刘金翰

我与算法的相识

我本科是学数学的，考研时班里大概分为两个方向，一部分是继续考本专业的研究生，另一部分则是跨专业考金融、计算机之类的研究生。我当时并不想一直从事基础数学的研究，又觉得跨考计算机难度大，无法将自己数学专业的优势发挥出来，所以最终选择了统计方向。一是因为感兴趣，二是因为统计方向专业课和数学的相关性很大。考研期间，我并没有透彻了解应用统计专业的就业范围。

研究生入学后，师兄师姐介绍说，统计专业的就业岗位大部分都是公务员、教师、读博等，读此专业的女生比较多，找的工作大多偏稳定一些。当然，最对口的岗位还是数据分析师和算法工程师。师兄师姐补充说，比较优秀的同学可以去尝试一下算法行业，薪资待遇特别高而且发展前景好。就是在这个时候，我才第一次知道算法工程师岗位。

读研期间，上了讨论班后，我开始真正接触到一些基础的算法。学习一种新算法的流程大致是：了解算法理论，然后用严谨的数学公式进行推导，之后需要代码化，把算法通过程序展现出来，那时候我们是用R语言和Matlab语言实现。最后，要通过数据来训练我们的模型，用合适的指标来检验模型的效果。上述完成后，反过来再去总结这个算法的优劣、可延展性及与其他同类算法对比。

我逐渐对算法有了大概认知，算法有严谨的数学理论，可以用程序实现复杂模型，训练好的模型可以很好地解决业务问题，且每年在顶级期刊都有此领域的前沿论文发表，学习资源相当丰富。我开始对算法产生了浓厚兴趣。

定下目标，精准规划

研一时，由于师兄师姐几乎没有从事算法岗的，我对算法岗所需要的必备技能，都是通过招聘信息了解到的，相对比较局限。当时，我比较确定的是，扎实的算法理论和一门编程语言，这二者是必备的。

整個研一，除了专业课和准备讨论班学习外，我都在努力学习算法理论和编程语言。编程语言方面，我选择了当时主流的一些机器学习框架所用的Python语言。对于算法的初学者而言，最大的困惑就是，我该学什么，该从哪里学？由于机器学习当时已经火一段时间了，所以面对众多的书籍、教学视频，选择变成了接下来学习的关键。

书籍方面，机器学习部分，我选择了李航老师的《统计机器学习》和周志华老师的《机器学习》。深度学习部分，我选择了入门级的《Neural Networks and Deep Learning》和人尽皆知的《Deep Learning》。

教学视频方面，我选择了吴恩达老师的系列入门视频，还有台湾林轩田和李宏毅老师的视频。为了补充CV和NLP理论，我还学习了斯坦福大学的公开课CS231n和CS224n。

Python学习方面，我推荐《Python简明教程》，这本书很基础，适合任何没有编程背景的人去学习。另外还有一本《机器学习实战》，用Python实现了许多机器学习算法，既能学习Python，还能巩固理论。

当然，我看的书远不止这些，上述提及的只是一些入门书籍。除此之外，还要多关注前沿技术，多读论文，对于不懂的地方，要刨根问底。当初学习SVM时，我不明白KKT条件从何而来，为此专门去学习了中国科学技术大学的公开课《凸优化理论》，此课程详细讲解了凸优化中的KKT条件的推导过程。

我还有一个习惯就是记笔记，由于算法学习的理论部分很繁杂，所以我并没有将每一个机器学习或者深度学习算法都完整记录下来，而是将一些我认为很重要的部分或者一些容易遗忘的疑难点记下来。比如LSTM、Transformer的结构细节，FM、FFM、DeepFM系列算法等。记笔记很费时间，但是的确为我当时查漏补缺和复习带来了极大的帮助。研一结束前，我按部就班完成了自己规划的全部内容。

没有退路，迎难而上

研二时，我有了出去实习的念头，因为我知道实习对于秋招的重要性，得开始准备简历了。刚开始我一头雾水，没人指导，只能自己一点一点地去搜寻信息。这期间我上了很多招聘类网站，社群交流里有很多人的面试经历以及背景描述，对我的帮助很大。

我总结出，一份出彩的简历里一般要具有四项内容：好的学校、顶级会议论文、大厂实习经历、竞赛Top名次。这四项中至少得有两项，才有较大机会进入面试。而且，面试还会考代码题，就是现场让你写代码，考官出题。因为之前我都不知道有此环节，所以压根没有准备过。面对算法岗位的高门槛，我是有想过放弃的，打算转数据分析岗位面试，数据分析是不用考这些的。最终，我还是选择了迎难而上。

此时，摆在我面前的两大难题，一是如何丰富自己的经历，让简历达到能够进入面试的标准，二是怎么准备写代码的面试环节。

针对第一点，我很快就做出了计划，首先就是大厂实习，还有就是发论文和竞赛。但我感觉我很难做到论文、比赛两手抓，在只能选一个的情况下，我选择了参加算法比赛这条路。

算法竞赛我主要参加了Kaggle和阿里天池这两个平台的，后期也参加过一些小平台的。比赛初期，我连题目都看不明白，通过练手Kaggle上一些已经开源的比赛（即已经结束且公开了部分解决方案的比赛），逐渐找到了感觉，同时也掌握了常规机器学习框架和深度学习框架的使用。我花费大量的时间在比赛上，阅读别人的代码，完成一个又一个已经开源的比赛。我逐渐开启了自己的竞赛之路，从2020年10月开始，直到2021年3月，我天天都在比赛，取得了一些不错的成绩，在Kaggle上拿过1%和2%，在阿里天池也进过Top10，还有其他算法平台的Top5。竞赛给我带来的，不仅是简历的丰富，还有能力的提升。每一次竞赛，从拿到问题到给出模型，加上后期指标优化，这一系列的流程让我更加熟悉如何用算法去解决实际问题。

对于第二点——写代码，让当时的我很头疼。我只有浅薄的C语言基础，早已忘记二叉树、链表、堆栈之类的数据结构，也从未了解过递归、DFS、BFS、动态规划之类的解题方法。这导致当时的我啥都要学，啥都没学明白，在LeetCode上做一道题得花半天时间，对于计算机类专业的科班生来说，这些都是基础，复习下就行了。于我一个此专业的学生而言，只能一点一点地去啃下这块硬骨头。

我总结出，一份出彩的简历里一般要具有四项内容：好的学校、顶级会议论文、大厂实习经历、竞赛T o p名次。这四项中至少得有两项，才有较大机会进入面试。

当时，我看了很多关于数据结构的书，对着书把各种数据结构的代码都写了一遍，看完算是刚刚入门了，但这还远远不够，因为还是做不出来题。考虑时间成本，后来我选择了直接通过刷题来提高自己。因为每一道题，都有大量题解，可能你死磕一下午的一道题，会在看到某个优秀题解的一瞬间恍然大悟，这样既节省了时间，又快速学习到了最优解法。不过，这种方法建议在学习初期用，因为见效快，可以建立自信，等到后期自己能力上来了，就可以不看题解去解代码题了，这样就形成了能力提升的一种正向循环。

2021年3月初，我边投实习简历，边刷LeetCode和《剑指Offer》，重复做了很多遍高频面试题。当时想的是，尽量在出到原题或者类似题时，能够快速解出来。

很快我迎来了我的第一个面试——字节跳动，从投递简历到面试，时间间隔很短，我匆匆复习了理论知识，又复盘了下比赛，就上“战场”了，结果可想而知，落败了。这是我人生中的第一次面试，太过紧张，表现很差，感觉自己话都没说明白，两道算法题只答对了一道。

我投遞了所有大厂的提前批，大部分大厂的算法岗，我都通过了简历筛选，得到了面试机会。

之后，我不再立马投简历了，而是拿出机器学习理论笔记，把每一个算法的每一处细节都搞懂，并且用自己的语言表达出来，简历上的比赛又梳理了一遍。与此同时，也没有把刷题落下。等自己感觉准备好了的时候，我开始投第二波简历，简历的投递也更有针对性，主要投递机器学习数据挖掘和搜索推荐算法。

我拿到的第一个offer是滴滴的，当时面试的难度并不低，所以通过面试给了我很大的信心，接下来的面试我都顺利通过，先后拿到了网易、腾讯、华为的算法offer。

秋招之旅

拿到实习offer后，我4月就去实习了。从校园初入职场，我体会到了互联网工作的高强度，再加上算法岗的具体工作和自己想象中有很大差距，这些让我有很强的不适应感，但好在最后坚持下来了。

当时，我面临一个所有实习生都会面临的问题，如果努力工作，可能会获得转正机会，这样就可以在秋招中提前收获offer，这应该是每一个在大厂实习的同学的期许，哪怕最后不选择这个offer，也想有个保底。但转正一般和秋招是同步进行的，而且不可能等到秋招来临再准备复习吧，所以，如果既要保证高质量的工作产出，又要抽出时间来复习，这可能会导致两头空。

我最终选择了放弃转正，全力以赴准备秋招。秋招前，我保持着高强度的刷题，对于理论和项目部分，因为面试实习时已经准备过了，所以很快就拾起来了。当时我的简历上已经有算法竞赛的Top名次、大厂实习经历、985研究生学历。

我投递了所有大厂的提前批，大部分大厂的算法岗，我都通过了简历筛选，得到了面试机会。很多同学都说秋招面试会比实习面试更难，但我感觉，相较实习面试，自己秋招面试时更加从容。基本上每一次面试，我都可以对答如流，跟面试官形成一种交流的状态，而不是你问我答。面试的大厂里，除了有个别面试因为算法题没写出来而败了，其余的基本都给我发了offer，且offer的等级都是special offer及以上的，有些公司还给了北京户口指标。

我在9月之前结束了我的秋招之旅，总结下来，我认为秋招中，有几点比较重要：

第一，搞定代码题，这是重中之重。面试算法岗，如果算法题没有写对或者没有最优解，那么基本上就败了。这需要根据自身情况制定具体计划。

第二，在掌握机器学习和深度学习理论基础之上，赋予自己的理解，这可以在面试中加不少分。比如，一个算法可以从数学统计角度去解释，或者一个算法的优化可以从业务需要的角度去解释等。只要你能说出跟别的面试者不一样的答案，且能引起面试官的共鸣，那么面试官就会觉得你理解得更深更好，而不是像其他面试者只是在重复网上的答案。

第三，沟通表达能力是一项重要的考核标准。我在面试中有个小技巧，就是把复杂的项目简单化，虽然听上去会让人觉得这个项目的技术性没那么强，但是这更利于我表达和阐述，至少让面试官听懂你在做的项目到底是什么。当然，这些都是可以随机应变的，根据面试官的反应来决定你项目的阐述方式，如果面试官很快就领会了你的项目背景和技术，那么你可以把复杂化的部分加进去，反之则不加。面试期间要保持清晰且有效的沟通。

第四，态度不容忽视，要让面试官感受到你的诚意，在许多同水平候选者横向比较时，更愿意把offer给你。

责任编辑：丁莉莎