一. 实习要求:
- 学历背景:
985/211/0S100的院校背景,通常本科生即可,但部分顶尖项目会要求硕博在读
- 专业偏好:
计算机、人工智能、自动化、应用数学、统计学等相关专业
- 实习经历:
在互联网大厂、薯名IT公司有1-2段数据挖据或机器学习相关的项目或者实习经验,或者有高校实验室的工作经历
- 技能要求:
编程能力:C++、Pyihon等必备
算法基础:熟忌深度学习算法和tensorhowv等框架的使用
- 实习时长:
3.6个月起
二. 面试类型:
深挖简历:简历中提到的项目、相关技术、相关法
编程类--考察Python、C++等
算法类:
传统机器学习相关算法原理及使用细节:
如:K-近邻,K-Means,朴素贝叶斯,决策树(ID3,C4.5,CART,GBDT, Xgboost,Lizhtebm,机森林等),逻辑回归,最大烧模型,支持向量机SVM,EM算法,隐马尔科夫模型,条件随机场好。
这些传统机器学习算法在面试中经常会被问到原理,线者直接让你公式推导。
深度学习算法相关算法原理及使用细节
CNN, RNN/GRU/LSTM, Transformer(NLP特征提取)
Word2Vec, Glove, FastText,Elmo, Bert, Flair(预训练词向量)
CNN,RNN,RCNN,DPCNN,FaStTeX,HAN,Bert(NLP分类模型)
GNN,GCN,SGCN(图模型)
会考察手写代码,若非计算机背最学生要求会相对放宽
- 数学类(统计学为主):
例预如:1)因上任意三个点组成的三角形,包含要心的摄率
2)x,y,z都是(0,1)均匀分布,xyz<1的概率
5、行为类面试 -- 考察求职动机、团认协作、项目管理、匹配度等 --例题如: 1)给你项目让你主导怎么规划2)希望做研究还是业务
三. 实习建议:
- 实习经历:至少需要2-3段人工智能相关的实习/项目经历,或者竞赛经历,来提高自己的实践能力
- 统计学基础:要深入理解机器学习,必须要有扎实的统计学基础知识
- 机器学习理论:如不同损失函数的工作原理等
- 数据处理:数据能力对AI工作而言极其重要,需要了解数据果集、数锯预处理、数据后处理
- 编程能力;需要至少熟练掌握1-2们编程语言