根据北美Offer故事系列直播整理而成，回看视频
http://t.cn/RTvWcyg
人物介绍
小C，BitTiger DS502 AI直通车学员，刚入职一家医疗图像研究所，职位Computer Vision Engineer。EE本科，EE研究生。
主要内容
  1. AI工程师学习准备过程：（C++；图像知识；深度学习知识；简历内容）
  2. AI工程师求职面试经验总结
大家好，今天跟大家分享一下自己在AI方向求职的经验，希望能够帮助大家少走弯路尽早收获offer。我在整个求职准备过程中，要求自己尽量在3天内完成每个小目标，因为求职准备时间宝贵，整个求职周期也非常长，所以需要保持一个高效快速的节奏。
学习准备的干货内容
在所有工作开始之前，首先要做的是把自己AI方向的环境设置好，包括以下几方面：
  • OpenCV
  • DL framework（Tensorflow，Keras，Caffe，MxNet）
  • Ubantu
  • C++
  • Python
  • Machine Learning Basics
关于C++的准备
必须会C++的AI工作
AI Engineer / Computer Vision Engineer / Self-driving Car Engineer / Image Processing Engineer / SLAM Engineer/GPGPU Engineer
不一定需要C++的工作
Data Scientist / Deep Learning Scientist / NLP engineer / Machine Learning Engineer（这里指的AI工作主要在视觉方面，不含NLP和推荐系统）
重要的C++基础知识
C++11：Smart pointer最重要,  其中shared_ptr，unique_ptr非常容易考到。
STL：容器需要好好掌握，容器的添加，删除，排序等，需要掌握Vector和Map。
类：有很多前缀，后缀，比如const， static，override，virtual，pure virtual，这些我们要记清楚。
向大家推荐一本关于C++的书《Effective C++》，里面会有面向对象或面向过程等不同的编程风格学习，这本书比较薄，非常适合面试准备过程中看。另外大家也可以在Youtube上找一些短视频进行观看学习。
对于Leetcode刷题，大家可以根据自己的时间合理安排，Easy和Medium难度的题最好可以刷300道以上。如果用C++刷题，有机会跟着现成的算法课或者视频课刷题是非常高效快速的。
关于必要图像知识的积累
需要知道的基本知识有：
  • 特征点
    • Harris角点检测
    • SIFT
    • SURF
    • ORB（比如面试题：在SLAM系统中为什么用ORB，而不用SIFT和SURF？）
  • 描述子和匹配，FLANN算法
  • 相机模型
    • 相机内参，外参数
    • 相机标定（Vision Reconstruction）
  • 基本的大块概念
    • 图像配准，运动检测，光流等
  • OpenCV：非常重要，面试任何一个关于图像工程师的职位必需。
    • Mat基本操作遍历必须会
    • 其他东西可以根据算法推演
  • CUDA
    • 非常容易赢得图像方向面试的优势，使用CUDA并可以解释清楚会令面试官对你刮目相看。
关于深度学习知识的积累
  • 至少熟悉一种框架
    • Caffe，Tensorflow，Pytorch，MXNet等
    • 推荐Tensorflow + Keras
  • 至少一次Kaggle项目的经历
    • 如果有名次（15%）简历上写一个就可以，如果没有名次可以多写几个
    • Ensemble multiple models，数据科学家非常欣赏可以组合不同model。关于Model，起码用一句话可以迅速说出各自的优点：
      • GoogleNet V12345
      • VGG
      • ResNet
      • MobileNet
      • AlexNet
  • 模型选择
    • Fine tune
    • 参数训练技巧：如何设置初值，如何调参
下面列举些面试官经常问的小问题，大家可以思考：
  1. 平常喜欢用什么Optimizer？
  2. 为什么神经网络越深越好？
  3. 为什么需要网络thin呢？
  4. Gradient Vanish造成的原因是什么？
  5. 为什么会造成Overfitting，怎么克服Overfitting？
  6. 如果面试谈到Batch Normalization，面试官会问它是什么
  7. Range of each hyper parameter？
  8. 一些普通机器学习的小知识，比如把SVM与分类算法做对比，SVM优势在哪？
  9. 数据集大小和切割是最经常问的问题，要对自己的项目非常熟悉。

关于简历重要tips
  • Ensemble过很多不同的model
  • Transfer Learning
  • 手撕过整个网络各种层以及反向传播
  • Kaggle Project
  • 有实习经验，不局限于深度学习，有图像方面或软件方面的经验也非常好。
求职面试的经验总结
在面试过程前两分钟，先细心观察面试官是什么样子的人，从言行举止方面与面试官及公司文化的契合。
不要想等准备好再面试，机会不等人，很多时候等我们准备好职位已经没有了，可以从小公司开始练手，大公司找人推荐。如果实在拿不到面试也可以投国内公司，国内面试对算法题没有北美严苛，但其他方面也有很大的指导性，并且国内公司面试问题更偏向实操。
AI方向比较热门的方向：
  1. 自动驾驶（比较火热）
  2. 医疗诊断（钱多，公司多，职位多，职业发展有限）
  3. 推荐nlp（互联网公司）
  4. 聊天机器人（热门方向）
  5. 视觉导航
  6. 金融
  7. 视觉机器人
  8. VR / AR
  9. 监控
面试初期遇到问题：投简历没有人回复
  • 工作经历没有足够突出
  • 没有把简历写到HR能看懂的程度,可以请Recuiter帮忙修改简历
  • 你可能需要一个general的Cover Letter
  • 自己去Linkedin加Recuiter，Bittiger也有很多资源，可以充分利用资源
面试中期问题：面试题回答不流畅
  • 对于自己不熟的项目经历要记录下面试官的问题，不断完善
  • 有时候面试技巧缺乏，可以多找同学朋友模拟演练，面试多总结
面试后期问题：Coding
  • 一定要有耐心
  • 很多时候Engineer的工作就是把Research翻译成C++并与现实相结合，不要总想做一些特别高端的工作，不要眼高手低
  • 可以去上一些刷题的课程，或者跟小伙伴一起努力
  • Coding对面试成功重要性占到至少50%，必须重视，即使AI方向走不通，起码以后也可以去SDE发展。
写在最后
我整个准备求职的过程超过五个月，经过了不知道多少天的突击学习，不眠不休地看书，编程与配置环境，最终在马上要放弃的时刻收到了心仪Offer，很多同学跟我一样可能经历过多次崩溃想要放弃，但很多时候，你再多坚持一会就能找到工作了，希望大家都能够早日获得自己的Offer。
想要了解Data方向，入门Python、R语言，
打好机器学习基础，学习工业实践案例？
BitTiger为大家提供了快速入门免费学习资源！
复制链接或点击“阅读原文”进入课程
http://t.cn/RTvWfsB
领取免费课程步骤
BitTiger注册用户
  1. 点击上方链接，Login，即可直接观看视频；
  2. 进入自己的profile即可回看视频。
非BitTiger注册用户
  1. 点击上方链接，Register，即可直接观看视频；
  2. 进入自己的profile即可回看视频。
继续阅读
阅读原文