【经验篇】聊聊双非计算机硕士如何进大厂

时间过的好快啊，已经研三了，希望疫情快快好起来，别吞噬我寒假后最后的校园时光(先战术感慨一下哈哈哈)
这次呢，不想聊技术，唠唠嗑吧，就聊聊双非计算机硕该怎么学习才能进大厂呢，我以自己的学习历程作为base，聊聊这三年的研究生生活

1. 写在前面

其实离我半年实习时光结束已经有一段时间了，今天想起这件事了，就来写写吧。

1.1 我的情况

我从研二的下学期，也就是今年3月份开始实习，第一段实习经历在好未来，担任算法工程师，第二段实习经历在京东，担任架构师，两份工作都是在做计算广告商业化相关工作，10月份结束实习时光，目前是研三，已签下京东(把百度拒了)。

1.2 文章初衷

写给那些以后想在大厂从事算法工作的双非的学弟学妹(双一流不喜勿喷)

1.3 北京实习的感悟

准备实习阶段。研二上学期在学校的时候已经开始准备了，那时候已经确立了目标，每天除了枯燥的学习，其实也有一群非常可爱，努力的实验室小伙伴和我的朋友们，大家一起努力，感觉生活也不是那么无聊。寒假玩了几天后，就开始进入学习状态了，每天除了准备实习的事情，同时也要兼顾科研方面的事情(毕竟不能辜负Nice的老师)，所以差不多每天都要学到晚上10~11点。然后准备差不多了，就开始面试了，一直持续到3月初，拿到好未来实习offer。这一段日子真是难熬啊，充斥着各种迷茫。

实习阶段。带着挺复杂的心情一个人来到了北京。

• 在好未来期间，我遇到了非常好的leader，带着我一步一步学，我也非常努力，leader隔三差五找我聊天，说说我最近存在什么问题，给出我很中肯的建议，看得出来leader对我很上心。这段实习使我清楚的认识到了工业界都在做什么，怎么做，同时自己的能力提升的也是非常快。我也非常感谢我在好未来的同事，跟他们聊天，我渐渐的对未来有了一些想法(因为跟他们聊天基本都是生活上的一些琐事，和对未来的一些规划：“以后我要…”)，工作上，我也经常请教他们算法相关的问题，都非常耐心的指导我，再次感谢。
• 大概8初，我拿到了京东的校招offer，准备提前过去实习，好未来leader找我聊了一下午，语气间明白她在试图挽留我，但是当时我想的是想去另一个厂子看看，多经历一些，于是聊完我就提出了离职。在京东期间，我同时也非常幸运遇到了非常Nice的leader和同事。在此期间，我也渐渐熟悉了京东的业务，明白这就是我喜欢的方向，幸运的我也经历了一次团建，感觉氛围太棒了。所以无论从业务还是同事，我都非常喜欢，所以我选择了京东。

校招阶段。我走的是提前批，没有参加正常的秋招，但这里提一个建议就是：能走提前批就走提前批(6月份开始)，正式批太卷了！

进入正题吧！Lets go！

2. 双非如何准备算法岗位

2.1 认清自己的情况

第一点，认清自己是双非的现实，你想进大厂卷算法，你的竞争对手是各种清北、C9的高校硕士，你得想想你凭什么能把这些高校选手比下去？

第二点，明确自己要搞什么方向，是NLP、搜索、CV还是计算广告等等，这一点很重要，可以去了解了解市场。

2.2 准备阶段

2.2.1 时间建议

时间上建议研二下学期出去实习(三年制硕士，二年半往前推)。这样你就可以在秋招前积累一段实习经历。不错的实习经历可以补缺你学校上的缺陷，是冲击大厂的必备条件，如果没有这段经历，双非想进大厂，概率很小，可以忽略

2.2.2 机器学习基础

推荐书籍：《统计学方法，李航》
推荐视频：吴恩达机器学习

• 1、模型基础，像基本的模型LR、SVM、决策树、朴素贝叶斯等基本的模型，吃透它。所谓吃透模型，除了数学公式外，拿到一个模型，你要知道这个模型是干什么的，它和其他重要模型有什么区别，为什么选择它，它的缺点是什么（例如对数据比较敏感等），有没有什么更好的方法，都是你要思考的问题，这也是面试官经常问的东西。
• 2、优化基础，像过拟合问题，样本不平衡问题，正则化方法，偏方差困境等等
• 3、常用机器学习评价指标，像混淆矩阵，AUC，准确率，精确度等等吃透它，其中AUC可是有学问的，需要深入学习，书本上的远远不够，建议参考我的博客：AUC学习
• 编程，python+sklearn+数据科学库(numpy，matplotlib，pandas等等)

做好笔记，做好笔记，做好笔记

2.2.3 深度学习基础

推荐视频：吴恩达深度学习

• 模型基础，像CNN、RNN、LSTM、GRU等这些最基本的东西，吃透
• 优化基础，像如何解决深度学习中的过拟合问题，正则化问题，梯度爆炸/消失，各种优化器的原理(RMSpro，Adam等)，各种激活函数对比，各种损失函数对比，优缺点等等等
• 编程，tensorflow/pytorch + python/C++

2.2.4 数学基础

概率论、线性代数、高等数学，够了(多多益善)

2.2.5 领域知识

• 模型基础，举个例子，在推荐系统领域，基本模型包括：XGBoost、FM(因子分解机)、FFM(field-FM)，DeepFFM，Deep&Cross，Wide&Deep，DIN(深度兴趣网络)。所以无论你是做NLP还是CV，都要知道这一条模型发展路线，然后进行Paper Reading，踏踏实实做下来。
• 评价指标，各领域都有自己独特的评价指标，例如推荐系统中的CTR、CVR等，计算广告中的ROI等，这些都可以通过读论文来了解

2.2.6 项目准备

从Github上找一些项目，或者自己买点靠谱的课程跟进一个项目，或者打一个含金量比较高的比赛，例如：Kaggle、天池等

项目一定要和你领域相关，即和你面试的岗位相关，例如你打了个比赛，预测CTR，这个就比较适合推荐系统算法工程师，再比如你打了个图像识别比赛，这个就比较适合CV算法工程师

2.2.7 简历

上面这些都做完了，就要好好准备准备自己的简历了，适当的优化优化，这也是门学问，可以先做一般demo出来，去面面小厂，看看自己简历哪里出了问题，不断去优化，然后再去面一些中厂

2.2.8 什么样的结果表示你可以了

拿到中厂的offer，或者更好

3. 写在后面

感谢一起奋斗的小伙伴，以后也要加油，好好生活。

ps：今天晚上点了个新疆炒米粉微辣，给我辣死了，不过味道很不错哈哈哈哈