点击上方“CVer”，选择加"星标"或“置顶”
重磅干货，第一时间送达
编辑：Amusi
https://www.zhihu.com/question/22081552
本文仅作为学术分享，如果侵权，会删文处理
应届硕士毕业生如何拿到知名互联网公司深度学习 offer？
非 985/211，计算机相关专业，编程用 Python，研二出去实习，有半年图像类深度学习相关实习经验。想知道自己都需要具备何种知识，何种方式拿到计算机视觉相关 offer？诚谢。
作者：匿名用户
https://www.zhihu.com/question/59683332/answer/281905258
最近找实习，投了一堆机器学习 + 计算机视觉的公司。虽然经历不一定有普遍性，但 po 出来做个参考吧。
个人硬件：TOP 4 本科 + ACM-ICPC 区域赛 + 海外科研经历 + CV类顶会N篇（一作M篇） [ N >= 3, M >= 2]
国内面试情况：图森【过】，商汤【过】，旷世【等消息，应该是过了】，依图【过】
国外面试情况：FAIR【拒】，DeepScale【过】，AutoX【等二轮】，Google Brain【等结果中】，旷视【没回复】
实习也没什么sp/ssp的，薪酬范围基本都是8k ~ 15k，国内单位人民币，国外单位美元。
面试大方向熊风已经说的差不多了，基本所有公司都是 编程基础[1] + ML/DL 基础[2] + 一些你过去的 project[3] 。
因为我投的几篇会议都是 DL 相关，所以面试官基本默认我 [2] 已经很熟悉。同时因为有 ACM-ICPC 经历，加之有给某个开源框架贡献代码，所以 [1] 大部分情况也可以免。面试过程大多是我介绍以前做的 project，然后面试官就里面一些细节提问。过程大多很愉快，很少有被 diss 的情况。
关于拿 offer，几点建议吧
一定要有拿得出手的经历，个人投下来的感觉是 顶会一作论文 > 顶会论文 > 相关 project ≈ ACM 经历 ≈ 阅读文献能力 >> GPA。 如果硬件条件没达标的话，除非是强内推，不然录用可能很小。
需要证明自己的工程能力。现在 CV 届盛行开源之风，不少论文都是接着前人的代码改一改就跑。但在公司里，要做的项目不一定有现成代码。工程能力不够就意味着没法出活，商业公司一般不喜欢这样的人。
面试前好好准备一下。我本以为面试是小意思，毕竟 paper 和 project 之前做过展示，面谈时只要再做一遍就好；代码这块有 ACM 经历锤炼，同时也刷完了 leetcode 所有题。结果面国外某公司的时候刚好撞到枪口----自己的论文刚好是基于面试官的工作做的，被一路追问细节差点语塞。面国内某公司的时候被面试官问了一个很简单的算法题，结果好久没碰算法题了，卡了二十分钟才写出来真想自挂东南枝。
其他的话，等全部结果出来再说吧，希望圣诞能给我面试带来好运。
PS：内推很重要，深度学习算是偏核心的岗位了，这种 offer 大多来来自内推而不是投简历。
PSS：目前面下来压力最大的是 FAIR 和 图森，面这两家的同学祝你们好运哟 ༼´◉◞౪◟◉༽
作者：杜佳慧
https://www.zhihu.com/question/59683332/answer/282108734
回答的大佬好多，我作为一个非典型应届硕士给相似背景的同学一点参考吧。
个人背景：本硕211EE，本科时候GPA（3.9/4）保研，但是感觉这个不重要，也没往简历上写了。
2016.2起在某司开始计算机视觉算法实习，虽然不是什么特别知名的公司，但是感觉进入的时机非常好，每周组会都能 @Hao Su 以及后期@Chuang Gan 讨论问题，感觉获益非常多。
2017.5起在旷厂实习，深刻感受到 @文斌 所说的，把实习生当成共同战斗的伙伴，没有Plan B。期间虽然有压力，但也成长很快，从Engine组的同学那学到不少性能调优的知识。
秋招的时候去了一些公司面试，每一次面试都是一次总结和反思，10月份以后面的几乎都过了，包括百度图森旷厂网易搜狗美图，11月底又收到阿里通知，不过换了部门和岗位就不太想去了。
这里给学校背景不是太强的同学一点希望，包括在跟图森HR聊的时候也好，自己亲身体验的也好，学校只是一方面，过了简历之后还是要靠个人综合水平。
至于平时学习的过程中应该注意点啥，我觉得比较重要的几点：
0.尽可能内推。
1.代码能力。刷题是一种手段，而不是目的。难度的话一般leetcode medium就可以，有时候会被问到hard。个人感觉hard题其实未必就比medium难了，某次面试就被问到一道hard，但是细节有些改动，我还半开玩笑的跟面试官说这不是一道hard题么，面试官也笑着说后面还会有更难的题等着你。细节的改动看似微不足道，其实就足够考验是否能针对具体问题进行相应的调优了。如果实习时候代码好好写，跑得慢就想着怎么改，调用多了看怎么针对性优化的话这些都不是大问题。
2.工程经验。对于常用的工具链是否熟悉。这些就是一些比较细碎的问题了，一般有过实习经历的都是不用思考就能回答上来。
3.探讨自己的论文中的改进，以及某些方向上经典论文的讨论。由于CV方向较多，每个人方向不同，但是对于各个方向都要有一个大体的认识，否则可能会被认为眼界太窄。其实这对于个人来讲也是有好处的，从各个方向获取一些insight，然后思考背后的原理，对自己的研究方向是否有帮助，也是一个encode-decode的过程。另外即使从应用角度来说，好多问题并不是转化成某个方向的问题CNN一把梭就能解决的，这时候广度就显得比较重要了。
以下是废话时间
就我个人来说，大三的时候闲着无聊上了NG老师的课，一度热血沸腾有一次甚至调bug调到差点误了回家的高铁。然后就立志要搞深度学习。当时比较好的一点是由于绩点一直专业第一，不太需要考虑复习考研的事情，因此有很多时间看论文。记得当时印象深刻的一篇论文Do Deep Nets Really Need to be Deep? 后来意识到这是Distill系列的第一篇。受限于本科学校CV方面研究氛围实在不是很好，很多时候甚至找不到人讨论，sigh。
研究生的时候基本绝大多数时间都是在村里度过的，对学校其实没太大感觉。个人觉得如果有可能的话一定要找个好一点的环境，否则很容易就颓了。
作者：闫德辉
https://www.zhihu.com/question/59683332/answer/282428010
新年更新
前两天拿到了正式offer，由于p9老大转岗去了达摩院，所以层主也跟着去了。。。
这事儿吧，七分靠打拼，九十三分靠运气。人要靠自我奋斗，当然历史进程也是很重要的
作为典型计算机硕士来说一下自己的经历和体会，闲言少叙
一、经历
背景：帝都二流985本硕，保研狗
研一上课、学生会玩耍、给导师的横向课题干活打杂
研二上刷剑指offer和 leetcode去百度做研发实习写c++
研二下开始做计算机视觉课题，积累30篇左右cv方面的经典论文，开源代码拿来用。同时看完《机器学习》西瓜书，手推各种算法
暑假在阿里做搜索rank实习
秋招找工作用前期面试为后期面试积累大量经验，收到了梦想的商汤旷视offer，以及阿里的跨部门跨岗位转正offer
二、体会
感受是，如果不是牛逼cv实验室或者明星cv公司实习生出身，顶会论文不要想，但这并不妨碍你找到好工作。
总结就两点：技能多且扎实（面试写代码和推公式考察），能干活（实习经历和学校项目考察）
核心要义一句话：尽早出去实习，勿给自己设限
三、多余的话
这两年在交流中遇到过许多优秀又努力的同学，成绩斐然；同时也遇到过许多给自己找各种借口的同学，比如学校不好、题刷的不够、论文水、没时间实习、基础不好，然后问我是不是公司不会要？我一律回答：是的，那你就等着失业吧。
遇到问题想的不是找办法去做而是找理由逃避，是许多上了二十多年学的人的病，唯有离开安逸校园，到面试官面前才能治好。
勿给自己设限
作者：未雨绸缪
https://www.zhihu.com/question/59683332/answer/282136375
只说普通硕士生比较靠谱的提升竞争力路线：
顶会论文和大型开源项目。
大公司和ai独角兽的实习。
各种数据竞赛。
ai相关的实验室项目。
以上综合考虑难度和作用，推荐程度2>1>3>4。如果都没有，那就只能靠数理基础，机器学习理论，算法能力来说服面试官了。
准备：
顶会论文，实验室没积累，没人带着走，很难。
大型开源项目，可以从阅读源码开始，推荐caffe的源码，虽然过时，但读起来比较容易，也很规范，无论是加深dl理解还是提升工程能力都很有帮助。
竞赛，kaggle，天池。拿到好名次挺难的，但参加几次做特征，调参数挺有帮助的，就算名次不好也能充实简历内容。
实验室项目，创新点很重要，没创新点这个项目就很鸡肋了。
数理部分，临时准备很难，范围很广，真要问只能看上课的时候是不是真学进去了。重点概率论，高数，矩阵论，随机过程，凸优化啥的。
机器学习，李航书和西瓜书对着看和推导。重点svm，lr，树模型，更多的就看面试官喜好了。
算法，剑指offer先刷完，然后左神书，两本刷完可保面试算法无忧。时间有多再刷leetcode。
工程能力，读源码，多写多想。
其他：
简历上的项目算法一定搞清楚，如果写了被问到不会，基本面试就黄了。然后一定要跟面试官多聊，遇到不会的不要直接说不会，把自己知道的相关的东西都说一下，引导面试官问这些东西。如果面试官跟你找不到东西可聊就很危险了。
- End -
重磅！CVer学术交流群成立啦
扫码添加CVer助手，可申请加入CVer-目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测和模型剪枝&压缩等群。一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡）
▲长按加群
▲长按关注我们
麻烦给我一个在看！
