昨天，有一位粉丝给我发了他这段时间的工作感触，我觉得对大家非常有借鉴意义，在这里给大家分享下。

本人985硕士一枚，已毕业一年半，之前工作与算法相关，但是感觉自己学习的不是很系统，所以希望通过课程来提升自己。当时比较想转到推荐系统相关的工作，但投递好多简历，都是因为没有推荐算法的经验迟迟没有面试通知。

思来想去还是觉得应该去系统的学习相关课程，所以报名了推荐系统就业班，在完成全部课程后的一周内我就接到了面试邀请。

我第一家面试是JD，第一面面试官问的问题也很专业，我首先介绍了一下自己的基本情况，然后就直接介绍我的项目，和我做过的一些工作。

面试官根据项目问了word2vec的原理（因为项目涉及到了），还有其中损失函数的公式，然后又问了其中，什么是层softmax，如何构建的哈夫曼树，负采样是如何采的，这些是根据项目问的一些问题。

然后问了一些使用的模型，问了xgboost和lr是如何组合使用的，特征是如何选择的，gbdt的梯度是如何体现的等。

最后出了一个动态规划的算法题，一面结束，总体感觉第一面的面试官问的东西还是比较细的，而且都是根据你简历里的东西去问。
第二面，面试官应该是一个leader级的人，他问了一些基础的召回问题，然后又问了一些我换工作的原因，二面的技术性不是很强（可能是一面问的太多了吧）。

第二家是已经D轮的互联网创业公司，这家公司是根据我的项目问了一些比较基础的召回问题，因为我用了als，他会问我一些物品的打分是怎么打的，然后会问一些如果是异常用户行为，比如用户异常刷贴，那als又将如何打分，然后又问了一些使用的模型，比如，xgboost+lr，weed&deep，FM，DeepFM等，之后又问了一下，特征工程是如何做的，最后出了一道树的算法题（比较简单）。

最后两个面试都过了，因为觉得第二家和我比较匹配所以还是选择了第二家。说了这么多我其实要强调的一点就是，学习绝不能闭门造车，想要高效的学习参加课程是非常有必要的！如果我没有参加这门推荐系统课程这两门面试绝对不能通过，甚至可能都没有面试的机会！

面试心得总结：

推荐项目一般会问有哪些评价指标。推荐系统一般有模型线下评价指标如召回率，准确率，覆盖率，AUC等等，线上看系统AB测试的点击率表现等，推荐系统的整个数据流程是如何处理的。

协同过滤如何计算得到N个最近邻问题。数据比较稀疏的样本是如何处理的。为什么要有召回和排序的流程，如何用用户画像进行召回，数据的存储及性能如何解决。

我觉得作为一个合格的算法工程师，首先要有扎实的基础功底，然后需要在一个方面有自己深度的理解，比如word2vec算法，知道怎么用，但也要知道他的内部原理和公式的一些推导，和在什么样的场景下使用，总体来说算法很多，我们学大量的算法是好事，但是对于算法的深度必须要有，注重广度同时深度很重要，而且对于面试来说，我们也同时需要具备数据结构算法的一些知识，比如：树，动态规划等。
说了这么多其实，自己的决心跟努力是最重要的，不管你现在是后端岗还是数据岗，或者是在校学生，如果认定了做算法，就坚持下去，借用现在最火中国动漫的一句话，“是魔（坏）是仙（好），只有我自己说了才算”，这是我自己的一些拙见，希望能帮到各位，谢谢！