本人属于技术比较菜的那种，虽然在学校研究的课题是机器学习方向的，但是都没有深入系统的学习过算法。
工作有五年的时间，但是毕业时没有什么规划，开始做的不是算法岗位，可能自己比较执着，一直想做算法岗位，平常关注算法的研究进展，因为自己的关注不在工作岗位上，所以工作做的也不好。后来跳槽，说是图像算法岗位招进来，进去做的内容也不是算法，所以兜兜转转还是没转行成功。
因为看算法就关注过July校长的博客，后来学习过七月的一些入门课，但是都是零零散散的，没有任何效果，自己动手还是太少，既然要转行就彻底点，下定决心沉淀下来学习一段时间，报了七月的CV就业班。
02 面试前的准备
对于数据结构和基本的算法，因为自己平常工作也比较忙，没怎么刷过leetcode ，但是这是基础，肯定是要刷下的。
毕竟是工作很长时间的，自己看了很多遍七月之前关于传统机器学习的课程，买了西瓜书，对于SVM，决策树，概率图模型等知识点，只要有知识点不是很清楚，都会在看一遍。
其实现在的研究方向还是离不开传统机器学习的知识，对于实际工作中用到传统的算法还是很常见的。
学习任何东西都要进行总结，要形成自己的知识体系架构。在课堂上，老师会说很多的知识点，最终我们要把这个这些知识点添加到我们的体系里。
比如说到Iou，首先它是一个模型评估的方式，我们就要把它归类为模型评估的体系。那么还有哪些模型评估的方式，这些评估的方式会用的哪些场景中，我们把这一体系给补全，这样在面试中就不会胆怯。准备面试就要把自己的知识体系补全。
简历的准备，我们工作长时间的和他们才毕业的是不一样的，首先我们的项目的选择上要和现在的工作能够有关联。
在这里非常感谢七月的老师们，才开始我的简历准备只写了课上的项目，和现有工作不是很贴切，和就业老师说了下，就业老师就专门拉了个群，邀请授课老师seven博士帮助我修改简历，老师们非常用心。
当然准备的项目一定要很清楚具体的流程。包括数据的准备，用到的图像是多少分辨率，输入网络是多大的尺寸等，写上去的算法要知道为什么用到这个算法，其他的算法有没有想过，有没有更好的算法。
最后面试前准备面试官会问到的问题是很关键的，面试就像是开卷考试，只是我们不知道他会考哪些题，这个范围很广。我们都会看面经，看看面经上问到的问题，自己也准备下。
其实，就像是老师在我们群里发了面试的主要考察点，稳定性，业务能力，个人态度/思想观念。
我们一般都会准备业务能力的问题，可能忽略另外两个，有时自己技术面试过了，就是HR面试，不知道啥原因就挂了，主要是我们回答问题，表达不要太夸张，表现自己想进公司的愿望就行。
我是一个比较语讷的人，面试会很紧张，可能很多人和我一样，所以准备这些问题要充足，因为在面试表现只能发挥50%，那自己就准备150%的，如果面试时会经常忘掉准备的，可以自己在家练习，把问题的答案写下来，反复练习，这是老师们说的一个好方法。
对于业务的问题要准备几个方面吧，项目问题和项目延伸的问题，CV方向的基础问题，传统机器学习算法，算法和数据结构，这个问到的不是特别多，笔试会遇到。
03 面试经过
对于工作一段时间的，在猎聘网上投简历比较好些，我在BOSS直聘，拉勾上基本没啥回复。猎聘上只要更新简历，就会有不少猎头联系。
我面试的公司主要分为几大类，一个是和自己现在公司同一行业的公司，一个是CV行业的明星公司，还有就是其他做视觉的公司。
开始时候，都是很多现在同一行业的公司，面试了好几家，也是自己没做好这方面的准备，问了好多传统的算法。
1.图像配准怎么做的；
2.图像分割用到的哪些算子；
3.图像变换矩阵是多少自由度，等这些图形算法。
因为这是自己项目写了，所有问到。
CV行业的明星公司，主要说了很多项目中的细节，后来问到一些基础知识，卷积运算的参数量，还有如果3*3的卷积，输入尺寸告诉你，需要多少次相乘运算，resnet为什么可以成功，为什么叫残差，知识蒸馏为什么叫知识蒸馏，图像检索中的TOP5怎么得到，如果给你很大的数据，一个机器放不下，怎么拿来训练，K-means算法的原理，初始值的选择对结果有没有影响，这里自己在二面，表现不好，被刷下来了。
面试成功的这家公司，主要技术问题面试的其实不多，开始说了下项目的问题，后来主要是在讨论公司的工作内容，其实在这里，我一直是在讨论公司项目中可以用到的算法，解决现有问题，还有表现对公司做的东西很感兴趣。
后来就笔试，其实我感觉笔试不是很好，看英文文章，写出技术方案，写出核心算法的代码或伪代码，这个可能做的比较好。有时面试是比较实在，公司就是招直接能干活的，可能你没干过，但是表现有这方面的能力就可以。
面试要做好充足准备，对自己要从事的方向要明确，在面试这家公司之前要想到所有可能要问到的问题，我也没有面试很多公司，上面也是自己面试的一点经验，希望能对大家有启发，找到自己心仪的工作。
