本人毕业于双非本硕，从事算法这个工作有一定时间了，一直想找个机会总结自己的过往，但是一直没有一个空闲的时间，这次正好遇到裁员，并且也是很幸运作为一份子，不过最后还是进了一家大家熟悉的大厂。

言归正传吧，之前我也和大多数同学抱着一样的心态，认为算法工程师的title比较高大上而且它所带来的Income也很可观，可是这个前提是你的公司不会发生裁员，并且你不会被公司裁了，但是很快我就经历了裁员，不过基于平时的积累有很快就拿到了offers，部分是大家比较熟悉的大厂。在这里，提醒下应届同学在择业时候，请考虑你选的Inc和BU是否核心BU，并且一旦发生“优化”，你是否中招？

依稀的记得，裁员的那天氛围比较异常，一起工作的同学陆续被叫去聊天，我觉得按照业务重要性排序，我也要被“优化”了，果然在接近中午的时候，我也在公司办公软件收到了组织部的message，心里想着“好吧，优化就被优化吧，也挺好，能赔个N+X”，去办离职的时候hr小姐姐给我介绍了我的赔偿感觉还挺香虽然说是被“优化”了，在走完离职流程后和被裁的同事们互相加了vx，就离开了Inc.没想到离职还能这么轻松，哈哈~~

3.0 简历准备

简历准备一般都是即将参加面试的同学最大的痛楚，因为一份好的简历需要提炼出你的优点和你的长处，提升hr和面试官对你的映像，就像一篇好的作文一样，就让读者觉得作者超强。不过在这里我直接找了我们Inc的啊典老师，开通增值服务指导我花了两天时间修改了一份比较精炼的简历~（物美价廉吧），也有求职和简历优化定期推文，文末会附上啊典老师公众号vx二维码。

3.1 1st week

第一周的时候便开始了刷题和看机器学习的知识点，这个过程也还好，毕竟之前有背过原理而且在业务中对指标进行理解吧。这里想给应届同学的建议是在业务中理解指标的作用（和业务的结合吧）。比如说：

1）AUC很高就真的很好么？

2）或者说交叉熵很小也真的很好么？

...

在真实场景更多的正样本占比较稀疏，所以的话AUC很高也可能只是正样本比较少，交叉熵较小是不是模型拟合了负样本能力较好？所以在面试中面试官固然会考你会指标公式的背诵，但是也会考察你对指标在业务中的导向作用。

3.2 2nd week

这一周开始完成部分中型企业的终面以及开始某大厂A的1面，但是由于准备不是很充分，1面GG了被面试官丢到池子去了。然后痛定思痛，重新从头到尾梳理了项目的流程，并且准备了遇到的问题及闭环监测指标，比较顺利通过了几个中型厂终面，所以开始大厂B、C的一二面还算较为顺利了吧，然后就是大家熟悉的口头of了~，这里给同学们的建议是只要有实力就可以拿到of的，只要好好准备，多思考指标对业务的指导作用就能拿下ofs。笔者主要是靠平时参加DC数据城堡、天池等平台的比赛拿了一些top名次，并且在实际工作也会结合这些比赛带来的收益去和工作遇到问题做结合，然后在面试中进行重点突出，这点对入门的同学来说是有正向作用的。

3.3 3rd week

这周开始就是大家比较刺激的开奖环节，由于笔者在技术面表现得还不错，拿到的of也比较满意，最终选了一家比较适合自己发展的大厂Inc ，毕竟大厂title还是比较香吧。

总的来说，大家要选一个自己喜欢的方向和Inc，到底是做机器学习、CV还是Nlp这个得好好想想，毕竟这个行当不仅是你用来赚钱，还需要兴趣去不断学习知识突破现有认知；然后在上班过程中理论结合实际，多思考，因为面试官很多问题都是问你在项目中碰到难题和解决方案。

在最重要的最后一行挺感谢数据挖掘平台DC数据城堡能提供真实的场景数据给我们在业余时间进行锻炼提升自己以及我曾经的hr—啊典老师帮我优化简历，也要感谢一路帮助自己成长的小伙伴们。

2022，新的一年，各位，加油！

麦克

长按二维码关注ChallengeHub

每日给小伙伴带来机器学习、NLP、数据分析知识分享以及竞赛干货，职场经验。