2018年互联网技术岗（数据分析）暑期实习面试经验

  此经验帖适合想找互联网相关工作的人，如数据分析、算法工程师、数据挖掘工程师等。或者是想进入BAT等互联网公司的人，我会介绍他们暑期实习招聘流程及笔面试经验等，暑期实习往往是有转正机会的。友情提醒：本文均是干货，阅读本文大概需要5分钟。
  简单介绍一下作者的情况，某985高校2017级应用统计专业型硕士（学制两年），研一下学期（2018年3月）开始投递暑期实习网申，于4月23号收到腾讯数据分析岗暑期实习offer。所以你会发现，对专硕来说，只学了半年，就要开始找暑期实习了，时间非常紧迫，望各位打算步入职场的专硕或者学硕er早做准备。我将分以下几个方面来讲述我的求职经历：

1、网申投递简历阶段：

1.1需要准备的材料：

  中文简历一份、获奖情况（获奖证书扫描件等）、项目经经历、实习经历、一寸电子证件照、本硕成绩单等。

1.2关于简历：

  可以使用在线网站制作，如我本人就是在“知页简历”制作的，可以下载PDF到本地。简历不要超过一页，与你要申请的职位不相关的经历不要放上去。举个例子，我同学申请某互联网公司数据分析岗，她的简历上有个银行大堂经理助理实习经历，面试官就问她“你要做数据分析工作，你的银行实习经历有什么用？”所以简历上的实习经历、项目经历要与你申请的职位相关，在申请不同的岗位时，可以适当修改再投递，简历不是写得越满越好。
  学生干部或者社团经历要不要写？对于申请技术类岗位，可写可不写，或者写一到两个比较重要的学生干部经历。不要只列举个职位，可以在下面有一行简单介绍下你办过什么活动、做过什么工作等。比如我就写了院研究生会学术部部长经历，面试的时候还被问到过“你为什么选择加入研究生会?”如产品经理、运营等岗位，最好要写上学生干部经历。

1.3关于项目经历：

  投递互联网技术类岗位，包括C++开发、前端开发、数据分析、机器学习算法工程师等等，都比较看重项目经历。在面试时，这也是重点考察的方面。把你导师带你做的项目写上就好了，注意仍然要写上你在项目中承担了哪部分的工作，你可以简短介绍一下。不要只列举项目的名称！
  那没有项目经历咋办？那就把你的期末大作业写上去，举个例子，我们有个课程叫数据挖掘，期末交一个论文的那种。我们做的就是数据挖掘类的大作业，用的是UCI信用卡违约风险二分类数据集，用了一些机器学习算法（SVM、逻辑回归、随机森林等）处理，最后写成一个论文交上去。我把它当做一个小型项目经历写在了简历上，面试官还有跟我聊这个项目经历，他关注的不是你这个项目多么高大上，而是你怎么做数据预处理、选的哪些算法、如何调参、如何评价这些模型等，项目无论大小，流程总是类似的，关键在于你从中get到了什么技能。那如果连大作业都没有咋办？自己去网上搜一些小项目来实现咯，或者去参加Kaggle比赛。这样不就有了项目经历。
实习经历上面说过了，与你要申请职位无关的实习经历不要写上去，还有在实习岗位下面，用几行文字简单介绍下你实习的主要工作。

1.4暑期实习网申时间：

  大概从3月15号左右各大公司（我接触的主要是互联网公司）开始春招及暑期实习投递，如下面这份暑期实习汇总表所示（最后两列是网申开始和截止时间）：

  今年的3月初才正式开学，也就是寒假刚回来，如果你像我一样，寒假浪了一个多月，那么在3月15号在网申时就会感觉很虚，似乎自己什么都没准备好，简历还没修改好，笔试也没有刷题，面试经验（简称面经，下同）也没看。
  所以我个人建议在2月的时候，差不多就可以刷笔试题了，对于想做IT方面的工作，笔试题的在线编程，概率统计的相关知识，了解一些算法原理是必不可少的，我下面还会详细说这个部分。

2、在线笔试阶段：

  一般说来在线笔试都在4月初的样子进行，会有邮件提前通知你。一般来说，投了简历都能参加在线笔试，当然有些公司有些岗位，他可能也会在简历去筛选人，觉得你可能不是很适合这个岗位。
笔试的时间通常是90-120分钟，会有全程摄像头录像，用自己的电脑做就行了。
  笔试通常分为：在线编程题、选择题、简答题等。

2.1 在线编程：

  一般研发类岗位，都会有在线编程，有几个很常用的在线编程网站如牛客网、赛码网、leetcode，可以在里面刷题。比如像腾讯、京东、华为、网易，他们的在线笔试题基本上都是在牛客网做的。你可以在里面练习公司真题，讨论区也有面经之类的。
那么在线编程都是什么类型的题呢？常见的有动态规划（如最大回文子串问题），求最大公约数等，有容易的，也有很难的，所以要多刷题，所谓熟能生巧。
  网上还有人刷《剑指offer》，一般来说在线编程题语言不限，你可以使用Java，C++，Python，R等，会有时间复杂度和空间复杂度限制。
  举个例子，我报了华为算法工程师，他的笔试题就是3个在线编程题，结果我3题都不会做，所以笔试就挂了，自然也就没有面试机会了。所以一定要重视在线编程，尤其是算法工程师、前端、后端这种岗位，基本都对代码能力要求挺高的。
  腾讯数据分析岗位是没有在线编程的，他的笔试是其他类型的题目，下面会再说这个。也有些公司的数据分析岗位是有在线编程的，因公司而异。
  建议学习一下《数据结构》，在笔试和面试上可能都会用到，很重要。包括：二叉树、红黑树、栈、队列、各种排序算法等。个人推荐严蔚敏的《数据结构》（C语言版），最后再说一遍，数据结构很重要！！！我们专业有很多人栽在这个问题上。

2.2 选择题：

  选择题一般考察基础知识点，常考的有以下几种：
  1. 概率统计类：摸球有多少种情况，求某个条件概率等
  2. 数据结构类：各种排序算法的时间复杂度；二叉树的前序、中序、后序遍历；二叉树的叶子节点个数等
  3. 算法知识类：防止过拟合的方法有哪些；判别式模型、生成式模型等
  4. SQL类：一般数据分析岗会有这种题，比如Select语句等

2.3简答题：

  简答题可以在答题框写，也可以在草稿纸写好拍照上传。我曾遇到过的简单题类型如下（只记得大概样子了）：
  1. 夫妇生了第一个孩子是男孩，问第二个也是男孩的概率，很明显这是在考察条件概率公式；
  2. 机器学习中的偏差和方差，高偏差或高方差的解决方法
  3. 假设检验的基本步骤

3、面试阶段：

  大部分公司的面试都是3-4轮：第一轮技术面、第二轮技术总监面、第三轮HR面。

3.1、面试要准备的材料：

  一般只要带一份纸质版简历就行了，可放照片可不放照片，排版简洁大方即可。有些群面会要求穿正装，如华为供应链管理工程师。

3.2、技术面试ing：

  技术类岗位一般都是一对一面试，或者有些公司在你所在的城市没有现场面试的，他可能会让你电话面试。
  面试注意事项：
  1、要有自信，遇到真的一点都不会的问题可以直接说不会，面试官会问其他的；
  2、对常用的算法原理要熟悉，比较常考的有（按考察频率排序）：逻辑回归、SVM、朴素贝叶斯、CNN、RNN、Dropout、决策树、梯度消失等；
  3、一般在面试官问完你问题后，他都会问你有什么问题要问他，你可以提前准备好要问他的问题。比如什么时候告知面试结果？您对我有什么建议？能说说某个岗位需要哪些技能吗？等。
  4、不要跟技术面试官谈薪资问题！！
  下面举一个例子，这是我自己的一次面试：
  面试官：简单介绍一下你自己。
  我：我叫XXX，来自XX大学……
  面试官：你做过中文文本分类项目是吧，介绍一下你的项目
  我：我的项目是做XXX的，我使用了XXX几种算法，他们的原理是……，最后的结果是…….
  面试官：怎么去停用词？
  面试官：你是如何调参的？
  我：如果数据集小，我会使用网格寻优，数据量大，按照经验来调参…..
  面试官：如何防止陷入局部最优？
  我：SGD、深度学习常用的Momentum……
  面试官：你了解今日头条的推荐算法吗？
  我：不太了解。
  面试官：你平时有什么兴趣爱好？
  我：打游戏。
  面试官：打什么游戏？
  我：王者荣耀
  面试官：我们想让王者荣耀的英雄输出伤害差不多，但其实实际中，会有些英雄比较强，有些比较弱，你怎么用数据分析来解决这个问题？
  我：从对战数据……
  面试官：你加入研究生会的原因？
  我：因为….
  面试官：你有什么问题想问我吗？
  以上是技术一面的面试对话，你会发现，面试官比较关心的是你做的项目，使用了什么方法，得到什么结果，算法的原理，怎么调参等等。所以你需要对自己做的项目非常熟悉，包括细节问题，很多时候面试官问得很细。技术二面也主要问项目。有些面试官可能还会让你手写代码，比如我一个同学就是手写求最大公约数的代码。

3.3、HR面：

  一般HR面是最后一面，网上有很多HR面的面经，我也稍微说一下我的感受:
  1、回答问题要诚实，对自己的简历写的东西够熟悉；
  2、要有自信，毕竟技术岗，HR不会太为难你，就是考察考察你的职业规划，性格等。
  技术岗HR常问的问题：兴趣爱好；将来的职业规划，想在哪个城市工作，职业发展规划等；你有什么优缺点；评价一下你的父母亲；为什么选择读研；将来有读博的打算吗，为什么不读呢；谈谈你的本科学习经历吧；有没有女朋友。

4、写在最后的话：

  感谢你花时间看完这篇暑期实习经验分享，如果你已拿到心仪公司的offer，那么恭喜你！如果你没能找到暑期实习，也不要灰心，可以找个日常实习。更重要的是，通过笔试面试，你能发现自己的能力有什么不足，那么趁着还没开始秋招，抓紧时间补上。对于技术岗位来说，有技术在手，不用担心找不到工作。也可能身边有些人找到了暑期实习，自己没找到，可能会有失落感。但请不要灰心，人生是一场长跑。毕竟我投了那么多公司，最后也只收到一个Offer（哭.jpg）
  人生路，莫慌张。