十三 發自 凹非寺
量子位 報導 | 公眾號 QbitAI
大多數學生在求職前，都會經歷實習的過程，那麼 面試就必不可少。
Reddit上一位NLP領域研究生便提出了這樣一個問題：
研究型實習崗位面試時，會被問哪些問題？這些問題主要考驗自己的經驗，還是對領域瞭解的程度？
想必這個問題也反映了大多數學生的心聲。
那麼Reddit網友又給出了怎樣的答案呢？
Reddit網友分享面試經驗
網友hyhieu參與過第一屆Google Brain Residents專案，他在評論中分享了面試經驗。
首先，大多數所謂的“研究面試”(research interviews)，意思就是“告訴我你過去的研究專案”。我認為訣竅在於 吸引面試官的注意力，因為在面試過程中，沒有足夠的時間去做任何真正的研究。
做好應對一些尖銳問題的準備，比如，面試官可能會問“為什麼你要在 NuerIPS 2019年的論文中使用 XYZ？我認為 UVW 效果會更好。”
其次，“軟體工程”方面的面試問題幾乎都是差不多的。雖然與AI沒有太大的關係，但是他們還是會不斷的問這些問題。你只要上 LeetCode，或者任何你喜歡的網站，解決足夠多的問題就可以了。
我認為大多數研究人員並不關心你在“軟體工程”上的表現。
網友mrpogiface近期在谷歌參加了面試，今年夏天將加入谷歌大腦團隊實習，他分享道：
總共進行了3輪面試，都是在電話裡。
第一次談我的研究和論文，包括為什麼這個領域很重要，還有什麼未解決的問題，我做了什麼，應用程式等等。這是最簡單的一輪，因為我可以談好幾個小時，而且我喜歡我的研究。然後，被問到一些非常基本的機器學習問題，這些問題都是關於監督學習方面的。
第二次面試就看起來更像是普通的ML面試。他們詢問了一個相當複雜的 NLP 問題。我討論了當前 SOTA 的最基本的解決方案，更多的是技術方面的問題，但沒有程式碼。
第三輪是一個普通的谷歌編碼面試。
我的背景是數學，但他們沒有問任何“棘手”的數學腦筋急轉彎，也沒有問任何離奇的資料問題。都是些非常標準的機器學習/深度學習的東西。
準備工作是很困難的。但如果你機器學習課程學得很好，並且已經閱讀過文獻研究等，應該是很容易通過面試的。
網友ajayrfhp還表示：
這非常取決於公司本身。一般都會考通用的機器學習、數學。公司並不希望你成為AI領域的全能專家。高階的面試問題會根據你的背景和參與過的專案量身定做。
資源分享
量子位也為大
家整理了一份與AI相關的教程和資源，希望能給你帶來幫助。
哥倫比亞大學應用機器學習課程2020
部落格：http://www.cs.columbia.edu/~amueller/comsw4995s20/schedule/GitHub：https://github.com/amueller/COMS4995-s20視訊：https://www.bilibili.com/video/av86820508
《劍指Offer》題目彙總&常考題總結(Python實現)
GitHub：https://github.com/shenweichen/coding_interviews
免費中文深度學習課程，北大本科生同款
課程視訊：https://www.bilibili.com/video/av88056282/課程PPT：https://pan.baidu.com/s/1dN4NUtDs-tXLvGyKEO1MFQ提取碼：126a
書籍推薦：《自然語言處理》
GitHub：https://github.com/jacobeisenstein/gt-nlp-class/blob/master/notes/eisenstein-nlp-notes.pdf
馬上要進入春招階段，無論是實習還是正式崗位，你準備好了嗎？
傳送門
https://www.reddit.com/
— 完 —