2018NLP秋招求职记录
总结
首先介绍一下背景，博主来自大连理工大学，计算机专业研究生，研究方向主要是信息抽取、情感分析之类的。研究生期间一开始主要做实验室的课题（生物文本挖掘之类），后来又自己拓展了情感分析相关的课题，然后在18年6月参加了一个NLP的比赛。所以我简历上的项目基本就是这几个，两篇论文，一个比赛。
秋招期间前后陆续面试了大概14家公司，面的都是NLP工程师的岗位，拿到了9个offer。其中拿到offer的公司有百度、网易、贝壳、知乎、360、小米、科大讯飞、东软、vivo。
大概从7月份做完魔镜杯之后就开始准备，先刷了一遍剑指offer，然后做了LeetCode前100题里边的中等和困难题，又针对自己的弱项研究了动态规划、树、搜索之类的专题，这些算是代码题方面的准备。另外因为我面的是自然语言处理，所以机器学习算法也是免不掉了，我复习了下《统计学习方法》，推公式看到了随机森林那一章。从8月份开始就开始陆续的开始了内推的面试，然后也是在面试的过程中不断的发现自己的问题，一开始8月份的时候面试还是非常紧张的，到了后面10月的时候就有些游刃有余了，面试时有时还能吹个牛。下面我介绍一下各个公司的面试经历，只为抛砖引玉，给大家一点启发。
面试经历记录
CVTE
CVTE是我最早面的一家，我也没什么经验，所以在讲述自己的工作的时候也没什么底气。有时候讲完了还会加一句 “当然这个创新也不大”，“我觉得这样是对的”之类的，感觉影响了跟面试官的沟通。
一面 50分钟
首先上来自我介绍，然后聊了一下论文。基本上就是要把网络结构给面试官讲懂才行。然后他让我讲了一下模型里的self attention，gru的结构修改，还有各种attention的用法怎么做的。这里感觉其实面试官是非常懂这方面的，对于我的论文也有模型和解释有牵强的感觉。（这一段是我当时写的，我现在个人认为，面试官可能并不是太懂……）
接着又问我了一些比赛的情况，我讲了一下比赛中的一些操作。包括stacking，用没用特征工程，除了论文里的模型还做了什么，stacking两层分开训练还是联合训练等等
最后是一些零散的问题
词向量是作为网络的哪一部分训练的
讲一下贝叶斯公式，先验概率和后验概率。
二面
首先上来，又是讲论文。这次的面试官是个广东腔很重的，我们经常互相听不懂，交流起来比较困难。
然后我就论文中的一点跟他撕了快半小时，他可能不是太懂深度学习，对网络结构的灵活运用可能不是太理解，追着问为什么softmax能替代tanh，问题是我这边是做分类，并不存在替代了tanh的事。他最经典一句话：“你好像对GRU经典结构不是太了解”，然后说了一堆完全错误的论断……我结合GRU结构解释，他又听不懂……GG
阿里 菜鸟
阿里我投的是菜鸟的内推，岗位是自然语言处理。流程还是很快的，感觉很快就接到了面试。
一面 55分钟
一面比较基础，主要是了解一下简历上写的内容。
我简历上主要写了一个比赛三篇论文，他就让我介绍了两篇论文和比赛。
中途他会打断问一些细节，并不见得多难，但一定是和任务相关的，我猜是想判断一下你相关项目的真实性。主要是我介绍网络结构，他提一些他的建议，然后问有没有考虑过这么做。阿里的面试官水平还是非常高的，提的建议也是一针见血，很多思路我感觉对结果的提升很有帮助。
最后面试官让我问问题，我问了一个特别傻x的问题：菜鸟需要NLP做什么……面试官:……然后一顿讲解。然后让我传统机器学习的原理也要掌握。
阿里我只面了一面，后面二面的时候我在外面，想跟面试官推个时间，然后他就再也没有打过来了……大概也是因为阿里投的多招的少？不过阿里从来不约时间突击打电话，简直是考验心理素质。
百度 paddlepaddle
百度是在牛客网上找的内推，然后有HR联系加微信约定面试时间。这里必须夸一下百度，有HR全程负责面试的进度，这个非常舒服了。百度也是我八月份第一个拿到口头offer的公司，部门是深度学习平台部。
一面 50分钟
主要还是介绍简历上写的项目，我主要的项目就是发表的论文，就给他介绍任务背景，然后讲解网络结构以及其中的一些创新。他主要问了我self-attention的介绍以及self-attention直接用于序列建模的优缺点。
然后是一些深度学习基础问题，梯度消失的原因、网络权重初始化的目的。
最后是一道代码题，LeetCode上的，找到矩阵左上角到右下角权重最大的路径。
二面 50分钟左右
上来先是在线编程，一个是写二叉树深度，另一个是二叉树层次遍历。结果我二叉树深度那里写的有问题，面试官提醒我也没看出来，吓得我一身冷汗。
然后就是继续介绍项目，面试官可能更多是做开发的，对深度学习不是特别了解，所以没怎么提问。主要是问在项目中扮演的角色，提升了多少之类的。再就是会不会C++啊这种的。
在结束之间，我感觉自己第一题没答好，可能会跪，强行自己主动要求再争取一下，讲了一下我的比赛经历，在比赛中复现论文的经历。然后就加问了我的一些调参经验、batch normalization之类的问题。
三面 40分钟左右
三面是部门的一个项目经理。
上来先让我介绍一下在实验室一般都用哪些模型，我就具体结合一个项目给他说了一个，他也没怎么问问题。然后就是聊聊本科时候的经历，有没有开发经验、哪门课学得好这种的。然后聊了聊人生规划、谈论了一下部门的一些工作和前景。你是怎么学习深度学习的，学习生活中遇到压力怎么解决……等一些问题。然后我俩都没啥问题就结束了。
然后三面结束当晚HR发微信说技术面都ok了，这应该算是过了的意思？
百度整个面试流程体验都非常好，就是后面校招组的处理有些让人难过，八月份拿的提前批offer，直到十月末才打电话，表示十一月末给发正式offer，评级和薪资也是最低一档。虽然最后部门经理给我打电话，评级提升了一级，工资也涨到了跟我其他的sp一个水平，但是已经来不及了，我已经签了别的公司了。总之也是非常遗憾。
vivo
vivo是在八月份有个内推节，只要在官网投了简历就算内推，当时我在牛客上看很多人投了，就跟着投了一个，当时投了很多简历都没有回应，也想先拿个offer。
一面
了解哪些模型
讲一个项目
SRU听说过吗
最大连续子序列和
二面 HR面
评价一下自己
对vivo有什么了解
有女朋友吗
想在哪里工作
vivo 总体来说难度还不是太大，最后拿到了北京的小sp，但是要求很快就要给结果确定去不去，所以我放弃了。
搜狗桌面事业部
一面 50分钟左右
首先是介绍自己的项目，她会针对项目中的一些技术展开提问，主要还是集中在attention这块。总结一下每个论文的创新点之类的。
因为我做了一个问题相似度的比赛，就针对这个问了一个场景题，如果知识库中的问题没有是否相似的标签怎么办？我想了好几种标注标签的方式（包括用户对获得答案满意度作为标签）都不对，最后她说是把答案相同的问题作为相似的问题。
然后就让我回去等通知了，一面没有问算法题。不过很快约了二面视频面，估计代码是逃不掉了。
二面
本来二面约的面试官临时开会，所以换了一个女面试官电话面试。
首先还是介绍项目，感觉她理解了项目的内容，不过似乎没什么兴趣，虽然听的饶有兴致。
后面就是问问题了，LR过拟合该怎么解决，为什么用L1不用L2，模型的集成该什么情况下使用。
给我介绍一下词向量。
算法题：找股票合适的买入卖出时机，应该是个比较普遍的题，虽然我没见过（补充：leetcode上的）。是个简单的动态规划，我说了下思路她觉得还行。二面就结束了。
搜狗二面之后就没有消息了，应该是挂掉了，总结了一下原因，我觉得可能还是对于LR过拟合的问题没有回答好，我当时认为只能使用L1正则化，但实际上L2正则化从理论上也是有道理的。确实可能没达到要求。
贝壳找房
一面
一道贝叶斯概率题
然后聊项目
python 生成器、装饰器的使用
attention模型了解哪些
给定一个分类器的混淆矩阵，判断分类器的问题
二面
讲几个项目
有没有在大数据上做过模型
聊人生
三面 HR面
评价自己
如何选择公司
期望薪资是多少
有offer吗
贝壳的整个面试流程也是非常的舒服，虽然必须现场面试，但是报销路费。HR校招组也是耐心沟通，整体的待遇什么的也都非常不错。今年贝壳也正在扩张，所以招的人也非常多。
网易有道
有道同样是在牛客上找的提前批内推，因为我不想去杭州，所以投的北京的。网易的内推也是需要笔试的，
一面
似乎是因为笔试做得比较坑，一面提前批面试的时候，没被叫去现场，只是线上视频面试了一下。
LSTM每个时刻，有多少次乘法操作。
一个均匀的木棒，随机切成三段，三段可以构成三角形的概率。
一个车站，平均每分钟来一趟车，那么十分钟都不来车的概率。
通过了一面之后，等待了半个月，安排了现场面试，来到了北京网易研发中心。
二面
介绍一下自己的项目，对attention的理解。
详细讲了一个项目，然后做了一个代码题。
然后讨论了一下平时网络训练的一些trick。（到现在才发现，那会我的调参经验是多么的匮乏。）
三面
三面是总监面，主要跟我讨论一个现实的业务，主要是作文自动批改的一个场景。
我主要从任务定义入手，然后针对其中一个子任务，跟面试官讨论了各种建模方式。（回想一下，其实也是面试官引导着我去思考存在的问题和解决方式。）
四面 VP面
都读了哪些最新论文
工作中怎么和同事沟通，怎么处理各方面的需求，如何处理多个任务并行的情况。
怎么看待深度学习，怎么看待算法与工程。
网易的整个面试流程也非常的愉快，当时后天就要去北京了 ，我还没买到车票，用抢票软件好不容易抢到了。到了北京手机还没电了，借的街电充电宝还是坏的。在西二旗附近差点没找到网易公司。
小米人工智能与云平台
小米的面试经历总体来说非常愉快，面试官都比较年轻，而且态度也比较舒服，会引导你把话说完。
一面
讲一个项目。
对基础知识的考察，比如常见的排序算法，单链表的一些操作等。
二面
介绍一下比赛当中的一些工作，然后挨个聊了几个项目。
LSTM的公式。
知乎宣讲会
知乎来我们学校宣讲，顺便线下进行了面试。
一面
先简单讲一个项目，因为面试官是做推荐算法的，所以似乎对我做的NLP相关的不是太感冒，有个地方position embedding他的理解甚至略微有点回路清奇……好像在他眼里只有特征
然后问交叉熵为什么能做损失函数
以及在一个大样本中如何无偏的采样（我：GG）（理论基础还是需要在日常研究学习中补充的）
代码题是复制链表
二面
介绍了一下比赛，讲了在比赛中用的各种模型。
问了我预测情感程度的话，会采用分类还是回归。
代码题是在K个排序链表中找第K小的元素。
然后因为我说对attention非常了解，就让我介绍了了解的各种attention。
顺手还提问了LSTM、GRU为什么能解决梯度消失。
尽管知乎后面出了一些问题，但是就面试来说还是不错的。最后面试官校友也是加了微信关心了我们的情况，感谢。
科大讯飞
一面
挑一个项目讲一下
你比赛训练集多大
数据集有没有做什么调整
深度学习的优化方法讲一下
你写代码咋样
合肥北京怎么选择
二面
讲一个项目
说一下对NLP在现实场景中应用的看法
想做哪些工作
想在哪里工作
期望薪资
360信息安全部
360面试都是视频面，一个上午连续三轮，也算是强度比较大了。而且他们那边是所有人在一个屋里的，所以超级吵。
一面
上来先是聊项目，给他讲了一篇我的论文。然后他说你思路挺清晰的，好我们做一道题吧（我：……）
给定一个正整数数组，有甲乙两个人，两人轮流从数组中取数，取数时只能从头或尾选取，问判断甲会不会获胜。
我开始想的用贪心，面试官说不对；我开始往动态规划上思考，然后在面试官的提示下，想了解决办法然后写了代码。
然后他又给我看了一堆公式，我看了下是batch normolization的公式，然后让我求导，结果我掉进坑里了，gg
二面
二面面试官感觉不像是做AI相关的，他似乎不是太懂，问的全是一些泛泛的问题，之前这领域有哪些先进模型，你有哪些自己的思考之类的。
三面
三面是个HR阿姨，问我目前有哪些offer，怎么选择，有哪些考虑。然后觉得这个部门做安全的，可能让AI没法大展身手，让我做判断的时候也要了解一些安全方面的东西，看看自己喜不喜欢。