干货分享 | AI行业职位生态链、面试考点及真题示例......
“AI生万物”!无论是工业界,学术界,还是与我们息息相关的求职生活,AI的火爆程度不言而喻。然而,这个领域实际历史悠久,并历经数次寒冬。
在我们的印象里,人工智能相关岗位,对学历的要求很高,不是PhD就别考虑了......然而,如今的人工智能项目,很大一部分由工业界引领。只要你了解相关的知识,有相关的经验,那么AI的大门随时为你敞开。
那么,如何让面试官信服,使他们相信我们能胜任这项工作呢?
本篇文章概况
人工智能行业职位生态链
语音助手
计算机视觉
机器人技术
智能制造
面试考点及真题示例
是否需要刷题
算法和理论基础
业务理解和深度思考
所有的落脚点——项目
求职时间轴
找AI相关工作需要哪些准备
大学课程
书本阅读
项目
完整视频回顾
讲座导师
人工智能行业职位生态链
“想进入人工智能领域!”没问题,但是在此之前,我们需要先了解一下人工智能领域的行业生态链,品一品我们可以搜寻什么方向的职位。具体为语音助手,计算机视觉,机器人技术,智能制造四个大方向。
语音助手
1. 语音交互:端上信号增强、语音唤醒、语音识别(Speech Recognition)等。
2. 自然语言理解(NLP):意图识别、对话管理和智能聊天等。
3. 数据挖掘(Data Mining)和知识图谱(Knowledge Graph):知识抽取、知识图谱融合、知识众包、知识问答等。
4. 个性化推荐。
计算机视觉
视频理解,图片检索,物体识别,图像分割,物体跟踪,人脸识别,双目视觉等。
机器人技术
实时定位(SLAM)、环境建模、传感器融合、目标检测、场景分割、路径规划、运动控制、故障检测、多机器人系统等。
智能制造
基于人工智能技术的新一代硬件研发与制造,如硬件芯片和模组研究,并提供边缘计算和云端结合的解决方案。
面试考点及真题示例
人工智能和其他方向,例如SDE、DS的求职有些不太一样。后者和应用联系的并不十分紧密,毕竟仅仅只是Engineer工作,完成代码就可以。然而,人工智能方向需要对相应的领域有一定了解,有一些上手经验。比如,想找一份与语音助手相关的工作,面试官会衡量求职者有没有处理过相关的数据,有没有做过NLP相关的项目等。
另外,人工智能在面试过程中,也与其他方向有些许差别。例如,在SDE的求职过程中,面试官可能会问编程上比较底层的一些问题,但是对于人工智能,很多会问算法公式,例如“能否推一下PCA“等。
诚然,以上所有的部分都是基于项目经验。而项目经验主要涵盖三大模块:
1. 工程能力:因为实际实践过,编过相应的程序,如果项目做得够好,那么工程能力亦会很好。
2. 理论基础:由于推演过,所以对算法自然也非常熟悉。
3. 业务理解:同样,项目经验也包括求职者对数据有一定的理解。
是否需要刷题
那么,准备人工智能方向的求职需要刷题么?又要求什么级别的工程实现能力与编码水平?
人工智能要求一些编程的能力,但不需要很高,这个方向更注重算法。所以LeetCode上,刷刷中等难度的题就基本够用了。
所以,面试时都用什么语言?
面试不同的职位,要求的语言也有所不同,基本可分为C++,Python,Hadoop三种。其中,C++和Python更为常见。C++在机器人方向上,是非常重要的编程要求。它的实时性比Python要好很多。另外,根据近年趋势,Python上升非常迅猛,该语言同样也在渐渐提高自己的实时性。
以下是一些面试真题,有兴趣的小伙伴可以看一看。
面试真题示例
☑ 字符串移位,给出字符串abc##dfg##gh,实现将所有#移至字符串串头。输出####abcdfggh(个人认为可以用后向移位,减少移位次数)
☑ 给出一个二维矩阵,从(0,0)出发走到右下角,只能向右或向下走,找到一条路径,是这条路径上的总和最大。(个人认为使用动态规划或深度遍历)
☑ 给出一颗二叉树,两个叶节点,找到这两个叶节点互连通的一条最短路径。(个人认为主要是找两个叶节点的最近公共祖先)
算法和理论基础
我们曾提到,在人工智能求职上,算法和理论基础非常重要。以下是部分面试真题,小伙伴们可以感受下。
面试真题示例
☑MLP的BP过程?
☑ maxpool层BP怎么做的?
☑ 传统图像处理,比如去燥特征提取,LBP,SIFT
☑ 解释隐马尔可夫模型(HMM)
☑ PCA的推导
业务理解和深度思考
提到业务理解与深度思考,我们列出了以下关键词,希望会对你的求职有所帮助。
NLP:搜索、广告、垃圾过滤、安全、推荐系统
Computer Vision:视频理解、图片检索、物体识别、图像分割、物体跟踪
Robotics :实时定位(SLAM)、环境建模、传感器融合
所有的落脚点——项目
理论基础:使用了哪些算法,算法原理的推导
工程能力:算法如何优化的,参数调优方法,如何加快计算速度的
业务理解:这个项目对于在工业背景下有哪些应用
扩展思考:这个算法是否是最优的,是否有更好的算法替代
除了以上需要思考的四个方面,面试还包含必不可少的BQ环节。我们可能会被问到:
你做项目过程中遇到的问题/难点?
你是如何解决这些问题的?
样本不平衡问题,负样本如何挑选,模型的选择等考察技术和个人能力的问题。
求职时间轴
最后,我们来看一眼求职时间线。因为人工智能这个方向和其他领域略有不同,职位基本全年都有,在求职时间轴上,就不标注具体是一年中的哪一月哪一天了。
对于人工智能求职,首先要有一定的基础准备,适当的职业规划,准备实习,之后冲击全职。
找AI相关工作需要哪些准备
大学课程
了解了人工智能求职的时间轴之后,我们又该怎么准备求职呢?
首先,在大学课程选择,也就是基础的准备上,我们需要大概了解一下什么是人工智能,有哪些算法。以下这些基础课程,机器学习课程,专业方向课程都是在大学里面需要补充的知识。
书本阅读
其次,在保证课业的基础上,还可以翻一翻人工智能相关的书籍,衡量下人工智能是不是自己喜欢的方向。
先推荐两本中文书,《统计学习方法》和周志华老师的《Machine Learning》,后者俗称西瓜书,想必不少小伙伴都曾听说过。机器学习实际是人工智能的内核,西瓜书里介绍了人工智能的历史,也对相关算法有比较透彻的讲解。
还有一些值得阅读的英文书籍,没事时可以翻阅。
最后,专业领域的书籍也必不可少。《Probabilistic Robotics》是机器人里面的圣经。机器视觉也有他们的圣经,《Computer Vision:Algorithms and Applications》。这本书出的比较,但是可以帮助你了解机器视觉领域里常用的一些方法。《Multiple View Geometry in Computer Vision》的作者是牛津大学VGG组的一名教授,无论是作者还是书籍都相当犀利。《Natural Language Processing with Python》则是该领域非常实用的一本书,对NLP感兴趣的同学可以看看。
项目
项目的重要性自然不言而喻,我们可以通过以下三种方式寻求帮助、提升自我:
以下是讲座视频,Shan老师的讲解可比文字详尽多啦!想了解详情的同学可以点击观看!
视频回顾
上岸直通车
直通硅谷坐拥700+在职面试官导师库,不但能根据同学情况及求职需求帮助同学锚定最适合的细分领域;还能预判面试重点难点,为同学定制最高效的上岸计划!
截至目前,直通硅谷已累计帮助学员斩获4900+大厂OFFER!
ALLinONE求职计划OFFER反馈
扫码咨询ALLinONE计划详情
火速匹配大厂资深面试官
至快三个月斩获心仪OFFER
微信扫码关注该文公众号作者