是不是看著網上的AI公司應聘攻略，每一篇都覺得非常有道理？但仔細一想，又發現篇篇大同小異——不是讓人學學學，就是簡歷、面試兩步走？
其實，除了Fancy的簡歷，沉著自信的面試表現，AI的應聘方法，還有其獨特的套路可尋。
在開始之前
AI公司千千萬萬，應聘要求也各有千秋，根據要求準備簡歷一定沒錯，但一定不要忘了這一條條要求指向的其實是一個隱藏條件——對於項目經驗的要求。畢竟，沒有公司需要一個缺乏動手能力的程序員。
動手能力要如何展示？通過比賽經歷？又或者是實習經歷？這些部分在簡歷裡自然必不可少。但其實還有一個更直觀的方式可以向公司展示你的思考方式和實踐能力，成為你簡歷中的加分項，那就是你的GitHub資料。
絕大多數學生都把Github當作一個練手的渠道，反而低估了它的重要性。
實際上，對於程序猿來說，吸引公司的不是豐富的人生經歷，也不是天花亂墜的演說能力，而是思維和邏輯。因此，除了面試，沒有什麼比展示自己編寫的項目更直觀的自我展示手段了。
當然，由於HR對單份簡歷付出的時間十分有限，在簡歷附上一堆代碼是完全起不到作用的，甚至還會弄巧成拙，完成以下步驟就十分重要。
首先，為自己做過的項目創建一個repo，讓人可以在很短的時間內看懂你項目的意圖。
其次，添加代碼的清晰文檔說明，併為每個提及函數作用、參數意義、格式和腳本的單個文件添加說明文檔。讓人能夠清晰理解你的問題解決方式。
面試，你需要一份問題大全
AI公司的面試除了自我介紹、簡歷經歷核實以外，還問些什麼？專業知識的考察一定少不了。
這類內容的問題可以被分為以下幾種：
首先，是對基礎知識尤其是一些概念的考察。例如，“什麼是強化學習？”“迭代法的原理是什麼？”這樣的問題將會涉及到線性代數、概率、統計、優化、機器學習和深度學習的各個方面，但都是可以直接通過書本獲取的知識，因而需要面試者能夠快速而準確的回答。
其次，是對面試者思考能力的考察，需要面試者有一定的實踐經驗。極有可能，你的面試官會給你一段代碼，讓你找出問題和解決方式。在回答時，按照“問題、1 至 2 個前人的解決方案、我的解決方案、可能的結果”這一順序給出答案，將會更加容易獲得面試官的認可。
最後，則是對於面試者綜合能力的考察。很多情況下，面試官需要面試者通過口頭闡釋其對某個項目的構想。這時候，注意項目中的一些細節十分重要，比如對於數據的劃分、對於過擬合等問題的考慮等。
InterviewBit是計算機行業著名的面試模擬網站，不僅有豐富的教學視頻，還提供以上三類練習問題，是專業面試練習的不二之選。
哪些東西，可以不用臨時抱佛腳？
要進入AI公司，數學、機器學習和深度學習是永遠躲不過的三座大山，但並不是這之中的所有知識都需要在應聘之前掌握。
當然，由於數學是一切的基礎，線代、微積分、算法及深度學習背後的數學知識，是必須要了解並熟練掌握的。
至於機器學習和深度學習，它們之中的天地十分廣闊，有一些知識的確可以先放在一邊，不用立即掌握。
比如機器學習中的強化學習部分就可以只瞭解基本的原理，將重點放在監督學習（分類、迴歸、支持向量機、決策樹、隨機森林、邏輯迴歸、多層感知機、參數估計、貝葉斯決策規則）、無監督學習（K-means 聚類、高斯混合模型）及降維上。
而對於深度學習，學習的重心在於基礎概念。例如卷積神經網絡（CNN）和循環神經網絡（RNN）和其變體，以及它們的運作原理。至於如何編寫深度學習框架，一般不會出現在應聘的考核之中，但對於框架的優化過程及優化原因，則是學習的重點之一。
讀芯君開扒
應聘的坑，還有哪些要注意？
一切應聘，無非就是選擇公司、準備簡歷和麵試三個階段。
對於簡歷來說，除了要豐富且真實，投遞平臺也十分重要。AI行業多初創公司一般不會舉行大規模校園招聘，而是會選擇一些靠譜的招聘網站。因而，在尋找工作時，眼光不要侷限於校園招聘，而應該廣泛蒐集信息，多渠道對比崗位。
對於面試來說，除了用專業知識秒殺一切，充分準備好這兩個所有公司都會詢問的問題也能成為你的加分項。
一個是自我介紹。程序猿在人們眼中一般是沉悶且懶於社交的形象，這也很容易成為公司所擔心的問題。因此，在自我介紹中提一提自己的興趣愛好，一定能夠加強面試官對於你個性的瞭解。
第二個則是“你還有什麼問題嗎”。這個問題不僅僅表現了你對於問題的思考能力，最重要的是為了考察你對此份工作的熱衷程度。試想一下，如果你對一個事物充滿著好奇與憧憬，你會連一個問題都問不出麼？
參考文獻鏈接：
https://m.huxiu.com/article/246033.html
閱讀更多 讀芯術 的文章
