首先，这可能社区中字数比较多的面经之一了，如果你的需求只是看面试题，直接跳到相关部分就好，如果你现在跟我之前一样，纠结要不要转方向，或者很迷茫不知道什么时候才能看到曙光，不妨喝口水从头到尾看一下，内容是比较干的，相信一定对你有帮助。

　　学校双非，本科信息与计算科学专业(数学学院)，开始准备考研之前，成绩基本上都是倒数，硕士软件工程(调剂到非全)，研二研三两年有将近两年的工作经验，但是是web开发、测试方向，跟算法不搭边的那种。

　　研究方向是社交网络数据挖掘，也是这个过程中接触到了唯一跟推荐算法相关的内容——图网络表示学习。

　　拿到的offer不是一线城市的，薪资自然有差距，但是培训前的3倍多近4倍（先报的机器学习集训营第十一期，学完之后再报的推荐高级班第7期）。

　　目前最新的推荐高级班已迭代至第12期，且本期高级班继续沿用了“BAT大咖小班教学”模式，以及已有的特色。

　　技术阶段新增：最新paper的学习研究和大厂落地新的技术点（推荐算法特征交叉新方法CAN，和参数个性化CTR模型PPNet等）

　　项目阶段新增：2020腾讯广告算法大赛和微信视频号推荐两大全新项目一切为更好的在职提升，或跳槽涨薪/升职加薪。

　　且本期课程讲师均为国内外知名技术骨干或技术大牛，学员将在这些讲师的手把手指导下完成学习。

　　完成项目进入就业阶段后，BAT等大厂技术专家会一对一进行简历优化（比如将高级班项目整理到简历中）、面试辅导（比如面试常见考点/模型/算法），且和就业老师一起进行就业推荐等等就业服务。

　　因为是20年毕业，20年辞掉的上份工作，空窗期比较长了，而且只能社招，考虑自身情况，暂时肯定是跟大厂无缘了，只能曲线救国，社招的话，三年工作经验是硬性要求的，而且中间要求算法岗的工作经验，在校长、董老师和杨老师的推荐下，先投了两家攒一下面试经验，看看自己的市场情况。

　　先面了一家做电商的创业公司，体验感贼差，面试官并不专业，但也了解到了创业公司在推荐算法岗上的需求，以及极其节省成本的薪资待遇，对，有的公司甚至大数据/数据分析都没人做，又不知道在哪听说的千人千面，还想试试。招聘信息中的工作经验啥的要求都不高，但是就是想捡漏到啥都会做的，算法不是很精也可以。当然也不排除一种可能，就是他们是在通过面试来进一步了解推荐方向。

　　后面又面了家赛道比较窄但是公司规模还可以的电商公司，这家公司是部门leader看了我在线简历后主动要的简历附件，情况也好不到哪去，面试官专业了很多，但是是招救火队员。

　　也有面传统行业的公司，但是这种公司感觉业务还是面向B端或者G端，甚至说招的是推荐算法岗，但是找一个NLP方向的来面你，当然不可否认，推荐方向有的东西是从NLP方向延伸过来的，但是还是发挥不出自己的优势，岗位匹配度也蛮低。

　　还有一家做广告自动投放方向的公司，面试官真的是超级专业，不管是算法理解、改进还是技术栈层面，因为直接是leader面的，直接跟我薪资期望了，通过各种方式给压力压得已经很低了，说让我第二天再到公司面一次，第二天直接拒了，一方面考虑这个方向赛道并不宽，跟职业规划有出入，加上面试官的不守时和各种压工资的说辞，真的没什么兴趣了。

　　半个月内面了几家以后就是在董老师的指导下优化简历，提升匹配度，因为主要是在BOSS上投，没用内推，考虑到要过HR那关，简历的格式也进行了修改，然后通过试投阶段的经验，大概了解了每种公司想要招什么样的人了，并且把面试过程中回答得不是很好的问题又总结了一下。

　　明确了自己的优势以后，开始针对性地以拿offer为目的的投递，还是没有海投，而且在投递每家公司前，对简历内容，比如专业技能这些地方针对性修改一下，对于那种明确写着有深入研究/论文发表优先的公司，把集训营的智能客服项目和硕士阶段的研究内容也加进去了。

　　先是面了一家大的集团公司的算法部门，跟面试官聊的不错，手写了算法题，而且不是力扣上的，是面试官自己想的，以为可以拿offer了，但是无奈公司选择了别人，hc少是一方面，自己后来也总结了，虽然面试官问到的基本上都答的还可以，但是毕竟项目/简历中可供面试官问的并不多，而且面试官也曾尝试问过更深的东西，答得并不是很好。

　　简历审核大概一周时间吧，然后约的周三上午面试，有了之前的经验，加了HR微信，面试之前了解了公司招推荐算法岗的目的，又回头看了下招聘信息，大概想清楚了公司招该岗位是想做什么内容的，又针对性准备了一下。

　　然后周三上午连续面了三面，技术面、跨部门面、HR面，从十点多到十二点多吧，HR面的时候已经聊到薪资问题了，下楼后一小会，又接到了HR电话说部门负责人现在在出差，想趁着候机时间再跟我聊聊。部门负责人这边大概就是逮着一个点，追根究底地面了一番，所幸有所准备，答的还不错，面试官每问一个问题，基本上都知道他想问的是什么。最后给的答复是24小时之内会有HR再跟我联系，然后就是煎熬的等待。

　　第二天上午，HR说，leader还要再跟我电话聊聊，当时很懵，赶紧请教了董老师这一面的注意事项，事实跟董老师推测的一样，因为我空窗期比较长，而且两个项目都是比赛项目，leader还是比较关心入职后能不能快速上手，把在比赛中积累到的经验跟业务需求结合起来的。当然也不排除是压力面试的可能，包括跟你讲挑战不小，试用期考核严格之类的事情，但是并不怂，你不还是没找到比我更合适的么，我为啥没信心，反正我是这么想的。

　　然后当天下午人力资源总监来电话，把薪资、入职时间敲定了，正式offer开始走审批流程，并于第二天收到了。这也是我愿意果断选择这家公司的原因之一吧，办事效率蛮高，因为等消息实在是太太太太太难熬了，尤其是自我感觉面的还不错的时候。

　　后记：因为自己空窗期比较久了，加上不是一线城市，岗位确实少一些，也不想等了，就直接定了。本来的打算是，如果不行，继续完善简历，然后找内推的。

　　因为之前的面经基本上都有看过，涉及到之前面经中的问题，就不再赘述了。而且面试题是无穷无尽的，

　　比如如果你的简历中有竞赛经历，那GBDT是必问的，你只说原理是肯定不够的，不妨从DT-BDT-GBDT的演化过程去阐述，思路也会更清晰一下，比如集成模型为什么好，为什么用梯度拟合残差。然后重点来了，XGB和LightGBM这两个工业界实现方式，因为工业界确实是要考虑时间、资源使用的，XGB是如何加速的——排序分块加速节点的选择+同一层可以并行计算；LightGBM是如何节省内存的。

　　再比如GBDT+LR实现端到端这样一种组合，GBDT的输出如何作为LR的输入的，FM模型的输入是什么，item2vec跟word2vec的关系，word2vec是有监督还是无监督，正负样本怎么来的，如何更新权重的。

　　如果你有高层次论文发表，这一点是丝毫不用担心的，如果没有，你真的可以尝试思考一下这个问题，可能成为加分项，比如协同过滤，你有试过改进也是可以的，比如考虑正逆序，考虑时间衰减这些因素。当然，涉及到改进，肯定会问到你基于什么指标证明你的改进是有效的。

　　我们都知道工业界是多路召回+排序，为什么要多路召回，肯定是每路召回的偏重是不同的，比如有的召回方法对热门商品有所偏好，item2vec的优势是什么。

　　这些问题，如果真正地做过项目并写在简历上，一定要有深入理解。如果在面试前，对公司该岗位的工作内容有个比较准确的推断，个人感觉甚至可以主动地跟面试官，结合公司业务聊。

　　关于面试部分，大概就是这些，给读者的建议就是不要死背面试题，你甚至可以把面试题作为一个指引，而不只是在面试前才意识到有面试题这个东西，你可以刚开始的时候看到大部分面试题都没有合适的答案，但是可以先把面试题分类整理，比如这些是偏ML方向的，这些是召回阶段的，那你在把召回阶段学得差不多的时候把这部分面试题拿出来，帮助自己查漏补缺。

　　对于传统算法岗转RS方向以及课程学得差不多准备找工作的同学来说，以上基本上够用了，但是考虑到有很多跟跟我一样是传统方向，是学渣，但是不服，想转RS或者其他方向，自己在学习过程中也踩了太多感觉没必要踩的坑吧，还是想分享一下自己所认为的笨重的学习经验。

　　我是不推荐直接怼某一个方向的，这或许就是当初我想直接报高级就业班校长不同意的原因吧（小编注：高级班需要先审核通过才能报名，1 看学历 2 看ML/DL基础），不说各个方向的很多模型都是基于传统的ML或者DL模型改进来的，基础的算法素养还是要有的，不然真的举步维艰，很容易挫伤信心。就像面试题第一部分提到的关于决策树的一系列模型，当看到GBDT的时候，我脑子里马上就会浮现出集训营老师AI LAB陈博士的那张模型演化历程的PPT，有了脑子中的这页PPT的内容，即便后续再出来一个更的树模型，想必学起来也很快。尤其是算法方向，每天学术界都会出来好多新的模型，说不定哪一个又会像word2vec一样颠覆各大领域，所以，基础的素养决定着持续学习的能力，大概就是“磨刀不误砍柴工”吧。

　　并不是所有人都有机会接触到工业界的项目，我也一样，直到拿offer，我简历上也没有出现任何工业界的项目，除了上面说的集训营智能客服项目外就是两个比赛，一个排名不错的数据量并不是很大的竞赛（小编注：是课程里讲的一个推荐比赛项目，一万多人里该同学干到了第8名）让我了解了电商场景下的业务需求，特征可以怎样构建，关于特征构建这个问题，在面试电商公司的时候，往往也都被问到了。

　　然后就是推荐高级班里王老师讲的那个大规模数据场景下的用户行为预测项目，让我有机会深入了解工业界是如何运用召回+排序的，各个阶段的数据是怎么处理，往哪里存的，加深了自己对大数据技术栈的认识，说句实在话，我是纯靠两个竞赛项目拿到最终offer的，部门负责人在跟我聊的时候也说了，竞赛跟工业界是有差距的，但是匹配度应该在60%以上，至少可以让你进公司以后可以快速上手，轻松地理解业务、进行后续学习了。

　　你全身心用了好几天才彻底搞懂一个模型，那你真的可以干掉很多人了。内卷不内卷，自己说了算，如果不内卷，是个人就能进，那想必这个方向早就爆满了，我们这些人根本就没机会进去了。有时候甚至觉得内卷是件好事，淘汰了很多并不是真的想从事这个方向的人。

　　杜助教跟我说，找工作就是实力+运气，当你觉得自己可以胜任该岗位的时候，实力有了，这时候就大胆地尝试、去总结、去完善就好了，没有招不到人的公司，也没有找不到工作的求职者，只是匹配度问题，不是说你很，所有公司都有抢你，毕竟每个公司所能提供的薪资和需求是不一样的，也不是说你在完全达到招聘要求之前就找不到工作，这大概就是运气的含义吧，找工作的最终奥义，我觉得应该是找到一个匹配度最高的公司，当然这里的匹配度包含大家最关注的薪资。

　　关于觉得自己可以了的这个问题，我看到过一种解释，就是说你要试着去给看似水平不如你的人讲你所理解的内容，在讲的过程中，教学相长，你会想办法用最通俗易懂的方式给他讲，他明白了，你的理解又深入了一个层次。

　　你一定要搞清楚你是不是真的想转这个方向，因为对于我们这种基础差的人来说，在学习新知识的初期肯定是很迷茫的，但是所谓的“难了不会，会了不难”吧，想想小学背乘法表的时候，觉得好难，背下来了觉得好容易。信心应该就是这样积累起来的吧。如果你信心坚定，那就踏踏实实去学，成功只是时间问题，学习一定是有用的，如果你觉得没用，那一定是学的不够好，只学了个皮毛。

　　对于应届生/在校生来说，算法方向对你们真的是大门敞开的，研一把ML和DL基础打。