问题 

你的2021年秋招进展怎么样了

作为最典型的 AI 领域之一，NLP  (自然语言处理，Natural Language Processing) 被誉为“人工智能皇冠上的明珠”，近两年取得了显著突破。

随着 OpenAI 等技术的诞生、迁移学习等技术的成功应用，使得 NLP 技术在搜索、推荐、信息流、互联网金融、社交网络等领域不断发展壮大。与此同时，NLP 工程师也受到了广泛关注和追捧， 从各大招聘平台上，可以看到相关岗位的薪资随之水涨船高。那如何能斩获大厂NLP岗位offer呢？

下面是目前在BAT大厂，年薪80W的在职硕士的NLP面试干货分享！

01

     自我介绍

软件工程硕士，10年工作经验，具备技术管理、产品带队经验。主要做过的系统包括：电商业务系统开发、新闻信息流推荐、图像等相关工作。6年Java开发和管理经验，4年大数据、新闻信息流等开发经验。针对学历问题呢？自考本科，在职硕士，总之学历上相比于全日制的话比较弱势，但自己更多的是工作经验吧。

接下来呢，针对面试过程中的知识进行整理，希望能对大家找相关的工作有帮助。

02

       过程

1.学习经历

由于自己是自考本科，基础较差相对比较弱势。从2017年左右就一直学习咱们七月在线的课程，学习过很多内容，包括：初级的机器学习、深度学习、中级的集训营、高级的NLP就业班。总之，无论理论还是实践对已经工作多年的我来说非常有用。让我收获的不仅是知识，更多的是人脉和系统化的学习思维。也是在这里提升了自己的能力，从而提升了信心。跨入了大厂的门槛。

面试的公司主要有：小的公司、美团、快手、新浪、soul、滴滴、BAT公司。强调一点：无论小公司还是大公司，重要的是简历和项目的匹配度、工作同学的忠诚度、面试人员软实力（沟通能力，管理能力等，话说就是顺眼不） 都是考核的因素。针对工作不久的同学来说，重点是项目和刷题。

最后，暂计划入职BAT中某一家吧（基本情况：5轮技术面试->然后后续的HR和经理相关的面试,前后7轮吧。关于背调只能说非常严格，故：大家简历真实，不能过度包哦。诚信才是工作第一要素。）

2.面试准备 

关于面试题目，从三个大的方面准备：数据结构,机器学习知识,NLP面试相关题目。

2.1 数据结构

必备知识，当然也不是说一定要刷200，甚至更多的题目再去面试。因为准备是永远都准备不好的，也就是说，大家随时准备去面试就可以来。

 

当然，如果大家时间不是很允许的话，我们也一定要把一些基础的题目刷下：

• 字符串相关（字符串转整数，找出数组k大，有序数组合并，公共子串等）

• 数组类 （排序相关、连续数组最大等）

• 链表类型题目（反转、合并有序链表、判断有环 这类题目很多）

• 二叉树操作（先序、中序、后序遍历这种题目）

总之，这一部分，一定要刷，刷刷刷刷刷刷刷刷！！！！！！

2.2 机器学习知识

LR,GBDT,xgboost,CRF、SVM这些常考即可。

上述涉及到的原理、公式推导、损失函数之类要掌握，面试的时候基本上就没什么大的问题。

建议：如果大家有时间，最终可以把上述提到的算法通过代码方式实现一篇（可以找些比赛的数据，例如：kaggle，或者github等），这样可以加深印象。

 

2.3 NLP面试题目

大家本身就是NLP岗位工作，故这方面的内容相对比较多。其实主要两个方面：工作项目＋理论知识：

embedding 的一些知识（必须掌握，原理和区别）

word2vec-> elmo->bert

这部分内容非常的多，故我们针对每个模块掌握：原理、损失函数、模型数据输入和输出。

 

关于分类算法介绍（一般是针对你项目中，如果有文本分类的话）

textcnn-> fasttext->bilstm-> bert分类

由于上述算法都可以进行文本分类，针对原理和实现要掌握。同时这里也要掌握一些传统的机器学习文本分类的算法（lr，xgboost，svm，adaboost..），毕竟工作中有时并不是非要用深度学习，传统的机器学习也是必备的。

03

     经验心得

1.关于简历

一份好的简历，对你找工作来说已经成功了一半。所以，建议大家认真整理自己的简历内容。

第一点：针对简历项目内容

如果之前是从事于NLP或者数据相关的话，把自己的工作内容梳理好，然后把工作项目结合培训课程，归纳整理就可以了。

如果大家学习图像推荐系统相关，那么在找一些NLP岗位的话，也比较顺利的，因为很多理论是相通的，甚至有的项目NLP、推荐、图像都会存在，这种情况下更加顺利

如果大家之前没有AI相关的工作项目的话，那么假设就是一个Python数据基础了解或者之前从事Java等其它业务系统开发人员。这种情况属于转型的，针对NLP项目的话，我们在学习七月提供的项目的同时，最终可以结合一些比赛的项目来练手，尽可能把自己的培训内容在比赛中体现（因为比赛其实就是企业一个真实的项目案例）

 

总之，对简历项目部分还是多练习（自己工作项目、比赛项目、github类似项目等拿来学习），再次提醒：一定要自己亲自手写代码哦（ 哪怕自己抄呢，总之写出来才能有更深的理解）

 

第二点：简历真实性

 

无论你是刚入社会的新人还是工作多年的同学。那么，我们在写简历的时候，不要过度包装，尽可能真实（因为你要进入大厂的话，这是必须的。除非你在一些小的公司徘徊）。当然，适当包装下还是可以的，但是一定谨记：无论何时，诚信是非常重要的。

 

关于面试公司，前前后后经历过很多，总之，建议大家首先找一些小公司-> 中型公司－> 大厂。每次面试完成，自己多总结归纳，修复简历中的不足。

 

2.面试常见问题总结

这里不包括数据结构的内容，把NLP和机器学习的相关题目总结归纳下，供大家参考。

 

建议：

针对每个问题，大家如何有条件和时间，最好可以通过代码方式实现或者查看下源码如何实现的。总之，想尽一切办法加深对每个算法的理解。

• 常见激活函数

• 不同优化器区别

• word2vec原理、损失函数、两种模型架构区别和联系

• word2vec和fasttext 区别

• word2vec 和 bert区别

• L1和L2区别（数学上、几何上等说明）

• 传统机器学习算法原理（LR、GBDT、xgboost、SVM、CRF）

• LSTM 几个重要的公式和画图

• BiLSTM+CRF 在NER中的损失函数是什么

• Attention、self-attention、transformer 理解

• TF-IDF 和 TextRank关键字介绍

• ResNet网络理解，在图像中应用，扩展相关网络结构介绍

• ELMO和BERT区别

• 机器学习评价指标

• 样本不均衡处理问题

• 最大似然了解吗？和 逻辑回归的关系

• 距离和相似度算法介绍

• 过拟合解决方案

• 决策树和随机森里区别

• GBDT原理、和RF区别、数据归一化问题

• XGBoost原理、多分类问题、损失函数、正则化项

• 介绍HMM和CRF

• 文本聚类原理、概念、介绍集中聚类方法

• 多分类和二分类损失函数是什么？区别和联系

• 机器学习各种熵介绍（KL散度、信息熵、交叉熵、最大熵..）

3.个人感言：

无论你是工作多年的人员，还是在校大学生，选择七月在线，选择自己美好的未来。

最后，感谢七月在线，感谢同学们，祝各位同学们学有所成，都能找到一份满意的工作。

关注公众号

获取更多资料干货

七月在线

完整面试经验，点击"阅读原文"跳转进入。