2019年春招面试总结--数据挖掘岗位
点击上方“简说Python”，选择“置顶/星标公众号”
福利干货，第一时间送达！
本文转自：python实践者
作者：小鱼儿
00写在前面
博主3年python工作经验，本科。从2019.2.18开始，历时三周，获3个offer,其中2个数据挖掘岗位，1个爬虫岗位。面试13家公司，10家数据挖掘岗位，3家爬虫岗位【投的少，主要也是需求岗位也少】。最多的一天面试3家，面试来源主要有拉钩，Boss直聘，猎聘。2019.3.11正式入职python数据挖掘岗位。
01面试准备
1.专业书籍：西瓜书，NLP汉语自然语言处理，python自然语言处理实战，统计学习方法
2.视频资源：吴恩达机器学习视频，自然语言处理实战视频
3.手写笔记：手写笔记A4纸正反面共计54页，印象笔记38篇，博客14篇
02 简历部分
很多人跟我说，投了很多简历但是都石沉大海，然后他把简历发过来给我看，确实明白了一部分原因。我总结有这么几个问题:
1，亮点不突出。简历和一开始没有一些吸引人眼球的亮点，你会哪些技能点，要在最开始的时候吸引住HR 的眼球，其实HR 虽然不懂技术，但是他会看关键词，你要在她看你简历头3秒钟就给她展现她需要的关键词。
如果有，她才会接着深入去看你的一些工作履历和项目细节，否则直接被打入冷宫。所以一些不那么重要的修饰词和具体工作细节就不谈在头十行出现了，能简洁尽量简洁。
2，结构不清晰。很多人简历把工作经历和项目经验写到一起，不是说这样写不行，而是说分开写能够让HR 快速地评估你之前在那些公司工作过，做了哪些项目。
就跟老师批卷子一样，如果你写的字迹工整，条理清晰，老师一看心情好，也愿意多给你一些分。如果你都掺杂写到一起，HR 需要花很大力气从头读到尾，帮你找出来你在哪些公司做过，你有哪些项目经验。
如果每个简历都那样读，HR 都要累死，所以你一定要有产品思维，站在对方的角度考虑问题，在春招季，每个岗位可能收到上百份简历，她不可能有那么多的时间去一个字一个字地精度，所以让她省事，你就比其他人多了一分赢得面试邀请的机会。
3，排版不合理。有人简历通篇一种字体，麻烦让你扪心自问一下，你这样看着这么一点排版没有的简历你会感兴趣么？哪怕有个加粗也行啊。
建议最好把个人技能，工作经历，项目经验，教育经历，个人评价等分开来写，用一号标题加粗，重点想让HR 展示的如公司名称，项目名称，技能名称都可以用加粗字体，一目了然。另外工作履历和项目简介时最好在后面用括号备注下起止时间，让别人对你的工作经验和项目经验增加时间维度的认识。你注意的细节越多，你赢得的机会越大。
03 数据挖掘面试部分
第一家 会*科技【拉钩】，网上搜还是家上市公司，交谈得知是做跟淘宝电商相关的外包项目，那边没有算法团队，不过已经搭建起来了大数据团队，现在想组建数据挖掘团队，暂时只找一个人去开荒。
把前一天准备好的都说了一遍，面试官是数据经理，一直在认真听我说，没有提跟技术相关的问题。了解了他们公司情况以后，直接跟经理说没有算法团队，不太好交流，离我住的地方远等理由，然后我就说没有意向，就走了。
总结:我后来才意识到这样真的非常傻x, 是面试经验不足的表现，毕竟是第一家面试，一心想找好一点的，后来我才意识到今年的就业形势不太好，很多从一线城市来的都来杭州找机会，我应该先占位，再谋动。如果这个机会好不好，先把机会争取来再说，手上有了牌，才有打出去的机会。
第二家 艾*科技【拉钩】，貌似很牛的一家创业公司，通过简历筛选后进入笔试环节，是线上笔试，还有摄像头监控，不能离开答题页面，也就是不能查资料和发信息，否则视为作弊。几道题答下来头皮发麻，数据结构与算法，概率与线性代数，贝叶斯公式与语言模型，链表，树结构。之前相关的准备并不充分，暴露出自己的不足。
总结:如果想面试好一点的公司，去leetcode 或者牛客网多刷刷题，上面很多bat ，京东美团等巨头公司的面试笔试题。算法基础要打牢，否则一地鸡毛。
第三家 连*科技【猎聘】，做一个心里健康的APP，初创公司，猎头推荐，面试官是技术负责人，公司没有算法团队。问一些跟项目相关的问题，我基本上都回答的上来，但是后来凉凉，猎头反馈是太注重分析而没有挖掘。
总结: 可能是我在跟他讲项目和时候大多是分析性的陈述，没有把用到的技术细节添加进去，特别是这种技术主管面前，他如果没有听到能让他觉得高大上的亮点，那他就会觉得你没经验，所以面对这种情况就应该多讲运用了哪些技术，解决了哪些问题，取得了哪些效果，而不是仅仅从逻辑上讲你做了哪些事。
第四家 涂*智能【Boss】，C轮，搞硬件的，里边的面试官还挺厉害的，问的几个问题我回答不是很全面。有问到逻辑回归的损失函数，L1 L2 正则化，GBDT 的梯度是什么？怎么拟合？模型融合方式有哪些？AUC ROC 代表的含义等等
总结: 有几个问题回答的都只是沾边，比如逻辑回归的损失函数应该是负对数函数，我就说一个log 函数，AUC 只回答出一部分沾边，因为好多之前看过的，一下子记得很模糊。
模型融合上面，也回答的不是很好，因为这方面没有认真研究过。通过面试能反应出你到底欠缺在哪里，然后马上去弥补这方面的漏洞，这些问题我都有做总结，如果在遇到肯定都会答出来。
第五家 明*科技【Boss】，有一个体育的APP产品，面我是个搞算法的负责人，很专业，问的很深，问的nlp 方面的问题比较多。上来就问我如何根据一段文本给用户的喜好打标签？给出一段文本，用什么算法实现这段话写的好还是不好？如何评价一个用户的影响力，如何训练Word2vec ？
总结:这些问题我当时都没有给出很好的答案，这个很多都跟推荐算法相关，我就一步步被面试官限定在他熟悉的领域，非常被动，因为我没有推荐算法相关的经验。
所以面试中当被问到自己不熟悉的东西时候，一定要往自己熟悉的方面靠，最好是在做项目介绍的时候多说自己遇到的问题，要让自己掌握主要的话语权，这样才不会让面试官带到他自己熟悉的范围，从而陷入被动。
后面问到卷积神经里边向量如何计算的，我给他讲到一半突然不知道该怎么讲了，就是不知道如何表述清楚，这也反应出平时做项目的问题，有些东西自己觉得懂了，但继续深挖其实是有很多细节值得去探索的，这就体现出一个人单打独斗和团队讨论的差距了。
所以说一定要进入一个有相关技术团队的组织中，这样你的思维不会仅仅局限在自己的那一亩三分地，团队的头脑风暴会让你的思维更加开阔。团队的成长会加速你的成长。
另外值得说的一点是，假如一个好的社群也很关键，我在黄海广博士的知识星球里提出这个问题，地下还几个大牛都提出了各自的方案，这是自己查资料都很难获取到的。推荐进入
第六家 浙江至*数据【猎聘】，一个初创公司，面试官是技术负责人，公司没有算法团队，就问了我项目上的一些问题，不过他好像更关注我没有推荐算法相关的经验，他们想利用数据做些项目。我说没有类似相关经验，然后谈了谈其他的一些问题后就结束了。
总结:有时候并不是你表现不好，可能你的技能并不是他们需要的，甚至还有些公司是打着招人的幌子，就是想看看面试者能不能提供一些解决方案，而实际上他并不打算招人。所以即便没有回应也没有关系，有很多因素，可能并不是你回答的不好，不要灰心，心态放好，继续投简历，继续补自己的不足，继续面试。
第七家 华*研究设计院【招聘会】，老牌通信国企，一整栋楼27层都是他们公司的。面试的人都排队了，我去的时候前面排了2个，我面完后面还有2个等着。这里收了多少简历啊。
面我的人算法懂得不多，因为没有问我一些技术问题，在问了我期望薪资之后，他好像吓了一跳，马上打电话叫了另一个人过来一起面我，我只有把自己的项目重新讲一遍，也没有问我算法相关的问题，后来问了我一个信息检索排序问题，这个还真没准备，我也表示抱歉。
他们是需要搞cv的，我说之前搞的都是文本NLP，cv 不是很懂，他们可能觉得不太匹配，后来也没给回信。
总结:后来想想是不是当时期望薪资要太高了，因为我明显感到面试官面露吃惊的表情，一般像国企里边的工作压力可能并没有私企那么大，所以薪资水平相对于市场价可能要低一些，如果要价超过他们平均，他们估计要慎重考虑了，再加上我做的方向与他们不太相符，被pass 也是情理之中。
第八家 浙江协*数据【Boss】。一家数据公司，对接交通部门的数据，总部在杭州，全国有多家分部。没有数据挖掘团队，招个人来开荒，面试官是技术总监，上来就让我讲建模的整体流程，中间还问一些项目和细节。
结合以前的面试经验，我把每个流程讲的很细，涉及到的技术，遇到那些问题，怎么解决的，还说了一些业务相关的东西。问我面对一个新的行业，陌生的业务如何开展工作。我说尽快地去学习相关业务知识，多向懂业务和同事询问和学习。以一个开放的心态，快速进入到工作状态。
貌似对我还比较满意，而且我也没要价太高，所以当天晚上就给了回复，谈了相关意向后就给了offer.
总结:结合以往的面试经验，我开始在面试中调整自己的项目细节，更多地去介绍项目中用到的技术，而且还有业务相关知识。即便面试官并不懂你们的业务，但是从逻辑上判断，你是否可以自圆其说，表达的流畅程度也反应了你对项目的熟练程度。可以说我已经可以很流利地把我的项目从头到尾完整地说15分钟以上，自然语言处理，深度学习，随机森林，xgboost 等知识都有涉及到，还有做特征工程怎么根据业务场景去做特征构建，基于模型做特征选择，最后如何做模型融合。结合之前的经验，加入这些元素后，效果好了很多。
第九家 九*电器【猎聘】 猎头推荐岗位，采取视频面试的方式，好家伙3个人面我一个，这阵试头一回，感觉参加选秀节目似得。不过这可能也体现出他们对人才的重视。我还是跟之前一样介绍项目，里边有个40多岁的技术总监，问了我关于BP 神经网络，牛顿法求解二阶导数等深层次问题，我并没有回达的很完善。我说我更多的都是基于工程上的应用，对于底层的数学推到并没有研究很深，当然最后并没有被录用。
总结: 通过猎头的反馈来看，他们的战略是向物联网方向发展，所以需要找知识图谱，语音识别，图像识别相关岗位人才。通过他们问的问题，看得出他们对高等数学基础非常看重，这也是我需要加强的地方。通过这次面试我也知道自己平时应该更注重那些层面的东西，然后针对自己的不足去逐步加强，这就是一个boosting 的过程。
第十家 来*科技【Boss】。一家做资产拍卖的平台，跟我之前做的项目重合度非常好，这也是我的优势之一，我非常清楚业务流程，里边涉及的技术细节我也是张口就来，我觉得这个岗位就像是为我量身定制的一样，技术总监和产品经理两个人一起面我，我都豪无惧色，因为都是我熟悉的东西，两位面试官似乎对我也很满意。结果也是不出所料，2天之内就给了offer.
总结:不得不承认，有时候运气的成分很重要，前提是你要做足够多的尝试，虽然手里有一个offer ，但是还是想去看看有没有更好的选择，所以不到最后你不会知道到底是怎样的结局。
面试中如果你的技术层面回答的不是特别好，你可以多说说你对业务层面的理解，也可以为了挽回一些分数，总之面试是对你多个维度的考量，并不仅仅是技术，面试时候的表达能力，自信心，逻辑思维能力，业务理解能力，随机应变的能力都会涉及到。
所以面试也是一个自己锻炼和提升的过程，刚开始面几家碰壁在所难免，重要的是你要从中弥补这些不足，不要让上次和错误在这一次重现。
04 选择
选择还有点小插曲，本来打算去第一家，都办好手续，周一入职，但是接到了第二家offer，而且综合评价第二家要比第一家要好一些，离我住的地方走路15分钟，是我之前熟悉的领域，不用出差，两家薪资差不多。没办法，只能对不起那一家了，给HR带来非常大的麻烦，真的非常抱歉。
05 结语
面试中很吃亏的是一些基于底层数学的推导，平时调包较多，底层数学公式推导相对较少，但是面试时候会问到底层，比如XBG残差怎么来的啊，深度学习中牛顿法求解二阶导数等等，所以数学基础很关键，面试官也很看重，我这好几年没碰，忘了很多，还是要一点点去捡起来。
机器学习，深度学习火起来也是近2年的事，所以现在大家的起跑线都差不多，这也是刚入职或者在校生的优势，如果是研究生那就更棒了，企业更注重良好数学基础的人。这也是我面试的公司没有独角兽企业的原因，起点都是小硕，本人双飞小本，那就不奢望了。
如果没有多少工作经验，但是懂的底层的原理性知识，会给加分，所以大家多多注重底层的原理。
再有就是一直要保持学习的状态不断地学习
希望能给找想在春招工作的人一些帮助。
/今日留言主题/
留言说说你的第一次面试经验吧？如果你还没参与过面试，就说说你看完本文的感受。
(留言格式：Dayxx：blahblah
字数限制：20 字以上.)
提醒：务必按要求留言打卡，否者算打卡失败。
转发，让知识流动
