歡迎光臨
每天分享高質量文章

雙非院校學生,未畢業已拿到30w年薪offer

導語

雙非(非 985、非 211) 普通本科院校生,還沒畢業就收到了年薪30w的Offer…..

 

文/ Dave 

編輯/ 之餚 

 

這是一個關於雙非(非 985、非 211) 普通本科院校生(具體是哪所就不方便透露了哈),如何與機器學習結緣,又是如何從一名“可憐白髮生” 的“非酋” 玩家,一路披荊斬棘,成功進入美團,成為“歐皇”的故事。這就是我,努力努力再努力的Dave。


我作為一名剛剛踏入人工智慧領域的小將,已經開始有了髮際線後移的煩惱。雖說弱冠之年、大學畢業之際就擔心脫髮有點為時過早,但是這幾根頭髮幫我成功的獲取美團的offer、得到了年薪30萬的工作,也算得上是“一發千金”。

 

本文作者,頭髮這麼濃密還擔心脫髮!

 

緣起


接觸演算法,觸碰機器學習相關的知識,源於學校老師推送的一篇關於“中國高校大資料挑戰賽”的公告,大意是“希望給學校幾分薄面,同學們踴躍報名”。那時候正好在修讀一門關於“人工智慧”的選修課,課程的期末專案要求自行設計,必須包含人工智慧的相關知識,聯想到這一比賽,期末專案就有著落了。報名比賽的那一刻,在人工智慧的戰場上又多了一名奮力拼殺的小將。

雖然感覺到激情澎湃,志氣滿滿,但是讓一個沒碰過槍炮的人上戰場,難免還是有點心有餘而力不足,於是開始了在Google上學習知識、借鑒前輩經驗的苦逼日子。光有著初生牛犢不怕虎的勁兒也不行,專業術語、陌生領域和各種基本概念,學的很吃力,如同一個人在知識的海洋中狗刨還時不時嗆水。

 

挑戰


正如魯迅先生所說,“只要有心,處處都是困難”。在機器學習這條“不歸路”上,困難如同沙漠中的沙子般俯拾皆是,一不小心就是一個坑。從Level1到Level10,從新手到出新手村的過程中,我覺得最大的挑戰有兩個:“沒人陪伴”“缺乏反饋”

在一所雙非學校,走向卓越的路往往是孤獨的,不像櫻木花道打籃球還有一群伙伴,而我只有自己一個人。在遇到困難的時候沒有伙伴可以吐槽,遇到問題的時候沒有人詢問,只有冰冷的Google大叔陪伴,雖然Google大叔也能解惑,但並不能很好地傳道受業。

幸運的是,在朋友的“慫恿”下報名參加了Udacity的 機器學習 課程。在課程的“優等生計劃”,課程通關群中,遇到了一群一起踩坑的小伙伴們,大家可以其樂融融地吐槽這個知識點是多麼的深澀難懂,課程裡面的“二人轉組合”是多麼的奇葩;也可以相互交流,怎麼去理解“捲積神經網絡”等不容易讀懂的概念。

 

一個人的理解難免有些偏頗、有失原意,畢竟真理是越辯越明的——只有不斷地學習、探討、實踐,才能最終掌握。這就引出了第二個問題——一個人的學習路,沒辦法獲得及時的反饋,很難找到靠譜的人相互探討。

不過,自從加入了這個課程,除了有一起學習的小伙伴可以探討艱深晦澀的高深概念,還有導師可以咨詢。每次做完課程專案提交後,會有導師認真地審閱並做上批註,特別是一些容易混淆的概念,審閱還會給出一些輔助資料幫助理解。這些及時的反饋如同及時雨般重要,讓我更加深刻地理解概念以及抓住細節,畢竟俗語有雲“細微之處,彰顯本質;不求甚解,難以理解”。
 


導師除了高高在上,還可以非常的親民有趣,推薦我加入Udacity課程的朋友原來就是這門課的導師——楊培文。培文導師不僅是我的入門老師更如同好朋友——亦師亦友,不僅在最初的高校大資料挑戰賽糾正了我很多錯誤的概念,而且帶我參加了百度的驗證碼識別的比賽,讓我更加深刻地理解了深度學習的應用。

一群好同學,一位良師益友,是我在這裡面最大的收穫——讓我在這條路上,更加勇敢、更加具有激情,披荊斬棘奔向標的。

 



機遇


魯迅先生又說,“機遇總是垂青那些有準備的人,因為只有他們可以抓住”。在準備校園招聘的過程中,收集了許多公司部門HR的郵箱而非官網投遞,直接投到了部門HR的郵箱之中。也許是因為部門招人比集團直招更加高效,收到了美團HR姐姐的回覆,並通知我準備電話面試。

 

對於簡歷而言,我個人信奉“奧卡姆剃刀”原則——如非必要,勿增物體,做的比較簡單。簡歷主要由個人信息(照片除外)、教育經歷、專案經歷、比賽經歷、校內經歷、個人技能以及用於加分的其他信息。


另外,簡歷上遵循“凸顯主要,略寫次要,主次分明,詳略得當”的原則。把與崗位要求匹配的技能放在首要的位置,把專案名稱和職位放大加粗,把專案內容略寫等等。對於我們搞技術的人,不要學一些熱門微博的的簡歷風格,簡歷做的太花哨喧賓奪主,文字再簡練、考究一些即可。

最後成功得到美團演算法崗offer,一是得益於直投HR郵箱——美團HR姐姐的不以學校論英雄,給了我一個部門面試的機會;二則是做了充分的前期準備——對崗位和麵試題型做了調研。

 

面試


面試和追女孩都有一點相似——獲得對方的青睞,那麼如何獲得對方的青睞,這就是我們接下來探討的問題。



孫子兵法有雲,“知己知彼,百戰不殆”,面試也是如此。我的準備過程分為兩個部分——“分析問題下定義”和“針對分析做準備”,通俗點講就是:只有瞭解了我們要做什麼,才知道我們該怎麼做。

 

前段時間看到一篇好文《一種幫我解了人生99%困惑的思維方式》,一種“定義式思維”。聯想到面試準備,我發現很多人只知道刷面經準備面試,但是他們卻不知道什麼是面試,面試是為了什麼。

面試的目的是為了篩選出可用之才,因此面試主要考察應聘者的基礎知識點是否扎實、牢固,瞭解應聘者的相關從業、專案經驗是否真實、豐富,以及應聘者的人文素養。

知道了為什麼面試,和麵試有什麼之後,我們開始對症下藥,對面試進行庖丁解牛般地分析與準備。

對於考察基礎知識點而言,按照標的崗位描述的技能進行分析以及準備。以我校招演算法崗為例,“熟悉常用的分類、聚類演算法”、“掌握常見的資料結構預演算法”和“常用編程語言”,這是我的崗位要求。那麼對應第一個要求,我寫了一個對常見的分類、聚類演算法總結,並把各個演算法特點的以及優劣進行了對比,並且延伸了每個演算法的基本原理及底層實現,最後寫了幾篇博客作為總結。

對於第二個要求,我把《劍指offer》看了三遍,並且刷了部分LeetCode的題目,主要刷鏈表與二叉樹類的題目,這兩種資料結構簡單且最適合面試手寫。對於第三點,熟練掌握一門編程語言併在刷題的時候使用,比如我使用Python刷LeetCode的題目,不僅可以刷題,也可以增加語言使用的熟練度。 


對於瞭解從業經驗而言,重點準備簡歷上的專案或者比賽,挑一個覺得最好說且體現一定技術難度的。作為一名應屆生,電話面試和現場面試的面試官都向我詢問關於參加比賽的細節:

1.    瞭解我對比賽的理解以及我在比賽參與的程度,用於判斷是否簡歷造假;

2.    瞭解我在比賽所用的技術以及實現方案,用於瞭解我的實戰經驗和思維方式。

那麼知道這兩個目的,我們就可以做出相應的準備,把最拿手的比賽/專案經驗過一遍,事無巨細,把所有技術實現、思考細節、所用技術都總結幾遍並可以流暢地表達,那麼這一關就可以輕鬆闖過。

對於瞭解人文素養而言,重點體現對知識的渴求、對挑戰充滿激情以及對於技術的追求。面試官會和你探討一些個人興趣愛好,以及一些情景問題,這就是通過短暫的聊天去瞭解應聘者的思想成熟度和一些人文素養。那麼,在這個階段多展現自己的優點,比如說熱愛讀書,舉一些書的例子和感悟;熱愛運動,時不時和朋友組隊打球;探索新知識,從多方渠道瞭解業內技術前沿並簡要談談…突顯自己“德智體美勞”全面發展,但切記不能說大話和空話,以面試官的閱歷還是很容易看出是否在空談。準備一下自己的興趣愛好,以及知識獲取的渠道,那麼這一關也可以無損通關了。

這三條看似簡單,但簡單的才是最難的。每一條看起來都很好準備,但這些都需要一定時間的積累才能很好地完成,畢竟做好一盤家常小炒還是要先準備好各種食材,最後才能下鍋翻炒收汁

結語


正如李白在《行路難》中寫道,“長風破浪會有時,直掛雲帆濟滄海”。走向卓越的路必定是孤獨的,但能忍受孤獨的人往往是內心強大的人,必將走出自己豐富多彩之路的人

在當今的中國,市場需要100萬演算法類人才,而如今中國只有30萬演算法類人才。其中有10萬在各大高校,還有10萬在各大企業內部培養,只剩下最後的10萬供給市場。


正如狄更斯《雙城記》中的金句所言,這是最好的時代,也是最壞的時代。在這個充滿機遇與挑戰的時代,把好風帆,咬牙划槳,終究會尋找到自己的芳草地。

 


想從粗通演算法的零基礎小白進階到硅谷認證的機器學習工程師麽?想和本文作者一樣在AI浪潮中先行一步麽?快快加入Udacity 機器學習工程師課程吧!

 

掃描下方二維碼入群咨詢報名【機器學習(入門)課程】,帶你成功邁出機器學習第一步。

  

↓點擊閱讀原文,瞭解《機器學習(入門)》基石納米學位專案詳情

赞(0)

分享創造快樂