研究型AI面经 | 来自一位Reddit网友谷歌面试经验分享

关注上方“深度学习技术前沿”，选择“星标公众号”，

资源干货，第一时间送达！

转载自量子位

大多数学生在求职前，都会经历实习的过程，那么面试就必不可少。

Reddit上一位NLP领域研究生便提出了这样一个问题：

研究型实习岗位面试时，会被问哪些问题？这些问题主要考验自己的经验，还是对领域了解的程度？

想必这个问题也反映了大多数学生的心声。

那么Reddit网友又给出了怎样的答案呢？

Reddit网友分享面试经验

网友hyhieu参与过第一届Google Brain Residents项目，他在评论中分享了面试经验。

首先，大多数所谓的“研究面试”(research interviews)，意思就是“告诉我你过去的研究项目”。我认为诀窍在于吸引面试官的注意力，因为在面试过程中，没有足够的时间去做任何真正的研究。

做好应对一些尖锐问题的准备，比如，面试官可能会问“为什么你要在 NuerIPS 2019年的论文中使用 XYZ？我认为 UVW 效果会更好。”

其次，“软件工程”方面的面试问题几乎都是差不多的。虽然与AI没有太大的关系，但是他们还是会不断的问这些问题。你只要上 LeetCode，或者任何你喜欢的网站，解决足够多的问题就可以了。

我认为大多数研究人员并不关心你在“软件工程”上的表现。

网友mrpogiface近期在谷歌参加了面试，今年夏天将加入谷歌大脑团队实习，他分享道：

总共进行了3轮面试，都是在电话里。

第一次谈我的研究和论文，包括为什么这个领域很重要，还有什么未解决的问题，我做了什么，应用程序等等。这是最简单的一轮，因为我可以谈好几个小时，而且我喜欢我的研究。然后，被问到一些非常基本的机器学习问题，这些问题都是关于监督学习方面的。

第二次面试就看起来更像是普通的ML面试。他们询问了一个相当复杂的 NLP 问题。我讨论了当前 SOTA 的最基本的解决方案，更多的是技术方面的问题，但没有代码。

第三轮是一个普通的谷歌编码面试。

我的背景是数学，但他们没有问任何“棘手”的数学脑筋急转弯，也没有问任何离奇的数据问题。都是些非常标准的机器学习/深度学习的东西。

准备工作是很困难的。但如果你机器学习课程学得很好，并且已经阅读过文献研究等，应该是很容易通过面试的。

网友ajayrfhp还表示：

这非常取决于公司本身。一般都会考通用的机器学习、数学。公司并不希望你成为AI领域的全能专家。高级的面试问题会根据你的背景和参与过的项目量身定做。

资源分享

书籍推荐：《自然语言处理》

GitHub：
https://github.com/jacobeisenstein/gt-nlp-class/blob/master/notes/eisenstein-nlp-notes.pdf

《剑指Offer》题目汇总&常考题总结(Python实现)

GitHub：
https://github.com/shenweichen/coding_interviews

哥伦比亚大学应用机器学习课程2020

博客：
http://www.cs.columbia.edu/~amueller/comsw4995s20/schedule/
GitHub：
https://github.com/amueller/COMS4995-s20
视频：
https://www.bilibili.com/video/av86820508

马上要进入春招阶段，无论是实习还是正式岗位，你准备好了吗？