Coder Social home page Coder Social logo

ai-job-notes's Introduction

AI-Job-Notes

AI算法岗求职攻略:涵盖校招时间表、准备攻略、刷题指南、内推、AI公司清单和答疑等资料

AI算法岗方向:深度学习、机器学习、计算机视觉、图像处理和SLAM等

目录

1 校招时间表

以今年(2019)为例,默认为2020届学生(2019届学生称为上届)

时间 任务
2019年3月~6月 找暑期实习/上届春招
2019年6月~8月 秋招内推批(神仙打架)
2019年9月~11月 秋招正式批(神仙继续打架+菜鸡互啄)

1.1 暑期实习

2019年3月~6月:暑期实习。

其实实习是任何时候都可以找的,但那不是公司规模化招聘,而是部分部门直聘,较为零散。针对实习生,很多公司,特别是大公司(如BAT等大厂),都会组织专项的暑期实习生招聘活动。暑期实习具有很大的意义,最直接的就是转正。从6月底左右实习入职,一般8月底会有实习答辩,转正后就可以结束秋招战斗了。但秋招一般会投递很多公司,所以即使在实习,也要多投。暑期实习另一个好处是增加可贵的实习经验,简历会好看很多。

1.2 秋招内推批

2019年6月~8月:秋招内推(神仙打架)。

据我了解上届打响秋招第一枪的是大疆(DJI)科技。6月底就已经结束简历投递了,然后BAT等大厂都是7月份开始。这时候呢,大部分都是内推/提前批,而不是正式批。大家一定要珍惜这个时间点,虽然我调侃着说神仙打架,但还是要注意这时候性价比特别高。一方面是Money普遍高,最重要的是人还不是那么多,很多人没有这方面意识,想着正式批大干一场。所以秋招内推比较难,但性价比最高了,很多大佬都是这个时间点拿到的。后面我再说说如何内推。

1.3 秋招正式批

2019年9月~11月:秋招正式(神仙继续打架+菜鸡互啄)。这个时间会让人很慌,有句话叫做金九银十。也就是9月份的Offer比10月份的Offer更可贵,这话其实很有道理,所以大家可以脑补到7、8月份的Offer是什么level了。这时候也很考验大家的心态,比如9月份或10月份了,还没有Offer,再看看身边人。我这里建议1.2节中秋招内推一定要把握住,如果9月份还没有收到,心态千万别崩,继续投继续干。其实大部分人都是9月、10月才陆续收到Offer的,所以你多投继续努力,收获肯定更多。而且提取批挂了,还有正式批可以再继续。

2 准备攻略

准备攻略,我没有具体的方案,因为这就好像是学习计划一样,每个人都要自己的习惯,我的你并不一定适用。所以我就用一个精简的公司来介绍。 公式:刷题+背题+项目+实习(可选)+竞赛(可选)+顶会/顶刊(可选)

3 刷题指南

刷题的目的是为了学习数据结构和算法,锻炼编程能力和熟悉刷题技巧

3.1 刷题编程语言

  • C/C++
  • Python
  • JAVA(不推荐)

3.2 书籍推荐

书籍 豆瓣评分 推荐指数
《剑指Offer》 9.1 ☆☆☆☆☆
《数据结构(C++语言版)》 9.4 ☆☆☆☆
《算法图解》 8.4 ☆☆☆☆
《大话数据结构》 7.9 ☆☆☆
《算法》(第四版) 9.4 ☆☆☆

注:其实还有很多方向没有涉及,如linux、数据库,但暂时先推荐这些,后面再补充

3.3 在线刷题网站

3.4 刷题方法

推荐按类别来刷题,如数组类、链表类

3.5 刷题时间

现在起~2019-10-15

3.6 刷题重要性

正常校招流程都要进行在线笔试,面试中也可能会手撕代码,所以刷题十分影响面试结果。

4 内推

国内公司人工智能方向岗位的内推机会,含机器学习、深度学习、计算机视觉和自然语言处理等方向。

AI-Job-Recommend 主要以全职、实习和校招为主,并且全都是内推方式!

注:2019年6月开始,AI-Job-Recommend 会推出大量校招内推资源,欢迎star/fork/watching。

4.1 内推的重要性

内推,真的太重要了。其实现在找实习也一样,内推的重要性就提醒出来了,比如我这边的资源就可以内推到BAT、商汤、旷视等公司,一般常规操作是网上投递简历,而快速直接的就是将简历送到leader/主管那里。而且内推是建立在一种互信的基础上(虽然不大),该走的流程还是要走,但无形中增大了面试通过概率。你要知道,很多人的简历在官网或者其他第三方招聘网站上就直接卡死了。

4.2 如何内推?

内推的方式很多,比如:

  1. 强关联:直接找已经毕业的师兄师姐或朋友内推(缺点是身边朋友去的企业有限,很多人是第一批从事算法岗的,可能都没有师兄师姐搞这个)
  2. 常规操作:上牛客网论坛看企业人员发内推帖子、关注一些招聘公众号(这里我就不推荐,因为很多公众号都很有套路,内推一个企业,还要转发文章到其它群里,然后截图给他们,可是对于大多数人,为了内推,只能这么干)
  3. Amusi 内推。这里感觉像似打广告一样,但确实是一个方式,因为我手里资源挺多的,很多公司的人都认识,可以直接内推。感兴趣的可以关注一下这个求职群「2019AI算法岗求职群」 或者 AI-Job-Recommend

AI类公司清单(特别是CV岗)

我之前整理了提供CV岗的公司清单(以北京、上海为主)。当然了,CV岗就是AI方向的分支,所以大致可以认为这些企业都是有AI岗的(深度学习和机器学习等岗位)。 下面我列几个名单,仅供参考(自己在整理一份更全的,但因为时间关系,这里无法给出)

北京提供CV算法岗的公司名单

上海提供CV算法岗的公司名单

2018 爱分析—**人工智能创新企业榜

6 2019届AI算法岗薪资情况

今年是19年,所以这里以2020届为例。我是18年找的工作,但应该是2019届的,再次强调一下时间不要搞混了,所以我这里说说2019届AI算法岗的薪资情况。

我只以硕士及一线左右城市为例(北上广深、南京、杭州等),因为像武汉、成都,你即使找的AI算法岗,但城市不一样,薪资还是多少有区别,明显不能只看Money,不考虑城市大环境。

  • 白菜价:25w~30w

  • SP:30w~40w

  • SSP:40w+

说年薪有点笼统,我再说细一点,大家也可以提取熟悉一下。

一般企业薪资构成是:

  • 年薪 = 月薪*12 + 年终奖

年终奖一般是2~5个月的薪资,大概是3个月

所以,年薪=月薪*15

如果你月薪2w,那么年薪就是30w=2*15(白菜的Top,SP的Down)

如果你月薪2.7w,那么年薪就是40.5w=2.7*15(SP的Top,SSP的Down)

这里po一张很全很全的高薪图,来自OfferShow

注:跟hr谈薪资的时候,如果她/他问你:你的希望薪资是多少?!这时候你一定要往高了要,至少比你想要的高30%。听我的,没有错,不然...

7 答疑

7.1 没有论文没有项目但对基本模型和数学掌握不错的同学,还要找算法岗么?还是直接找开发岗算了?

答:不要慌,问题不大。基础模型和数学不错,那么我觉得你面试方面应该就稳了,因为面试很容易让你写个反向传播呀,甚至还有解方程。大多数同学都没有拿得出手的论文(我只说顶会/顶刊),所以你需要在项目上花花工夫。

我不知道你是研究的什么方向,比如CV,那你可以去github上搜搜目标检测方面的论文源码呀。比如Faster R-CNN、YOLO、SSD都撸一遍,这找工作就会稳很多。扩展性的,你再补补最近的顶级论文,这样显得自己多么学术,面试官也会很喜欢的。

只有找算法岗,还是开发岗。说实话,这是主观问题。你想干什么,你更喜欢哪个岗位,其实自己判断就好。

7.2 视觉算法岗位竞争越来越大,AI算法岗究竟关注什么呢? 对于普通的CV学习者来说,是否去学点其他的结合算法知识会更吃香? 但是这个其他的点是否可以推荐推荐~

答:我感觉今年NLP竞争也会很大,去年相比较CV来说,NLP竞争情况还是好一点点。当然了,搞CV的太多了,没办法,市场需求来说,也是这样。AI算法岗关注就是算法/模型,你研究啥方向,啥方向的公司就能招你,你也可以投。比如百度不仅有搜索,还有近两年很火热的自动驾驶部门。搞CV,也要coding啊,因为大家找到大多是AI算法工程师,不是AI算法研究员。我觉得,你把自己的研究方向吃透了,就好很多,然后编程方面,C/C++和Python这两个要多学习多掌握。

7.3 能否对广告推荐类的算法岗位做一些介绍?这些岗位对于项目/比赛经历一般有哪些要求?如果能提供一些面试资料,就太谢谢了!

答:很抱歉,广告推荐类,我不太熟悉。我有同学搞这个的,回头我找他来解答一下。项目经历的话,我看同学都是去实习,攒攒经验,特别是广告推荐类,我感觉一般导师这样的项目也比较少吧。比赛的话,多关注看看Kaggle和天池等竞赛。

7.4 前辈好,请问如果目标是cv岗的话,机器学习算法需要掌握到什么程度呢?

答:CV岗的话,我更愿意你多精通深度学习方面的知识,特别是CNN。因为目前CV领域,CNN还是最强网络。再具体说明一定就是VGG、ResNet、DenseNet、SENet等网络,还有Faster R-CNN、DeepLab等具体方向的网络模型。当然,GAN和RNN也要了解一下,特别是GAN,这几年都一直很火爆。

7.5 请问,开发经验还不错但是没有ai实战项目,没参加过竞赛,学校前5 985的硕士,找ai岗有戏吗?

答:前面的问题跟这个问题很相似,而且第二章准备攻略里面说了一点:刷题+背题+项目+实习(可选)+竞赛(可选)+顶会/顶刊(可选)。所以我建议你去找个实习练练手,或者网上找找算法源码撸撸,包装成自己的性命,能够自圆其说就行。另外你的学历是加分项,但跟实习/项目经历比起来,就不是特别加分了。

7.6 请问面试前需要对《统计学习方法》这本书熟练到什么程度?

答:如果是CV岗,那么这是个可选项。与其看《统计学习方法》,不如把《深度学习》(花书)或者其他深度学习的理论搞清楚。如果是机器学习岗,那么就要和西瓜书一样,熟记于胸中。《统计学习方法》大多就是机器学习理论,如果你平时用到里面的知识,那么建议学习一下。

7.7 请问以自学为主,没有项目经验的话能够想要找深度学习实习的话,要如何准备? 目前的研究方向是基于rgbd的三维重建,如果秋招找视觉算法岗的话还需要做哪些准备呢? 想进算法岗,但是目前没有竞赛经历。现在参加竞赛,如果进不了Top榜,这个竞赛经历还有意义吗?

答:这三个问题,我做一块回答了。 没有项目经验,参考7.5问的回答。做哪些准备,第二章的准备攻略中,我已经给了大致方向。一般竞赛需要TOP5%或者前10,这样写到简历里才好看,不然一点加分效果也没有。

7.8 请问,怎样能获得更多的内推机会,有哪些途径?

答:时间已经到了,这是今天最后一个问题的回答。后面我会不定期再来回帖,大家可以继续提问。如果想及时的话,可以到我的知识星球里学习并提问。

内推的大致方法,我已经在第四章里面介绍了。你如果说更多的内推机会,那么师兄师姐这个方式就不算了。一般就是上牛客网,或者关注校招相关的公众号,那上面都会经常更新内推方式的。这种方式,唯一缺点就是,你不知道内推上了没有,然后还有转发转发再转发。

所以同时,我也建议需要内推的小伙伴,可以加入我的2019AI算法岗求职群(PS:有同学私信我,为什么打不开,我建议用微信端打开)。可内推的公司有:阿里达摩院,头条,腾讯,京东,华为,Intel,虹软,大华,VIVO,OPPO,科大讯飞,商汤,创新工厂,思必驰,瓜子二手车等公司。

再强调一点,实习真的真的很重要!内推真的真的很重要!

注:如果你看到这篇文章,且有一些疑问或者想提供一些资源,欢迎提交issues!

ai-job-notes's People

Contributors

amusi avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.