的。这其中的大忌是在自我介绍当中重新读一遍你的简历（当然，如果你的面试官有视力障碍的话则或许不适用）。对我而言，我一般在简历上写工作内容，而在自我介绍当中介绍我在所有工作当中的心路历程（e.g., 为什么会选择这份工作、为什么会选择离开这份工作）。

你也可以准备你自己的自我介绍，但请务必铭记在心，所有的提问都会和这三分钟有关。请尽可能的让他更具信息量。

研究面

研究面说是研究其实更多是问你过去的经历，只是这个经历对于机器学习算法岗位而言更多是研究而已。我个人一般会挑一段工作经历和一篇论文深入去问，每个会投入大约十分钟的时间（所以你最好在自我介绍的时候就重点介绍一下最想被问到的东西）。所有问题主要考察你知识的深度（所以不要怕问到你回答不出来，因为我一定要问到你回答不出来）和广度（没事儿多看看论文还挺好的）。之后，如果还有多余时间的话，我会天南海北的问问别的，比如跟我分享一篇你最近看过的很喜欢的论文，你对ResNet的理解，etc.

代码面

我从来不刷题（除了准备微软的面试时以外），但是大家的题目都处于我能做出来的范围之内。个人感觉你会常见的数据结构的操作就问题不大了。

让我想想，好像也没啥了。祝愿大家面试顺利，offer多多～

壬寅年秋分

于海淀路