不想說什麼喪氣的話，網際網路寒冬只會把沒有能力的水軍淘汰下去。
工作了大半年，漸漸覺得深度學習像是漂浮在空中，理論支撐的薄弱，和戲稱為調參俠的我們，讓我漸漸失去了方向，不知道當初畢業一門心思找演算法工程師的堅持是不是正確。不想說什麼了，只想說好好找好方向，夯實自己的能力。
不知道未來會走向何方，想要在這個人工智慧大潮流中轉行的我，不知道會不會被一眾網友嘲笑。
進正題面試分兩面，技術面 + hr面，因為現在缺人，正在擴招中，才給我這個工作經驗不足的人機會吧。
1、技術面
網易挖來的推薦演算法大神，很巧，我們乙個學校，乙個家鄉的，很佩服他，雖然沒有共事過，但是從問的問題上可以看出是個踏實做技術的大神，思考很有深度。
由於工作經驗太短，他直接說麵基礎，真的超難
1、cnn自己的理解
大概就是提特徵，空域上將影象資訊整合，拓寬視野，整合不同通道的圖形特徵等。
2、為什麼用logistics，不用其他的線性函式？
我說是可以歸一到0-1，保證分布一致性，加快收斂。扯到bn，接著大神問
3、bn為什麼可以加快收斂
同一分布，這個不好使，大神說這還是巨集觀層面的認識，可不可以從公式推導，不會。大神說了一句從loss函式反推，可以證明，目前還沒有其他人證明過，但他自己推過。膜拜ღ( ´･ᴗ･` )比心。
不過在美帝的同學跟我講，bn有沒有效現在各路大神還在各種撕逼當中，好想回去死皮賴臉問下大神他怎麼推的，囧。。
4、為什麼都用l1，l2正則化，不用1/2正則化？
l1/2是不滿足三角不等式的，但是還是不太理解滿不滿足三角不等式有什麼關係。難不成是隨機初始化w值，理論上的最優值不是唯一的？問了其他同學，確實l1/2是凹函式，都是只有凸優化，沒有凹優化。。
5、為什麼求解w的那個迭代公式可以work呢？loss為什麼一定會下降呢？
這個真的是太tricky， 不是沿著梯度最大的方向遞減嗎？讓loss等於0，然後求導迭代嗎？？懵逼。。
我想到的角度乙個是經典的圖，乙個是想到了svm的對偶形式，把它展開之後，說w可以是特徵的線性組合。自己腦子裡全是，最優化理論不就是loss=0，求導，迭代嗎？為啥還要證明呢？
最後問了大神，大神將w的迭代公式帶入loss，然後進行泰勒展開，最終完美的證明了loss的下降。so awesome！能想到這個角度，五體投地。
總結技術leader真的很牛，原本都沒有考慮過小公司，畢竟我本身在相對大的網際網路公司，因為佩服技術leader，都有點心動了。
技術leader願意培養新人，很幸運面試過了，跟面試官聊得也很開心。
最後問了技術大牛我覺得深度學習太虛了，想做機器學習，推薦演算法，開發類。他說了一句話給我印象深刻，做了一年的深度學習和兩三年的，似乎區別不大。終歸，是調參，如何把參調好，總結出一套自己的東西，是做這行的乙個積累。
不過，對玄學的總結，是否真的是經驗，總歸我自己的感覺不太好。
一家之言，大家笑笑就好
騰訊社招面試經歷
前提 本人2011年畢業於乙個普通本科，工作不到2年。1 將乙個4位元組的整數的二進位制表示中的001替換為011，輸出替換後的整數。2 將乙個陣列右移幾位，比如陣列為1 2 3 4，右移一位即為4 1 2 3。3 輸入乙個表示十六進製制的字串，轉換為十進位制的整數輸出。4 單鏈表反轉。5 乙個8 ...
微軟社招面試經驗
微軟的面試整體偏向基礎，英語能力考察僅限於個人簡介和專案描述，如果運氣好的話都是中國的面試官，沒有英文面試。投遞簡歷之後會有hr先和你聊一輪，要求做乙個一分鐘的英文自我介紹，然後會對英文能力做乙個整體評估，告訴你應該怎麼準備可能的英文面試。下面是技術乾貨部分 微軟的社招面試通常是先進行一輪 面試，面...
猿輔導社招面試
2020年12月5日，跑去猿輔導那裡面試了，是獵頭找的我，然後就面了一面就走人了，整體下來，面試體驗很好，不會的東西面試官還給講解一番。想來還是自己平時只知道做事，不注重個人成長。面試回憶的問題就下面那樣 登入的整個流程，畫圖說清楚 jwt token和uuid的區別，為什麼登入用的是jwt uui...