引言：我的轉行面試大約用了一個半月的時間，面過很多家公司，運氣比較好，在互聯網寒冬季還能
連拿7個offer，最後選擇了一個BAT大廠，知識圖譜算法崗，月薪28k，比原工資翻兩倍還多，福利待遇也比原來好。經歷過這麼多面試後，也有趟過很多坑，本可以更快的拿到合適的offer，安定下來之後感覺有必要總結一下整個轉崗過程中積累的經驗和教訓，也整理出來一些小建議，希望在大家在求職路上有幫助。
01
就業建議從在校生說起
我雖然本科是計算機學院，但是山東考生，大學期間只顧著把高中沒玩的遊戲全玩了一遍，很遺憾本科期間沒有太出彩的表現。研究生是通信工程專業，跟人工智能也沒啥關係，所以整體學歷背景並沒有特別樂觀。
還在學校的學弟學妹們，除了應付平常的課堂和考試以外，儘可能早的接觸前沿的新的知識，抓緊機會盡快參與到一些項目中，這對以後的工作很有幫助，關於項目種類，推薦學習一些工業級有實用價值的落地項目，能更方便的對接到企業的需求上。
【先貼一些我在學習過程中做過的項目名稱，都是很有經驗的老師總結的經典項目，大家可以參考一下】
02入職需謹慎，我的第一份工作經歷
我是在體制內單位，有一年多的通信相關工作經驗，偶爾會用到一些基礎的機器學習知識，因為體制內的原因，具體工作內容不能講太多，抱歉
。
剛開始以為體制內的工作清閒福利待遇好，其實並不是。。。
待遇：總體來看跳槽之前的工資算是高開低走吧，離職前是稅後10k，加上房補貼之類的每月都到不了12k。
只一年，當初得意洋洋進國企的我被外面進互聯網大廠的同學比的就捉襟見肘了。
工作強度：進來之後才發現跟傳言中的喝茶看報完全不一樣！
體制內年輕人也很累的，加班強度很高。而且各種繁瑣的規定特別多，比如上班不能看書，幫助提高工作技能的書也不可以看，這點形式主義的價值觀讓我感覺很厭煩，而且阻礙了能力上的進步。
所以我只能下班找時間自己看《機器學習實戰》。因為畢竟自己不是科班出身，只能照著書上講的自己把機器學習主流算法用代碼的復現了一遍。看完之後大概知道機器學習是什麼，能幹什麼，只能說是初步入門了。
這本書對我幫助挺大的，但也有一個問題，就是各種模型細節都說不清，雖然代碼能看懂，就是不知道代碼為什麼那麼寫，知其然，卻不知其所以然的感覺，不痛快，平常也沒有人能交流，很憋屈。
03
走彎路的自學VS目標清晰的訓練
剛開始決定換工作時，也走了很多彎路。一開始對k8s興趣特別大。還去報過k8s的班，還考了cka的證。但是那個時候還沒辭職，等真要出來找工作的時，k8s已經遍地開花，我的水平去應聘並不吃香了。
而且回頭想想，k8s屬於雲計算的範疇，也就是會去面開發崗。但是開發崗主要看經歷、實力，k8s就像搞算法出了個新模型，只能算錦上添花，並沒有更光明的出路。現實用血和淚的教訓鄭重的告誡我一次“選擇比努力更重要”，走了彎路最好的止損辦法是及時回頭。
04時間緊任務重，怎樣高效系統學習？
還好當時回頭了，不過時間確實真真實實浪費很多了，已經到了3月了。都說金三銀四，後來我連土五都沒趕。。。
為了提高效率我果斷選擇報班尋求幫助，因為據我以前的經驗，自學有兩個明顯的問題：
1 、目標模糊，不知道學到哪種程度合適，自己掌握的知識用來做專業的工作夠不夠，抓不住重難點，學習效率當然明顯更低。
2 、很難堅持到底，達到預期的水平，和大多數人一樣我也經常高估了自己的意志力，就不在關鍵時候去挑戰了這些人性裡的弱點啦。
這期間算是為了督促自己學習也報了兩個班，雙保險，哈哈哈…
05面試準備哪些最重要？
面試內容就是三大部分：項目經驗，知識基礎，編程能力
編程能力
先講一下我的經歷和得失吧，其實算法和數據結構是基礎，不是很難。我的優勢是我準備的很早，leetcode刷了一百多道，參加了很多周賽，基本上週賽平均做出三道，最好成績前20%。當然這個成績對面試沒什麼用，但是面試算法題基本都不會心虛了。
我的失誤是，這些算法都是用Golang刷的，並沒有用Python再刷一遍，大家可以避免一下。雖然在小象的課程裡有往回掰，但時間還是不太夠。因為面試主要面Python，所以吃了一部分虧。
另外兩部分由於掌握不熟悉也吃了很大的虧，一個是Numpy常用api，一個是Tensorflow和Pytorch常用函數。
現在回頭想想這三個部分都是老師上課強調過的重點，其實跟著老師思路，抽出一天專門學習記錄一下，就可以突破的。但是我後面節奏不好，一直沒有好好整理，掛在這方面的面試有四五家，挺遺憾的。
知識基礎
知識基礎，就是領域知識。分析了我過去的科研和工作經歷，小象老師建議我選擇知識圖譜的方向的工作。（小象的就業培養分為4個主流的招聘強需求的算法崗方向：NLP、CV、推薦和風控，會根據個人意願和背景能力選擇一個方向主攻）
方向真的很重要，方向定了，事情就簡單了很多，一點點準備就可以。知識圖譜涉及的領域知識，由於知識圖譜可以看作NLP的一個子領域（不要太較真的區分），所以涉及機器學習、NLP、知識圖譜本身的知識。
也就是說面試會問ML經典模型，NLP經典模型，知識圖譜的經驗技巧。只有一個月的時間，這三個方面都要準備，可以說任務量非常重，幸好有小象老師根據專業經驗對面試範圍做了總結，像考試前劃重點的一樣，把重難點都標記出來，讓我準備起來更高效而且心裡更有底。
但時間還是有些倉促，加上自己效率不高，估計也就是準備了七七八八吧。很多知識點，都是面試過程中補上的。每次面試完之後都會去回看課程還會直接和老師討論覆盤，邊面試也學了很多技能。
項目經驗
這個要跟進自己的經歷來準備，需要好好的總結一下過去做過的事情，不懂的直接問小象就業輔導的老師，他們都是從業十年以上的很有經驗，能快速的幫你挖掘出來亮點。
06
求職經歷和麵試題
我的面試大約用了一個半月的時間，面過很多家公司，運氣比較好，一共拿了7個offer，最後選擇了一個BAT大廠，知識圖譜算法崗，月薪28k，比原工資翻兩倍還多。
補充下福利對比，除了子女上學，福利待遇都是新東家好。免費食堂，還有好吃的零食和下午茶
。
關於面試策略：
一定要先去面不是特別想去的小公司測試和鍛鍊一下自己的面試能力，找好感覺後再去面大公司。畢竟大公司都是有冷凍期的，至少每次面試，都會看到之前面試的結果，所以大公司的面試機會一定要珍惜。
知識圖譜的面試內容：
- 工程方面：爬蟲，圖數據庫；
- 算法方面：NER涉及的詞向量，crf（crf可能涉及hmm，memm），transformer，bert；
- ML模型：svm，lr，gbdt；
- 算法推導：比如softmax；
- NRE的一些常見問題（這個比較難，需要好好準備）；
- 圖譜的應用：常見的檢索、問答，就按照自己的經驗準備即可（我個人方面，這邊應用就做得比較淺，坦然面對即可，不懂裝懂也是面試大忌）
閱讀更多 超級僱主 的文章
