1. 程式人生 > >記校招這場尷尬的經歷Ⅰ--阿里螞蟻金服(演算法工程師-機器學習)

記校招這場尷尬的經歷Ⅰ--阿里螞蟻金服(演算法工程師-機器學習)

        本人上海某西南高校研究生,專業方向跟人工智慧沒有任何關係(雖然老闆總想扯上點關係),輔修了機器學習、深度學習等一些課程,當然沒有專案實踐,所以這是一場開始就知道結果的面試。

        拜託一個朋友進行的內推,本來是想內推C/C++開發的,朋友說:“你這專案經歷也沒有C/C++相關的,只有一個強化學習相關的,要不換個職位試試(雖然只有一個很low的Q-learning相關的專案)。”抱著試一試的心態同意了,然後就有了這一場尷尬又不失禮貌的面試一輪遊了,哈哈哈~。

       上午11點半接到的面試電話,但由於當時正在除錯硬體,所以約了下午4點面試(後來想了下,有點倉促),我基本沒準備,只來得及找個安靜的地方接電話,就開始了我的電話面試。

        面試官第一件事就是進行自我介紹(提前準備了下),就這麼過去了,很誠懇的說明了一下自己並沒有什麼機器學習的實踐經歷,也不知道這樣子好不好。

        接下來就讓介紹了一下實驗室的研究內容,這段聊了很長,因為研究內容偏物理,所以面試官好像也有點雲裡霧裡,主要問了下自己負責的部分,由於這個專案是自己全權負責的,感覺說的還好,面試官感覺也還好。但是接下來就不怎麼美好了,因為我說了一句:我不瞭解影象處理。然後接下來就是一場尷尬的聊天了,我只能感謝面試官的素養,沒有直接結束面試,只是說了一句:我們這就是做影象處理的。

       接下來問了一下:Q-learning、SVM(中文名,支援向量的意思:離最優分類平面最近的離散點,也可以稱為向量,也就是說分介面是靠這些向量確定的,他們支撐著分類面。詳見:

https://blog.csdn.net/v_july_v/article/details/7624837)、CNN中卷積層的作用(分離特徵)以及為什麼影象處理比較常用卷積神經網路(因為影象的特徵是離散的,區域化的)。

PS:SVM、CNN被問到的頻率特別高!

       最後問了面試官一個問題:他們需要什麼樣的人。

       面試官的回答是:1、動手能力;2、學習能力;3、機器學習基礎(特別是影象處理方面的知識)。也很直接的告訴我,我的第三部分非常缺乏。總而言之,雖然是一輪遊,但是也在預料之中吧,也很清楚自己缺乏的是什麼了。好好準備,秋招再見。