终于结束磨人的考试周，趁回大陆隔离到入职之前仅有的几天休息时间，整理了一下自己找暑期实习的过程。

这篇回答记录一下，如果能对大家有帮助那就更好～

背景

BG：CS本+港三DS硕，硕士research的方向是NLP，目标是找任何方向的算法实习。

本科做开发为主没有算法经验，没有top比赛，没有过算法实习，投的时候简历里没写paper。

2月份下学期开始的某个时间点突然意识到将来走科研的前景问题（自身问题不是科研的问题OTZ），于是考虑找个暑期实习攒经历准备秋招。之前没怎么想过要找工作，没什么刷题和面试的经验。打算先刷一阵子题硬上暑期春招，投递一些中大厂试试看，找得到的话秋招争取冲一下，找不到可能秋招要换成数分或其他了hhhhh

最后在Loop:{心态崩溃; 爬起面试}中度过了整个四月，不过比较幸运拿到了一些offer（时间顺序，担心被定位有些就不写部门了）：

• 美团：机器学习算法实习，风控 不了解
• 快手：算法实习，NLP+推荐 偏推荐
• 联想：NLP算法实习，纯NLP 偏科研
• 华为：AI工程师实习，ToC 偏推荐
• 百度：算法实习，NLP+KG

时间线以及面筋

• timeline
  • 2-4月：刷题。
    • 整个2月每天固定时间刷，写了100多道lc（剑指offer+经典lc题），整个3月在各种project，assignment和面试之间偶尔刷一刷做过的题保持手感。
  • 3月中下：开始投递个公司的暑期。
  • 4-6月：面试面试面试。
• 简略版面筋：通过的当中，选一些比较有代表性的问题吧（技术面）
  • 美团
    • 笔试：AC 3.4/4
    • 一面：1h；二面：0.5h
    • 一面手撕两数之和变式；二面可能之前题目写的不错没要手撕。
    • 面试简略抠推荐系统项目：介绍Deep FM，Wide and Deep结构；细节抠NLU的项目。可能主考官比较了解项目的小方向，问xxx为什么要这么用，有没有其他的方法；其实还可以xxx做，哪种好，为什么。感觉项目中每一步处理或优化的可解释行都要有所准备。
    • 基础知识考察了深度学习：Triplet loss介绍，BERT原理（输入，训练细节，BERT变种介绍，tokenizer介绍），Transformer（encoder和decoder的结构细节，输入输出，为什么要这么设计，self attention等）；还考察了大数据计算：Spark术语比如task，stage等的解释；SQL的join；数据倾斜的解决等
  • 快手
    • 一面 1h；二面：1h
    • 一面手撕求编辑距离，二面手撕一道二叉树的递归题，mid。
    • 面试深挖NLU项目，按照迭代思路一个一个细节讨论，问题涉及特征工程中统计特征如何提取，Smooth Inverse Frequency，Siamese Network，BiLSTM，ESIM，Sentence BERT，最后结果等。
    • 问推荐系统项目。协同过滤介绍，你们的方法如何将DL加入协同过滤，详细问几处细节为什么要这么做。如何衡量和case study。如何处理。优化方向。指出我们的方法其实不够sota，工业界有更好的方法。AE，VAE细节。介绍其他深度推荐系统的模型细节。
    • 基础知识方面问了Spark：Spark Dataframe，Spark Stream，Spark SQL语法知识等。NLP方面，问了Word2Vec两种模型，两种优化策略，哪个更好；GloVe介绍，损失函数；Transformer的结构，encoder和decoder的输入，self attention，为什么比RNN好，encoder和decoder都能并行吗，decoder的mask是什么；介绍一下BERT，介绍一下两个训练任务，介绍一下如何fine-tune，BERT后接网络如何训练；XLNet介绍等。、
  • 阿里
    • 笔试：两道都没AC
    • 一面：1h；二面：1h
      • 一面因为笔试做的不好，在伯乐系统补了两道手撕，一道mid一道easy。二面一道dp的hard题。
      • 面试内容以聊天为主，主要注重整个项目的迭代过程以及每一步我的思路。基础知识考察，优化方法，正则化，RNN，LSTM，Attention，CNN等。
  • 联想
    • 偏聊天为主，注重每个项目的future work，然后发散地讨论
  • 百度
    • ·笔试：忘记AC多少了，大概1.x/2吧
    • 一面：1h；二面：1h；三面：0.5h
    • 一面手撕一道dp，不难；二面手撕是NLP场景题，文本相似度相关（没做出剪枝最优解，后面讨论出来了）；三面没有手撕
    • 面试主要关注NLU项目，扣的细节。基础知识方面注重NLP经典模型方面基础知识考察（Word2Vec，ELMo，Transformer，BERT，GPT，t5等）。其他知识问了Docker，统计机器学习（LR，SVM，Bagging和Boosting），也问了QA的知识，IRQA，KBQA等等。
  • 华为
    • 机考
    • 一面手撕回文串；二面没手撕
    • 面试以聊项目为主，根据项目的点问一些基础知识；还问了大学到现在的技术栈变化，以后在技术上职业生涯的规划。
  • 其余没过的
    • 投完简历或做完笔试根本没有理我：网易，字节，滴滴，依图，微众。原因可能是投晚了。。
    • 面试挂的：腾讯机器学习，京东NLP。原因是菜。
• 经验
  • 早投早投早投
  • 刷题很重要，个人感觉题做不出来基本会凉。没思路的话可以适当和面试官交流下。
  • 基础知识复习的优先级要低于项目和刷题，如果项目经历不水一般没时间问到除了项目相关以外的基础知识。

想说的话

• 留学生学制短，课程压力（proj，midterm，assignment，hw）已经很大，再准备简历，复习基础知识，刷题真的有些忙不过来。之前其他家的面试官面完说感觉你们一个学期过的好辛苦hhhh。
• 心态崩是最正常不过的事情。有时候面试失败不是你的问题，可能也只是没碰到欣赏自己的面试官。
• 准备实习都已经身心俱疲了，虽然上岸了算法实习，但还是不知道秋招会怎么样。经验不足要补的技术太多加上留学生自身的劣势，想必秋招压力会更大。不过也没办法，即然想走算法那么只能硬着头皮接着冲，给自己加油啦。
• 最后应该还是想在实习期间积累一下线上推荐的经验，纯NLP的实习就暂时放弃了。
• 希望自己以及看到这篇回答的大家秋招一切顺利