EE转CS，拿了多个行业offer，最终选择NLP算法岗的同学的秋招总结
作者：麦克思不为
知乎：https://www.zhihu.com/people/zhou-zhou-46-79/
不久前，走完选调的面试流程，才想起来写一些东西下来，这一场从七月初开始，到十二月初的秋招，终于要结束了。经历了很多有意义的事情，想趁着现在记忆还有温度，记录下来。于我而言，供反思梳理，往后怀念，也供大家参考，也装装逼，体谅一下，不要喷我。
背景
简单的聊一下背景，某末流985本硕，本科EE，硕士是水货CS。说实话，专业水平真的差。好多以前学的东西，都忘得一干二净，只会些应付面试、考试的渣滓。主要的划水方向还是nlp相关的东西。
拿了一些offer，分行业来讲，互联网：BAT三家算法岗；大类金融：某银行总行管培，某私募量化分析/交易岗，制造业：某安防龙头算法岗，体制：家乡的省会的选调待公示。
简单的总结，能拿到这些offer，最重要的可能还是认真对待加运气使然。
我的经验
1、我经常会问自己“想要什么”。有比较想要的东西，就了解了解，安排好时间，着手去准备。有时候我会想做个咸鱼，每天混吃混喝，搞点小爱好什么的打发时间。有时候呢，又会有一种自己有远大抱负的幻觉。
2、我也常期望自己，用开放包容的心态去对待世界。之所以这么说，是因为有时候个体的局限，在看待问题的时候，会有视野盲区，而开放的心态可以接触更多的事物，收获许多美好的体验。比如我的好多的offer完全是想多体验一下不同行业的感觉而参加的，确实是浪费了很多时间，不过从我的角度来讲，接触到了不同专业的小伙伴，简单的了解到行业的概况，让我是收益良多。恰恰是这些体验，让我理解了研究生这三年不是浪费时间，而是给你更多的机会和时空让你思考、体验、选择。
3、大多数时候，我会有无意义的焦虑，可能因为太菜，又很贪心，才会搞得自己很焦虑。如果还有机会，我会多花点时间，选择一件喜欢的事情，去尽可能的做好它。
具体的操作
本来下笔有好多想写的东西，但是我看网上都大同小异。在实际操作的过程中，遇到了问题就多谷歌，多百度，应该都能解决。有几点我觉得是我在秋招当中最为吃亏的，同样也是我在秋招之前网上没有看到过类似的经验的。
1、不盲目跟风、应开拓眼界、特别是行业的选择，尽量选择适合自己的才是好的。
对于秋招而言，专业不代表你选择的行业，具体一些，对于计算机专业而言，其实有好多的行业都可以选择，不同的行业同样存在着很多很好的机会。如果有机会四处逛逛，就会发现，各种职位对计算机都非常友好，琳琅满目，大开眼界。盲目的跟风只会钻进牛角尖，跟大家一起在一个跑道上残忍厮杀。以我自己经历来说，迷迷糊糊的走过了自己的求学生涯，大部分时间都是跟风去追求大家觉得好的东西。比如高中毕业，当时建筑、土木、金融火得一塌糊涂，就想着去这些专业学习，要不是分不够我估计我现在应该在工地。到了大学，和大家一起追求高的绩点、各种title，反而忽略了一些很重要且很基本的比如，知识体系的搭建，基本的解决问题的能力，对未来的思考等等。回到找工作，最开始也是盲目跟风选择互联网，一切的准备都是为了进所谓的大厂，不思考喜欢什么，擅长什么，未来又想要什么样的生活状态和职业生涯。反而秋招结束，自己找到了还算喜欢做的事情，苦于没有相关的背景、经历，无法进入这一领域顶级的平台，只能谋划着曲线救国。
2、求职的时候，要注意工作内容。
我非常认同平台的价值，但是也希望各位在求职的时候，多放一点注意力在工作的内容上，两者取trade off才是最好的。还是讲自己的例子吧，最开始没有一个offer的时候，为了求稳，选择了一个平台大，hc稍多，但是工作内容不熟悉的部门投递简历，最后拿到了offer，再去了解工作内容，又感到很失望。这样不仅是浪费了两方的时间，最让我懊悔的是错失了获得同一个平台其他岗位的机会。
3、最后一点的就是，耐心，耐心，耐心。
科学的准备，广泛的收集信息，没有不成功的道理。基础的简历准备，基础的项目陈述，基础的算法题，基础的数学物理，基础的沟通交流，基础的面试技巧都网上太多太多了，这些同样的非常重要，在某些具体的例子中，这些才是决定你能否拿到offer的关键。
关于nlp算法工程师
我暂时还没法定义一个好的算法工程师应该具备哪些素质， 但是一个好的算法工程师求职者应该有的素质我可以简单的说一些。
1、基础的计算机知识。我本身是EE转的CS，上研究生之前极少接触到CS相关的课程，因为推免的原因，更是没有压力去学习基础的计算机知识，很是吃亏。在后来的应聘、实习的过程中，才愈发的觉得基础的重要性。虽然人人都说基础重要，但是我看没几个人说清楚了的。我认为基础应该是你对整个计算机科学的认知，它包含了几个问题，计算机是怎么组成的？（机组原理）；计算机科学研究的对象是什么？（算法）；计算机之间的连接是什么样的？（网络）等等。举个例子，我有些实习并不是做纯算法的研究的，更多的是一些杂活、开发的工作。每当这个时候，遇到问题了，相比较与基础好的同学，我可能会花费更多的时间去解决问题。在私募实习的时候，为了把自己的策略上线，必须要从头到尾的自己去完成闭环，考虑很多开发的问题。虽然策略才是让你挣钱的核心，但是没有其他的东西，你的策略就是纸面上的想法而已。
2、leetcode。秋招开始的时候，我对leetcode认知实在是太浅薄了，认为是无意义的体力活，所以就没有放精力在刷题上面，导致我错失了很多好的机会，也限制了我后面offer的上限。后来了解了一下leetcode之后，才觉得这个东西真是好。除了包含算法/数据结构两个大类，还有数论/组合数学/图论/概率/最优化理论多个学科的知识，这些知识在其他的学科可能只能在工程实践的时候才会逐一的印证、再会有深刻的理解。但是leetcode给了学计算的同学一个更好的机会去运用、理解自己学的知识，多多益善，不要拘泥于单纯的code，更多的思考很多题目背后的知识点。如果有人早些告诉我这样转行的leetcode的内涵的话，我早就开始刷了。
3、项目。得益于在某大厂的实习，我在nlp的短文本匹配问题上做了很长一段时间的工作，这段经历让我搞明白了几个事情。第一个，解决某个问题这件事情上，自己路要自己走，不要指望别人帮你。第二个，不要抱怨实验环境差，蹉跎了大好时光。第三个，定义好问题，系统的调研问题，找到业务中实际的痛点，根据自己的理解和leader的帮助确定解决痛点的方案，然后制定好评价指标，一步一步的迭代完善。这三点绝对是血泪教训，每一点都是我花了好长的时间才明白的。每次我跟面试官讲我的项目的时候或者他问我项目的时候，我把自己的心路历程讲给面试官听后，我觉得都得到了很好的反馈。同样，一些开放性的问题上，我给出的解决方案同样是遵循这样的思路，面试官也很受用。这也是我为什么code这么菜，还能拿offer的主要原因之一。
4、基础的数学，不得不啰嗦的强调一下数学的事情。不管求职还是工作，要么拼爹，要么就是拼实力。数理基础好真的是可以为所欲为。我认识的小伙伴，凭着数理和名校背景真的是想怎么选行业就怎么选行业。做量化可以去幻方，做算法可以去大厂的核心，还能去制造业，基金，证券，银行，教师，公务员……
以上都是应对面试，面对考官需要呈现的东西。要想做一个好的算法工程师远远不止这些，我自己也没搞明白。可以参考一下知乎上的一些回答，讲得比我明白，比我好。
最重要的
其实我觉得秋招里面走了好多弯路，最感谢还是好多帮助我的女票、同学、朋友、还有各路大佬。中国好室友，在我苦苦挣扎的时候，指出我的的盲区，还提了一些很实用的建议。还有一直帮助我的某司人力小姐姐、小哥哥（们），面对我琐碎的咨询和请求都没有表现出不耐烦，帮我改简历，指导我面试。还有很多大佬，包括互联网领域认识的大佬，银行认识的大佬，私募认识的大佬，不管是自己认识还是经人介绍的各位大佬，解答了我好多的问题，包括工作内容的咨询，offer的选择，有时候会聊聊自己感受，甚至职业规划，人生阅历，行业看法等，受益匪浅。虽然你们可能看不到，但是还是要鞠躬感谢！
我想以上这段话可能是本文最有用，也是最重要的部分了了。与这些小伙伴的认识，大多数源于自己期望开放的心态，同样，这些小伙伴愿意帮助一个与自己没有多大关系的网友/朋友同样是源于他们各自开放的心态。有时候确实会有许多具体的问题，可以找好的资料，也可以找信赖的人咨询。不要怕，大胆的去求助，客气礼貌的说话，大多数人都愿意给你提供一些个人的看法的。
往后的生活以及职业生涯都还有特别漫长的路，不要急，找到自己的方向，保重自己的身体，然后剩下的就看你自己了。
本文由作者授权AINLP原创发布于公众号平台，欢迎投稿，AI、NLP均可。
推荐阅读
我们建了一个免费的知识星球：AINLP芝麻街，欢迎来玩，期待一个高质量的NLP问答社区
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP君微信(id：AINLP2)，备注工作/研究方向+加群目的。