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
