前言
我我的從 2010 年開始在 CSDN 寫博客，堅持了十年， 創業 則已近五年，經歷且看過不少的人和事，但看到這一篇篇透露着面經做者本人的那股努 力、那股不服輸的勁的面經的時候，則讓我倍感勵志。好比「雙非渣本三年 100 次面試經歷精選：從最初 iOS 前端到轉型面機器學習」 這篇面經，便讓我印象很是深入。在佩服主人公毅力和意志的同時，也對他願意分享對 衆多人有着很是重要參考價值和借鑑意義的成功經驗倍感欣慰。前端
固然，相似的面經遠遠不止於此，咱們後來整理出了100篇面經，彙總成冊爲《名企AI面經100 篇--揭開三個月薪資翻倍的祕訣》，這 100 篇面經分爲機器學習、深度學習、 CV、NLP、推薦系統、金融風控、計算廣告、數據挖掘/數據分析八大方向。分享面經的做者各類背景都有，好比科班或非科班；98五、211 或雙非院校；研究生或本科甚至大專；學生或在職。至於傳統 IT 轉型 AI 的就更多了，有從 Java、PHP、C、C++等偏後端服務轉型的，也有從 Android、iOS、前端等偏客戶端開發轉型的，固然也有數據分析、大數據方向等轉型的，但使人振奮的是，他們都轉型成功了，並且他們中的不少人都經過集訓營、就業班三個月到半年的學習，成功實現薪資翻倍——這些成功的經驗就更值得借鑑了。python
就業部同事史老師、邢老師特意將這些寶貴的經驗整理出來，但願能夠幫到更多人。程序員
第一部分 勵志！普通IT研發轉行AI的學路、心路，和充滿乾貨的面經
如下部分均爲集訓營學員孟同窗所寫，培訓以前作Android，目前年薪已近翻倍：面試
不是七月的就業老師催着寫總結，我可能還在拖着不去回顧。人都有惰性，七月的老師催促本身總結這段經歷，一如剛報名時催着你們預習、考試、提交項目。七月好像自身蘊含這種屬性，催促你前進。
我是機器學習集訓營的學員，雙非院校。在校時實驗室研究圖像識別，但本身當時作技術實現，理論方面研究得比較淺。畢業後作了兩年軟件研發，發現實際工做跟上學時想的差異挺大，並且編程方面本身優點不大，因而以爲仍是把之前接觸過的圖像識別加深下，順帶學下機器學習，轉崗吧。當時實在是受夠了長時間加班，並且對所作的技術方向有了較全面的認識，以爲發展頗有限。
在新公司幹了九天我就辭職了，辭職後真得以爲充滿幹勁，由於前面有片浩瀚的大海等着本身去衝浪。把不如意的現狀打破，解下枷鎖，全力投入新戰場，即便暫時沒有收入，即便積蓄僅夠兩個月生活。可是顧不得了，要幹，就立刻幹。
我先本身閉門在家，看完了岡薩雷斯的《數字圖像處理》，是真的看懂，不是隨便翻翻。看完花了一個多月。後來報了一門課（還不是七月的）：深度學習在計算機視覺的應用。學了兩課就震驚了：原來，傳統圖像處理已基本被深度學習碾壓！並且當下CV應用的FasterCNN，Yolo等徹底沒聽過。震驚之餘充分認識到，**閉門造車是絕對不行的，自學容易學偏，不得要領。正巧當時看了幾部網上流出的七月在線的視頻，授課時間很早了，視頻尚未後來的ID水印。看後由衷地以爲講得確實好，清晰明瞭。因而就搜七月在線官網，挑選一番，報上了機器學習集訓營**。也是咬牙決定的，要幹，就立刻幹。
報名後又是一次次的意想不到，課程的側重、編排與內容的設置，真的與以前閉門看圖像處理時認爲的天壤之別。這邊絕對是按照實戰須要進行的規劃。並且，有幾集課程和幾篇課件對理論概念的剖析，真的是神來之筆。這要比本身悶頭看經典書省了大力氣，比力氣更寶貴的是時間。
再就是七月這邊安排的節奏其實挺緊張的，我辭職全天候地學，都以爲吃力。固然用另外一個詞形容就是充實。課前送配套的預習課程，會反覆提醒你看完。線上課講解的信息量巨大，通常是連續2小時，我都是次日再聽才能勉強消化。真消化完，東西就基本掌握了。課後有做業，週末有考試。一遍遍催促你對知識咀嚼消化吸取。
關於項目和知識的講解與總結，七月給了不少特別好的資料與案例，而且逐行講解清楚，不明白的還能夠再單獨問，直到本身明白爲止。
七月每期的學員，都是求變求突破的人。七月把你們集合到一塊兒，共同討論共同進步，這種氛圍真的很是棒。若是本身一我的閉門造車，承受的壓力要比這樣大不少。
學完後已經1月份了，立刻找工做內心沒底，因而把簡歷讓七月的老師幫改了一下，又溫習了下課程，就過年了。打算年後趕春招。
春招真的不容易。我以前只簡單作過一點圖像處理，可是求職方向按照NLP準備的，數據挖掘類的也一塊兒投，這就有點難辦了。因爲我的規劃緣由換過兩次工做地點，加之簡歷潤色得不太夠，致使面試接連失利。
春招面試持續了一個半月左右，拿了兩個offer，一個是某創業公司的NLP算法崗，25k/月但沒過去，再就是我如今入職的這邊，某高校下屬科研院所的研究崗，兼帶一部分開發的任務。下面是我把幾回重要面試的狀況總結以下，你們有興趣能夠參考一二。
A，某中型互聯網金融公司
簡歷上項目，最初提了多少套方案，爲何最終選這套；
機器學習訓練偏差由哪些構成；
誤差與方差；
下降過擬合的方式；
神經網絡下降過擬合的方式（dropout，早停）；
BN層做用；
BN層加在激活函數前與後效果有何不一樣；
如何判斷異常點；
邏輯迴歸的分佈函數；
邏輯迴歸的參數求解在優化方面屬於什麼類型；
機器學習中經常使用loss；
精確率召回率；
PR曲線面積表明什麼；
常見的語言模型；
文本表達方法；
新詞如何發現；
句子中關鍵詞如何提取（tfidf，textrank）；
如何計算兩個句子類似度；
項目中遇到了哪些困難，如何解決的；
簡歷項目如今進行改進的話，能夠從哪些方面；
seq-seq有哪些結構形式；
soft-attention與hard-attention的區別；
數據分類不均勻的話，要作哪些處理；
手寫邏輯迴歸極大似然函數的數學推導；
Glove與word2vec的比較；
講一下Attention模型；
講一下Bert；講一下fastText；
文本處理經常使用步驟；
分詞分得不許確的話，該如何處理。
B，平安第一次面（NLP）
DenseNet的網絡結構？
與全鏈接有何不一樣？
簡歷項目中網絡用了多少層FeatureMap，每層面積？
項目用了多大的數據量？
達到了怎樣的分類效果？
FeatureMap提取了哪些特徵？
畫一下項目中採用的網絡結構。
聊項目，解釋項目中爲何這麼作。
詞向量怎麼訓練的？
word2vec兩種經常使用模式？
詞向量後面的Softmax如何優化？
CBOW和Skipgram哪一個更適合採用？（大規模訓練的話Skipgram要更好）
Glove的原理？（簡歷上有體現）
編程題：連續數組中值的去重；整數1~n，每一個數字的二進制表示中「1」的個數，把此個數保存到數組。
C，平安第二次面（NLP，不一樣事業部）
講一下fastText（簡歷上有體現），說一下與word2vec的聯繫；
Huffman樹；
簡歷上項目如何設計的；
若是用seq-seq進行embedding，作類似度計算，會如何（替代Glove的話）；
Glove如何訓練的，用的多少維；
馬爾可夫過程是怎樣的；
怎麼調試tensorflow；
解釋下TextRank（簡歷有體現）；
PageRank是怎麼回事；
爲何數據量越大SVM訓練越慢；
SVM原理；
分詞是如何處理的；
語料中遇到新詞如何處理；
決策樹和SVM在數據預處理上有何不一樣（缺失值）；SVM對文本要先作什麼處理；
fastText最初先對文本如何處理（固定格式）；
詞性標註比較好的方法是哪些，有沒有最新的模型。
下面是上機編程，記得有道題要求把不一樣的字符串進行分類。期間涉及到了對python的調試，表現不夠好。
D，平安第三次面（數據挖掘崗）
先作了一份筆試題，上面都是常規的概念問答。例如數據預處理、清洗的方法等等，記得七月給的總結資料中幾乎都有。
而後對着簡歷問。印象比較深入的問題有：tensorflow出錯誤了，怎麼debug；手推SVM；LSTM的結構，優點在哪裏。其他的大可能是常規問題。再就是根據簡歷問項目。
總結起來，失敗的地方有這麼幾點。
第一，手寫代碼的功夫確實有退化，社招的同窗務必花時間刷一下算法和編程題庫；
第二，準備的時間仍是有些短，三四個月的時間拿下理論和實戰，會比較倉促，不夠紮實，若是能夠，延長到7-8個月，應該就不是當時那個心態了；
第三，最好仍是不要離職脫產學習，若是脫產，請保證積蓄充足，否則拖到後面財務壓力影響心情；
第四，工做頭幾年，請務必耐住性子，不要把簡歷跳花了，但若是確實有重要的抉擇，優先級高於工做的問題，也沒必要在意。
感受比較感激和慶幸的幾點：
一是遇到了七月這個平臺，它不必定適合全部人，可是於我，幫助很大；
二是感謝線上的老師和深圳這邊線下的老師，這個浮躁的時代，能有人耐下心來花大段我的時間，不厭其煩地向你傳授寶貴經驗，彷佛已經超出了合同和契約，背後是有些情懷的。
三是認識了更多在這個領域奮進中的朋友。
要看的書有這麼幾本，百面機器學習，西瓜書，這兩本要看熟（但不少章節可略過）；統計學習方法，最好翻兩三遍；NLP作客服機器人的話，推薦《天然語言處理實踐 聊天機器人技術原理與應用》，這本比七月對聊天機器人的講解更系統全面。
算法
第二部分 《名企AI面經100篇：揭開三個月薪資翻倍的祕訣》
4年後端轉NLP一週拿到4個offer年薪30萬：面試被問了這些問題
「我轉崗的緣由現階段遇到了瓶頸，技術提高緩慢，剛開始本身看書看視頻，可是效果不明顯，加上天天上班也比較忙更沒有時間學習，爲了系統化的提高本身機器學習的功底，我就選擇了七月在線的課程。七月的課程設計的很合理，基本涵蓋了全部的知識點，在面試中也發揮了很大的做用，報名的時候送的VIP課程也是質量很高的。」
編程
21屆應屆生集10面經分享：面的算法都是課上講的
「通過在七月集10的系統學習，對機器學習和天然語言處理領域的算法的理解方面有了很大程度的提升，在面試這些算法的過程當中，都是集訓營中老師講到的，老師們講解的比較透徹，所以都能比較順利的答上來。」
後端
推薦面試分享：從一開始簡歷沒項目總被刷到拿下月薪26K
「剛開始比較尷尬，投了好幾份簡歷，並無反應，細節沒突出到位吧。加上沒有真實的項目經驗。 後面集訓課開始有組隊選擇項目，而後當時就聽楊老師（講廣告的老師）講推薦，把總體脈絡講出來，從離線，近線，還有實時，而後就是畫像，而後又給咱們分享了頭條推薦的項目。 我就把這些都寫入了本身的項目，簡歷開始有了反應。」
數組
21屆畢業生：CV學習的一點經驗與面試須要準備的內容分享
「本人在校期間經過有關python、機器學習、深度學習、圖像識別等方面的書籍以及CSDN博客、b站的視頻、知乎以及七月在線機器學習課程進行學習。學習的內容流程大體爲：python基礎的語法----numpy、pandas、matplotlib、time等庫的應用----經常使用的機器學習模型（如LR、SVM、樹模型、經常使用的聚類算法等）----BP神經網絡----CNN、RNN、LSTM等網絡----VGG、Resnet等物體檢測backbone----RCNN系列、Yolo系列、SSD系列物體檢測方法----近幾年物體檢測方向的論文等。」
網絡
學習CV的一點小經驗：用好四大金剛
「機器學習算法必定要會手推公式（至少簡歷裏面寫的要會），這個是基礎；
再就是老生常談的基礎，好比LeetCode的算法題，網絡的基礎知識，數據結構，最重要的是七月在線總結的面試經驗。這本書很是好，很是全面，能夠把不少零散的資料融合到一塊兒，把一些可能本身以爲沒什麼關聯的算法放在一塊兒比較，這樣就很容易記住每種算法的優點和不足，以及適合的應用場景；
七月在線APP上的題庫也很好，很是適合利用零碎時間來學習，好比在去面試的路上，能夠稍微再看下忘記的知識點，萬一被問到呢是吧。」
數據結構
工做6年的碩士CV方向面試分享
「也經過其餘在線教育平臺學習過，只惋惜收效甚微，思考過緣由可能一是學習進度本身把握很差，學過就忘記了，二是偏理論，動手實踐太少了。在選擇七月以前本身也嘗試過幾輪失敗的面試，總結思考了主要問題一是知識體系不完整、基礎不牢，二是簡歷涉及的技術不夠新穎。因此果斷選擇了七月，打算培訓一段時間沉澱一下再出來面試。」
NLP面試總結：從阿里 百度 滴滴一輪游到最終拿下offer
「後來我參加了七月的集訓營，以爲最大的做用是構建了一個相對完整的知識結構，和遇到了一些能夠討論問題的老師和同窗。獨學而無友，則孤陋而寡聞，我真是鼓勵你們多交流。」
集十 三非渣本前端轉行成功拿到近翻倍薪資
「十幾家培訓機構，我以爲七月的售前是最好的，回答我問的問題，還彬彬有禮。加上前先後後認真的服務，那就絕對是值的了。」
傳統PHP轉行推薦算法工程師：我是如何從年薪10萬到30萬的
「推薦算法工程師的技術路線通常能夠分爲二大類，一類是偏工程實現，一類是偏算法研究。固然，像我所在的小公司是兩種都作的。偏工程類的推薦算法工程師須要具有後端開發知識，偏算法研究的須要掌握傳統的推薦算法，還要了解業界最新的算法進展等。」
後端轉推薦算法：我是如何經過三個月的學習薪資翻倍的
「工程能力，單從推薦來說，主要指的是SQL、Java、spark，不少公司會把特徵的清洗和提取這些事情，交給算法工程師本身作了，因此SQL是必備技能了。」
從機械轉行算法：我是如何一路過關斬將拿到8個offer的
「必定要刷算法題，像《劍指offer》和leetcode，還有七月在線的題庫能夠多刷刷，整理的挺全的。 」
文科生轉行面經：我是如何從數據分析到算法並薪資翻倍的
「在這半年期間也嘗試過其餘的在線的學習平臺，好比說優達學城上的自動駕駛入門課程和Coursera上的吳恩達的ML的課程。對我我的來說，我以爲線上線下結合集訓營的方式比本身經過在線教育課程來學效率高不少。」
我是如何從應屆機械轉行NLP，並在秋招拿下30w算法崗的
「你們有時間必定要多多看看七月裏面的題庫，目前爲止我感受是全網蒐集得最全的題庫，而且大部分題目的解答也算是十分詳盡了（免費的不用白不用啊同志們）」
坎坷的學習和麪試經歷：5年Android成功轉行NLP
「學習過程當中的實踐項目講解仍是比較合理的，並且關於項目和知識的講解與總結，七月給了不少特別好的資料與案例，而且逐行講解清楚，不明白的還能夠再單獨問，直到本身明白爲止。」
雙非渣碩應屆算法面經：這二三十家公司都面了我這些問題
「集訓營裏面的課程，我是以爲最好可以跟上直播，有問題及時問老師解決，不要怕丟臉，不要怕問老師，反正有問題就問，並且集訓營的羣裏有些學員確實很牛，在羣裏其餘學員也會回答你。」
幹過銷售和後臺但最終拿到40萬NLP的offer：我都被面了這些問題
「我畢業於某 985 高校計算機專業，小本。畢業後作了一年多銷售，而後轉行作了兩三年的後臺研發。去年轉算法（NLP），最終肯定的offer年薪 40 萬。」
個人NLP秋招之旅：如何一步步準備並拿到大廠NLP的offer
「老師給了一些項目讓咱們學習，這都是很是好的學習資源。不懂的地方能夠問老師，問同窗，七月在線給咱們提供了一個良好的學習氛圍。老師給的項目，有一些簡單的，有一些比較難的。我下來以後，基本都會本身跑一遍，對本身感興趣的項目，還會本身從新敲一遍，特別是一些實現的細節，或者一些tricks，我都會作一些記錄。這些都是真實的項目技巧，也爲我後來的項目作了準備。」
雙非研究生面試總結：曾看了吳恩達等不少網課 但遠不夠
「看多不少網課以後，感受對於基本的概念知識點都瞭解，可是缺少系統性，也缺少項目和實戰經驗，一我的學習的話也很難抓住重點，就考慮系統的學習一下。此時通過比較了好幾家相似的機構，最終選擇了七月在線這個平臺，加入了集訓營的你們庭。」
機械轉算法崗位：我是如何一個月連拿4個offer的
「第一，手寫代碼的功夫有點弱，各位同窗務必花時間刷一下算法和編程；第二，請務必耐住性子，心態必定要穩，掛了也不要沮喪，拿到offer也別沾沾自喜，作好基本的，掌握基本知識，作好實戰課題，多複習，多請教。多試一試！」
傳統IT轉崗NLP：曾感覺到對上升空間的焦慮和經濟方面的壓力
「金三銀四的求職季，怎能錯過。趕忙請老師再幫忙修改了下簡歷，便開始了求職之路。從開始投簡歷開始，整個過程大概持續了一個半月，斷斷續續地面了幾家公司，拿到了幾家公司的NLP 崗位的Offer，基本上涵蓋了創業公司、互聯網公司、券商這幾種類型。」
我是如何經過集訓營在公司內部轉崗拿到年薪近100萬的
「無論是須要刷題的校招同窗，仍是須要刷經驗社招同窗，選擇一家靠譜的培訓機構（好比七月在線，就業針對性很是強，老師也都很是專業），都會使你事半功倍。不要怕花點學費，你的時間遠比那點學費寶貴。」
我和七月在線的5年時光：從經濟學專業到「高級」程序員
「看到學到的東西在公司被承認，在生產中使用，這應該是每一個程序員最開心的事情，固然年末領導也沒有虧待我 ，給了我A的評價，固然年終獎也少不了啊」
普通IT3年轉行經驗談：從曾質疑培訓機構到培訓後年薪35萬
「2小時滿滿的乾貨，須要你在當天和最晚次日消化掉，由於週五還有考試，週末還有量更大的線下課，就是這種反覆的強化催促和壓力，才能讓你不斷的進步，這也每每是培訓比自學好的地方」
雙非渣本跨專業轉行面經：從Linux運維到推薦算法40萬
「畢業以後來帝都作了一年半的Linux運維，感受作運維沒有啥前途，只能勉強混口飯吃，因此想轉到一個有發展前景的方向，而後在網上找各類IT培訓機構，發現七月在線還不錯，因而2017 年底開始脫產來七月在線的集訓營學習」
金融風控100道面試題：傳統銀行開發轉行互金top3公司並年薪40多萬
「後來我同事給我分享了七月在線的人工智能課程，我看了一下課程表，裏面是我想學的內容， 通過考慮，我和同事一塊兒報名了集訓營4期的課程，這個課程是晚上8點到10點授課，有批改做業等環節，恰好適合咱們這種平時白天上班晚上回來學習的上班族。」
雙非渣本三年100次面試經歷精選：從最初作iOS、前端到轉型面機器學習
「至於轉行轉崗，只要時間堅持投入足夠持久，一定會取得收穫，因此確定是沒有那種學不會的說法的，只能說投入的時間不夠而已，即便轉型失敗了也絕對不是由於智商上的差距，由於努力的付出量級還遠遠沒到拼智商的程度。」
雙非碩士面試之旅：數據分析、特徵工程、模型構建、模型優化等流程要熟練
「說道面試，簡歷按照老師們的講解必定要好好寫，把項目內容寫得詳實一些，簡歷中有的，已經要保證本身都會，沒有的不要寫上去。項目部分，就寫了上課所講的金融實戰項目和kaggle比賽項目，必定要拿着代碼一邊看一邊跑，瞭解比賽和項目的構造，數據分析，特徵工程，模型的構建和模型優化等等。算法方面，要學會手推公式，像經典的LR，SVM和XGBOOST等算法必定要多多在紙上練習推導。」
零基礎的「大叔」：如何從僅會點C到轉行機器學習並拿到56萬年薪
「從最實用的角度，把在機器學習相關知識貫穿，造成一個很好的閉環。可以讓你瞭解不管大廠仍是小企業所需掌握的基礎技能」
跨專業轉NLP的扎心歷程：試用期被辭再找拿到更高offer
「面對將來，咱們每一個人都是既懼怕又嚮往，若是你猶豫那麼你永遠不會邁出那一步，只有沉下心去作纔會有所收穫，just do it！」
跨專業轉行AI的艱辛歷程與NLP面經
「雖然在參加集訓營五期以前我已經找到了NLP的工做，可是正是由於本身是從別的專業轉行過來，項目經驗的缺少就像懸在頭上的達摩克利斯之劍，懼怕稍有不慎，就會掉下來。不過，也正是因爲這份擔憂，我才選擇了機器學習集訓營，想夯實一下機器學習的理論知識的同時，逐項積累一些比較好的項目經驗。」
渣碩產品轉NLP實錄：從只會matlab到NLP年薪30萬
「在七月的面試題庫中有不少面試題，我的感受已經很全面了，多刷幾遍後在看看相關領域其餘人的面經，在面試理論部分已經至關夠用了。」
一個半桶子的自述：19應屆且雙非院校的轉型之路
「看了一些視頻講解，果真有人指導就是不同，一些之前看的迷迷糊糊的東西老師一講解就豁然開朗了」
一個大齡碼農的奮鬥歷程：在焦慮中轉型拿到年薪40萬
「我爲何來7月學習算法 工做時間長了後會產生焦慮，焦慮的緣由是發現本身的能力與工做年限嚴重不相匹配，遇到了很大的瓶頸，再加上看到網上常常說的大齡程序員面臨失業的新聞比較多，感受本身立刻就要失業了」
超勵志！本科化學碩士力學，從幹過銷售只會VB到成功轉行量化交易
「2018年8月報名集訓營後，我還在上班，每週一從杭州出發去山東出差，基本天天換一個城市，週三晚上找個咖啡館上視頻課程，週五晚上趕回杭州，週末去上線下課程，下週照舊。基本天天就7點到12點左右能夠學習，白天還要拜訪客戶，固然偶爾也會偷懶，不見客戶只學習。大概這樣努力了三個月，到集訓營結束。」
推薦算法面試分享：如何從大數據起步拿到年薪近40萬
「在開營以前已經把數據結構和送的python基礎課刷了一遍。數據結構必定要按部就班，對於常考的數據結構必定要本身實現過， 若是面試官對作的項目承認，那麼數據結構題也作得出來，offer成功的概率會變大」
算法面經：應屆生如何經過四大金剛拿到年薪30萬
「首先就是校長常常強調的四大金剛（小編注，四大金剛指的就是：「課程 題庫 OJ 競賽」哦），我的以爲這個是一個算法工程師須要一直堅持的事情； 其次，在機器學習的過程當中要注重理論的推導和實踐的結合，公式要反覆推，項目要親自實踐，實踐中會發現不少新的問題。」
社招轉行CV面試經驗分享：面試當場秀代碼
「面試更多的是根據簡歷中的項目和工做經從來提問，簡歷中有幾個有含金量的相關項目經歷便可，不須要寫不少其餘的內容，寫到簡歷上的項目務必確保真的理解和熟悉，由於面試官通常會順着你項目中用的技術來延伸提問。」
個人面試及就業分享：從後端開發轉崗到機器學習算法的歷程和感覺
「面試常常被問到一個問題就是模型的bad case是怎麼分析和解決的，咱們上課或學習時通常都是跑完模型看準確率還不錯就完事了，其實現實工做中跑完模型僅僅只是一部分，甚至是最省事的一部分，跑完模型以後的bad case分析和優化可能佔據了大部分時間」
我是如何經過3個月的學習，從運維開發轉NLP的(社招)
「實在不會講項目怎麼辦，沒事，就踏踏實實老老實實講你作過哪些項目，以前幹過啥，如今學過啥，當前的技能水平能幹點啥，轉行就說轉行，不要虛，實話實說，除了工資少了點，其餘也沒啥損失，先上車再說。」
如何從傳統IT轉型NLP並薪資翻倍的：NLP(知識圖譜)面試總結
「seq2seq的原理圖，attention是怎麼回事，爲何會有效果，這裏容易引進transformer，而後這個話題就有點複雜了，看水平的時候，transformer模型有點複雜，本身先看懂，而後畫模型流程圖，找出模型各個部分的區別，對比分析，說說本身的理解。最後通常會順帶問，在個人項目或者實際中有沒有應用，這個本身在學的過程當中最好本身應用一下，會加分很多。」
校招面試分享：我是如何連拿華爲、蘇寧、攜程、招商4個offer的
「首先傳統機器學習算法：svm、lr、softmax、決策樹、隨機森林、GBDT、xgboost、adaboost、bp神經網絡、樸素貝葉斯等等這些都必須本身手推一次或者屢次。深度學習方面：CNN、RNN、LSTM、經常使用激活函數（tanh、relu等）、adam優化函數、梯度消失這些原理或者是結構都應該能手畫出來。」
NLP 崗位面試經歷：不少面試題都能在題庫裏找到
「其實以上這些面試題好多都是能夠在七月在線APP上的題庫能夠找到，在工做之餘好好看看，結合項目加深理解，找到NLP的工做仍是相對比較容易的，但願你們能沉下心，切勿急躁，好好學，確定能找到本身滿意的工做。」
C++轉行算法拿到360年薪40萬offer
「報名開始學習後感受本身天天都很充實，課上跟老師實踐，完成做業，緊跟老師腳步，而後再回過頭來複習算法的理論就輕鬆不少。」
剛畢業雙非本科如何拿到NLP offer並薪資翻三倍的
在去年畢業沒幾個月的時候，由於不滿意本身工做，因而來到了七月在線機器學習集訓營學習，這也是我第一次真正接觸七月在線這個平臺，學習了一段時間收穫了不少，不只僅是機器學習、深度學習知識，還學到一些實用的python數據分析、spark入門知識以及NLP的知識。因而趕着金三銀四好時光投了一些簡歷，拿到了薪資還比較滿意的NLP offer（接近以前三倍，以前過低了）
勵志！充滿乾貨的AI面經：純電力員工如何成功轉行NLP並薪資翻倍
Tensorflow必須掌握，別說本身會keras了，丟人，真的，不開玩笑，至少我遇到公司都是這樣。簡歷上把深度學習的知識具體的體現出來，好比你在某個項目上搭的模型是什麼樣子，這樣更容易得到面試機會。
我是如何從機械行業本科社招成功轉行NLP並薪資翻倍的
先後面了近10家公司，整體感受今年的要求廣泛比去年高，像NLP的模型Transformer\Bert，好像成爲NLP算法工程師的標配了，40%的概率會被問到。
薪資近乎翻倍，題庫裏的xgboost筆記看了不下十遍
校長的博客，看xgboost那篇博客我看了不下十遍，adaboost的過程看了也有好幾遍，直到肯定本身懂了而且能寫出來，推導損失函數。另外，對cnn的文章，校長的博客也不錯。
易貸網、金蛋科技、百度金融、螞蟻金服等互聯網金融面試經驗
首先，簡歷是你能被邀請去一個公司進行面試的敲門磚，通常技術崗的簡歷要突出特點與重點，忌諱繁雜與花哨，通常能夠將簡歷分爲基本信息、我的技能、工做經歷、項目經驗四個大的方面，這四項也是面試官最感興趣的，而後再對大項進行詳細的劃分。
本科校招算法崗面經：拿到滴滴、頭條offer
我是七月在線集4學員，本科，如下是個人校招面經
本科應屆拿到近20萬的AI面經：曾一度因是雙非院校而沒面試機會
集訓營上課我以爲好處就是能夠和一羣好朋友一塊兒學習，氛圍挺好，一塊兒作項目頗有幫助，在羣裏互相解答問題提問題。
薪資翻倍的AI面經：曾擔憂學完集訓營依然找不到工做
對機器學習有了一個更全面的認識，從基礎的python、pandas到後期的算法，全部知識點都聯繫的很緊密，不像自學期間那麼盲目，對機器學習的算法原理也瞭解的更加透徹，對於一些複雜的算法svm、xgboost 能作到熟練的推導出來。面對面試中遇到的問題也是遊刃有餘。
後記
截止目前，已有超過 1000 人經過集訓營、就業班成功拿到心儀的offer，但路還很長， 但願他們能和我司全體同事、全體講師共同促進技術的傳播、人才的培養、產業的發展，共同讓全球十億人受益。