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!