找工作的辛苦历程-互联网篇

也许这不是 一篇有价值的互联网求职经验分享，因为最后我没有找到一家互联网公司，就当分享一下经验教训吧。

       最初，目标要十分明确的，就找图像处理相关的岗位，随着现在深度学习，人工智能的发展，图像处理不仅仅是以前那种二值化、滤波处理，求边缘等简单的操作。所以，想找图像算法相关的工作，机器学习算法：LR、SVM、随机森林、决策树、L1，L2等;

深度学习：深度学习框架至少要懂一个，后向传播推导公式要会写，softmax公式推导要会写；反正要懂得东西也挺多的。

       提前批7月份就开始了，所以各种内推，主要也在北邮人论坛和水木社区看的信息；然而简历基本没有通过，除了苏宁云商；所以简历一定要好好修改，突出自己的亮点，内推没过不要气馁，好好做好秋招的准备。

       等到8月份9月份，一大批笔试来袭，互联网投了基本会有笔记机会的，所以好好刷题还是很关键的，剑指offer基本也刷了几遍吧，LeetCode没有刷，如果有时间还是刷刷吧。

      第一次通过笔试收到面试通知的是360公司，投的机器学习岗，当时非常激动，也做了很多准备，感觉应该会过的样子，然后第一面就被pass了，吸取经验吧：

主要问的问题：（1）SVM和LR的区别，要了解清楚，不要只知道区别，而不知道这个区别是怎么得来的；

                         （2）几种cast的区别，c++中四种强制转化操作符：

                         （3）为什么析构函数定义成虚函数

                         （4）手写代码：图的遍历，并分析时间复杂度；递归的时间复杂度

由于，这几个问题都回答的不是很好，面试官其实很有耐心的，最后听到面试就到这结束吧，就知道肯定被挂了；

回去就把这几个问题总结了一下，对以后的面试还是有帮助的；

第二个面试是苏宁云商吧，投的算法岗位，面了两面：

一面就是根据简历随便聊聊，二面比较专业，主要问技术

主要问的问题：（1）判断一个链表是不是回文：利用两个指针，用链表的前一半和后一半进行对比；我当时想的是递归的方法，感觉也可行的；

                          （2）机器学习有哪些分类器（除了决策树和逻辑回归）

                          （3）softmax 、kmeans的优缺点，以及kmeans的实现过程

                          （4）new 和 malloc 的区别

一个语言的基本知识要掌握牢靠，不要只懂基本的东西，面试官问你的时候要进行延伸；

之后就是10月份回来的面试了，其实互联网九月份好多都面完了，10月份也有一部分；

参加过很多笔试，能过的也不是很多，答的好是王道吧，有时也看运气，之后也参加了新浪微博的面试：

主要问的简历上的项目：问的比较细

                            （1）介绍一下激活函数，三种激活函数有什么不同；

                            （2）LR和SVM逻辑回归的不同

                            （3）给你两个概率事件A=0.2,B=0.8 怎么构造出随机改率为0.5的事件

之后的新浪面试：也是根据简历提问，最小二乘法是怎么推导的，softmax公式推导，从1到1万亿的数组无序排列，抽出一个数，求出被抽出的这个数是什么；

感觉回答的也还行，基本都答出来了，可能没有突出的地方吧，一面就被送出来的，所以并不是你把面试问的都答出来，就可以，最好还要有延伸，突出自己的亮点。

计算机视觉和机器学习岗还是要求很高的，最好要有相关的项目经验，平时做的项目都是比较传统的图像算法，没有用到过深度学习，不过自己也学了一些，用caffe训练过图片，都比较简单，一是语言和图像的基本功要扎实，而是算法能力要求，喜欢专研很重要，没事看看源码。