互聯網大賽機械狗(互聯網+大賽冠軍)
來源丨蘇雪算法
本文目的有三
- 個人學習生涯的總結和記錄
- 分享非科班轉互聯網的經驗和感悟
- 對于轉行互聯網的想法 & 交流
說明：本文會將題主轉碼前后的心路歷程詳盡道來，我想有打算轉行的同學應該會有類似的經歷。
只想看干貨的可以跳到第四節。后面還會專門出一期轉碼面經
個人信息雙985碩，本碩均機械專業，0基礎硬卷算法崗成功，轉行上岸碩士研究方向為智能故障診斷，水過2篇SCI，無頂會論文，獲國獎實習經歷富士康：沒錯，就是那個富士康，屬于校企合作項目，機械設備的故障診斷騰訊：Robotic X 實驗室，主要是強化學習在機器人上的應用阿里：阿里云，機器學習崗，主要是機器學習在工業領域的應用字節跳動：推薦算法，主要是拿到offer之后來體驗的秋招offer：
阿里、字節跳動、美團、華為、OPPO、順豐、科大訊飛、新浪、深信服、中興（藍劍計劃，莫小看，給的錢超過所有offer）等 15+ offer
轉碼前的經歷前面提到，題主本碩所學都是機械。高考報考是因對其感興趣，至今也仍愛之如初，愛之切，念之深。本科最開始的時候，離真正的生活還比較遠，因此沒有考慮到機械的就業現狀，只想著早點工作早點賺錢，于是我經常參加機器人相關的比賽，也獲得一些名次；并且花大量的精力在學生工作上，也達到了自己預定的目標。到了保研之際，毅然決定讀研，只是保研操作失誤，并沒有到自己想去的高校，不過禍兮福兮，如果換個高校我可能就沒有充分的時間精力自學、實習、轉行了。在此真的非常感謝我的導師，給我們外出實習的機會！讀研之后第一份實習就是到富士康實習（導師和那邊的合作項目），和流水線工人同吃同住，不過也沒有外界傳的那么可怕。我們主要是做深度學習在故障診斷領域的應用。實習之后才第一次知道我們平時玩的demo根本沒有辦法直接落地。其實我們完成項目的過程中最大的困難并非算法，而是前期的實驗設計和實驗過程。
思想的改變
從富士康“退休”返校已經是研二，將學業上的事情基本搞定之后，毅然決定轉碼。沒有去過工廠的同學可能根本無法體會，站一整天，滿手洗不干凈的機油，大家可以隨意感受下對比
淺談機械專業
本科階段（2014年），機械還是一個不錯的專業，就業率高，社會需求穩定。機械有“萬金油”之稱，意指從機械機構到嵌入、再到算法，啥都能干，因為啥都學，當然這也容易導致啥都學不精。
機械也有“越老越吃香”之說，因為對于傳統的機械老師傅而言，經驗就是王道。舉個例子，即使師傅很清晰得告訴你每一步怎么做，最后你還是可能做廢了，因為很多經驗是無法量化和標準化的。而我更想在有體力、有能力奮斗的時候就“吃香”。
機械雖然沒有“生化環材”的天坑之說，但是也差不多了。我們機械學院幾乎人人轉碼，因此被戲稱為“計算機二院”。我轉互聯網當然也受到氛圍的影響，但是，最終還是需要量身定制自己的規劃，盲從是不可取的。
轉行的思考
我從來沒有認為機械專業不如CS，只是對于處在當前環境下的我，互聯網方向更適合我罷了。這里提到的“環境”包括家庭情況、個人追求的傾向、個人未來的發展規劃等。互聯網工資固然高，但也是需要犧牲一些東西去交換的，比如健康的身體。
身邊也有很多同學放棄互聯網，去選調生（一起阿里實習的同學）、去深圳當老師（“陳同學在搬磚”）、去考公務員（最佩服的的實驗室師兄）、去銀行（高中同學）、轉金融讀博（本科同學）等。選擇很多，重點看你自己的選擇。
所學七年付諸東流？
讀研之后，才慢慢感受到世界變化之快，沒有什么是一成不變的。雖然以后大概率不再拿扳手了，但是在機械學到嚴謹、追求細節這些搬磚精神仍然是有價值的。
重要的是，生活中大多數事情都可以自己動手解決（被互聯網優化了以后開去4S店修車去），不是很棒嗎
還有，既然敢放棄七年所學，并且能夠轉行成功，要相信自己的能力也不差，就算再學新的東西也不怕
廢話結束，進入正題。為什么硬卷算法崗
題主是機械轉算法崗，至于為什么轉算法。原因有二，
- 研究生階段用到一些算法相關的內容，算法相對更容易轉成功
- 雖然當年算法崗已經一片紅海，但是我客觀分析了自己的能力，并且做好充分的準備，大不了還當機械狗唄
真的要卷算法崗嗎？
我體驗了算法崗從諸神黃昏到灰飛煙滅的過程，本質上就是供需關系導致的。小廠沒有那么多經費給算法研究員燒，大廠算法崗也遠比開發崗少，但是由于算法崗給人的感覺是“門檻低”，所以導致了供大于求的市場關系。
因此，算法崗的面試也越來越硬核，算法面試一般需要以下幾項能力
- 頂會論文 or 大廠實打實的實習 or 重量級大賽TOP
- 扎實的計算機基礎
- 數據結構與算法 & 扎實的解題能力
面試規劃
根據上述面試要求，分解自己的學習目標，以我自己為例分析。我沒有頂會論文，并且研二提前完成了碩士要求（研究方向的論文要求），因此我把重心放在了大廠實習上。
面試官其實也知道你就是一個校招生，你自己覺得多的東西，在面試官看來都是 demo，因此只需要重點突出你做的東西，你的思考。面試官想知道的是你的能力，而不是你具體做的東西。只要你學習能力夠強，再給你一個新的東西你照樣能學好。
因此，我的思路是以自己現有的東西，不斷去找實習，不斷提高自己，豐富自己的簡歷
1. 富士康 => 騰訊
- 首先按照自己的情況，沒啥好拿的出的東西，重點是 SCI 論文和富士康的實習項目，那就以這兩者為重心
- 瞄準近期招實習生的單位，廣撒網，不要只在自己學校的渠道找，完全可以去其他學校的論壇、校招實習群等蹲，或者找其他學校的學長推薦等，所以說，渠道打開也是很重要的，我就是在其他高校的渠道找到實習的
- 我在騰訊實習期間做的是機器人算法相關，算是和機械能沾上邊，自己尚有一點優勢。試想，如果我一上來就去找 CV 的實習，估計也上岸不了
在騰訊實習做的工作和下面的論文很相似
2. 騰訊 => 阿里
- 阿里的實習其實也是從其他高校的渠道找到的，可見格局打開多么重要。
- 阿里的實習做的是機器學習在工業領域的應用，也和自己的專業有比較高的契合度
3. 阿里 => 字節跳動
- 阿里實習結束并順利轉正。
- 當然在阿里實習期間，我并沒有停止面試其他公司。在找工作上，適度“渣男”更能有談判的，因為只有你手上有更優的offer選擇，談薪的主動權就在你手上了。除此，同時面試其他公司也能避免轉正失敗而導致的巨大損失。
- 拿到字節跳動的正式offer之后，我馬不停蹄得到公司實習，因為只有實習才能最真實得感受公司的文化，你只要呆一段時間，就很清楚自己喜不喜歡。我最開始也是糾結阿里和字節，最終體驗以后果斷入了字節。
面試核心主要兩塊，一是項目介紹，這是你自己的時間，一定要重點把握；其次是 Coding，這個無他，唯練爾！
多參加面試
- 每一次面試就是增長自己經驗的過程，每一次面試都是了解自己短板的機會
- 面試一定要寫總結，多多少少皆可，有復盤才能有提升
- 不要一上來直接硬剛你最想去的公司，畢竟是最終目標，前面多拿小廠刷經驗才是明智之舉
- 按照公司面試難度大致劃分幾個分區，按照難度系數一步步升級打怪
面試，不用慫
- 前面提到，面試官希望從面試中了解到的是你的學習能力，而不是你做的demo細節。當然，越是大廠越是如此，騰訊、字節、阿里皆如此
- 你做的東西你最清楚，面試你慌啥？在面試經驗豐富的情況下，你就是你的項目的權威
- 每次面試，把項目細節都要越扣越深，這樣才能對答如流
- 把自己的項目不斷重復介紹，可以錄音，反復聽。你所說的每句話、每個詞，都可能是面試官挖坑的關鍵詞！
刷題
- 關于刷題，公眾號中有專門的欄目，暫時大部分還在 CSDN 上（https://blog.csdn.net/weixin_41888257/article/details/107397221），后續會逐步完善
- 不能為了解題而解題，還是那句話，面試官想看到你的能力，那么一題多解就必不可少了，從最簡單的解法開始逐步深入
- 只要參加面試就有可能會掛，這很正常，首先需要接受自己暫時的失敗
- 不止是你，無論多大佬的大佬，都會偶爾經歷被掛。面試不僅僅考察能力，也有運氣成分。你和面試官的風格是否相符也是一個因素
- 掛了并不是壞事，重要的是復盤，面試最后都可以問下面試官，你還有哪里可以再提高（不用直接問對你的面試評價，問了人家也不會說，換個說法就是 “您對我后續學習的路線有什么建議嗎”）
題主現在在字節跳動 Data 下的推薦算法團隊，入職之前來實習體驗過，所以知根知底，入職順利融入，毫無違和感。
工作氛圍：
作息：大家一般十點到十點半之間到工位，我住的比較近，一般九點半到。晚上大家一般九點半左右下班，當然也有偶爾自己寫的 bug 沒有搞定的時候晚點回家了
飲食：等你的體重上來了，你就知道伙食怎樣了。雖然沒有HR對外宣傳的那么好，但是也差不多。三餐免費，下午茶水果或者肯德基這種。午餐和晚餐都會配水果和飲料（蘋果、橙子、雪碧、果粒橙、快樂水等），公司還是下了一定的血本的哈。飯菜的話，你拿多少都不會有人說你，阿姨都很好，甚至看你比較能吃，再多給你點。
工作：講道理，字節的mentor是我體驗過的大廠里最好的，簡直就是手把手教學，因為題主基礎差，即使多問幾遍也不會說 “我不是跟你說過了嗎？”，而是很耐心得跟我解釋其原理。
工作內容的話，主要是做推薦算法，題主現在正在不斷學習的過程中，反正不懂就查資料，查不到就直接問同事，大家都很 nice，即使是很傻的問題，也沒人說你笨
以下僅僅是個人看法。
個人感悟
- 工作之后，發現新的東西真的是層出不窮，尤其是算法崗，所以不斷學習以提高自己是非常重要的
- 另外就是，不斷提升自己的圈子，向圈子里最優秀的那群人學習
關于算法的思考
- 個人認為算法崗供大于求的局面還會持續一段時間，即使是已經有部分同學又轉頭去卷開發崗的情況下
- AI 在實體業的落地難度依舊很大。首先是四小龍現階段的情況可以說明一些問題，還有題主之前在阿里實習的時候做的就是算法在工業領域的應用，這種落地很依賴場景數據，但是矛盾的是，數據卻很少。落地會遇到各種水土不服的問題。
- 對于算法崗的需求而言，廣告推薦應該是大于CV和NLP的
- 國家最近出臺的對于廣告領域的打壓，也會一定程度上影響算法崗的需求，但是至少現階段，廣告推薦的需求還是不小
入職之后，越發感受到身體的重要性。小小年紀已經出現干眼癥和頸椎不適了。
運動起來吧，少年！
