想要在網際網路公司 AI 崗位校招中脫穎而出，聽聽面試官怎麼說

資料探勘數學 · 發表 2018-11-26 08:12:35

摘要：作者介紹：蔡主希，目前就職於京東金融-金融科技業務部，哥大統計資料狗，京東金融演算法工程獅，可程式碼可軟文的非典型理科男一枚，知乎號： @JovialCai，資料森麟公眾號（ID:shujusenlin）特邀作者本文首發於知乎（作者：京東白條）連結：https://www...

作者介紹：蔡主希，目前就職於京東金融-金融科技業務部，哥大統計資料狗，京東金融演算法工程獅，可程式碼可軟文的非典型理科男一枚，知乎號： @JovialCai，資料森麟公眾號（ID:shujusenlin）特邀作者

本文首發於知乎（作者：京東白條）連結：https://www.zhihu.com/question/286925266/answer/493182318

作為京東集團2019秋招的一名演算法崗面試官，來為大家解讀一下如何在AI領域的校招中脫穎而出。

我主要參與了提前批和定向校招的簡歷篩選與初輪面試環節，感覺今年競爭是真的很激烈，體現在如下幾個方面。

1. 簡歷數量多

作為初試官，最痛苦的就是從HR轉發過來的海量簡歷包中挑選出符合部門需求的候選人，尤其是很多同學的背景和經歷都非常優秀。今年校招截止到目前到我手上的演算法崗簡歷大概有400+，通過簡歷篩選進入初試環節的同學大概有20個，由於我們部門headcount有限，最終發了3個offer。由此可見，每一輪的轉化率確實很低，連作為面試官的我都覺得很殘酷。

2. 候選人質量高

高到什麼程度呢？到我手上的400多份簡歷，都是國內985&211院校在讀研究生，都是軟體工程或者計算機相關專業，都有過2-3個機器學習專案或者實習經歷。我第一眼看到這麼多優質簡歷的時候是震驚的，還和組內其他演算法同事討論了下，咱們當年在學校期間能夠達到這樣的水平麼？答案是否定的。有賴於前兩年國內top院校開始系統教授機器學習課程，以及業界公司提供的豐富實習和競賽機會，2019校招的演算法崗位開始迎來了井噴期。與前幾年很多演算法崗應屆生多是半路出家或者自學的情況相比，今年的應屆生可謂個個全副武裝，身經百戰。

3. 招聘者競爭激烈

其實不光候選人對於崗位競爭激烈，招聘者對於優秀的候選人競爭也是相當激烈，舉兩個小栗子。

第一個是京東集團內部，各部門面試官對於校招簡歷都是搶的，面試官不僅要篩選簡歷，還要自己打電話給候選人約定面試時間，因為如果等到HR統一聯絡候選人，自己選中的候選人可能就被其他部門捷足先登了。

第二個是去蘇州某校軟體研究所參加定向校招，發現校方邀請了幾乎國內頭部所有的網際網路公司以及AI獨角獸，安排了一連十天的招聘活動，許多面試官也是和我們一樣從北京連夜過來的，可見各大公司對於校招的重視程度。

所以如何從今年校招如此激烈的形勢中脫穎而出呢？對於還沒有拿到心儀offer的同學，我有以下幾點小的建議。

1. 簡歷突出重點

對於演算法崗這個理工科候選人彙集的崗位，相信簡歷的撰寫對於大家都是一個老大難問題，我這裡只強調一點就是簡歷上一定要突出重點。

首先既然是投遞的演算法崗位，簡歷上一些前端後端的研發經歷就不用寫了，一些個人興趣愛好面試官也是不太關心的就可以省略了，應屆生簡歷儘量保持在一頁內。其次可以多寫一些具體的演算法名稱以及模型評估指標，這些術語和數字會讓面試官一目瞭然。最後就是建議專案和實習經歷的內容可以遵循“STAR”法則，也就是專案背景（Situation）、專案內容（Task/Action）、專案成果（Result）的三段式結構。

2. 註明研究領域

對於經驗較為豐富或者有感興趣方向的候選人，可以在簡歷的開頭就註明自己的研究領域，比如CV/NLP/ML等，這樣子不僅可以提升面試官篩選簡歷時的第一印象，也可以使得候選人自己寫簡歷時更加focus在相關方向的經歷。

其實AI崗位發展到當前，招聘方越來越需要通曉某個領域演算法的專才而不是全才，所以對於剛走出校園的應屆生，儘早找到自己的研究方向並深耕下去，才能在目前競爭激烈的演算法市場上佔據一席之地。

3. 夯實數學功底

目前國內的機器學習課程多開設在軟體工程或者計算機學院，而國外的機器學習課程最早是開設在統計學院的，因而導致了國內很多AI崗位候選人偏工科背景而數學基礎相對薄弱。

然而許多AI演算法本質上都是數學或者統計模型，如果想真正深入瞭解各類演算法本質並且靈活應用，數學統計知識的積累還是至關重要，這方面也是包括我在內的許多面試官會重點考察的內容。

這裡附上另一個問題中李沐大神回答的機器學習鄙視鏈博大家一笑，但是確實可以看出數學基礎對於AI演算法候選人的重要性。

◆ ◆ ◆ ◆ ◆

資料森麟

長按二維碼關注我們

資料森麟公眾號的交流群已經建立，許多小夥伴已經加入其中，感謝大家的支援。大家可以在群裡 交流關於資料分析&資料探勘的相關內容， 還沒有加入的小夥伴可以通過掃描下方管理員二維碼，讓管理員幫忙拉進群，期待大家的加入。