前言

熟悉我的朋友可能已经知道，我个人从 2010 年开始在CSDN写博客，写了十年，如今接近1700万PV，创业做「七月在线」则已五年，五年已30多万学员。这五年经历且看过很多的人和事，比如我们的机器学习集训营帮助了超过1000人就业、转型、提升，他们就业后有的同学会分享面经，当看到那一篇篇透露着面经作者本人的那股努力、那股不服输的劲的面经的时候，则让我倍感励志。比如“双非渣本三年 100 次面试经历精选：从最初 iOS 前端到转型面机器学习” 这篇面经，便让我印象非常深刻。在佩服主人公毅力和意志的同时，也对他愿意分享对众多人有着非常重要参考价值和借鉴意义的成功经验倍感欣慰。

当然，类似的面经远远不止于此，后来我们整理出了100篇面经，汇总成册为《名企AI面经100 篇：揭开三个月薪资翻倍的秘诀》，这 100 篇面经分为机器学习、深度学习、 CV、NLP、推荐系统、金融风控、计算广告、数据挖掘/数据分析八大方向。分享面经的作者各种背景都有，比如

1. 科班，或非科班；
2. 985、211，或双非院校；
3. 研究生或本科，甚至大专；
4. 学生，或在职；
5. 至于传统IT转型 AI 的就更多了，有从 Java、PHP、C、C++等偏后端服务转型的，也有从 Android、iOS、前端等偏客户端开发转型的，当然也有数据分析、大数据方向等转型的。

但令人振奋的是，他们都转型成功了，而且他们中的很多人都通过集训营/就业班三个月到半年的学习，成功实现薪资翻倍——这些成功的经验就更值得借鉴了。

就业部的同事特地将这些宝贵的经验整理出来，希望可以帮到更多人。

第一部分 励志！普通IT研发转行AI的学路、心路，和充满干货的面经

以下部分均为集训营学员孟同学所写，培训之前做Android，目前年薪已近翻倍：

不是七月的就业老师催着写总结，我可能还在拖着不去回顾。人都有惰性，七月的老师催促自己总结这段经历，一如刚报名时催着大家预习、考试、提交项目。七月好像自身蕴含这种属性，催促你前进。

我是机器学习集训营的学员，双非院校。在校时实验室研究图像识别，但自己当时做技术实现，理论方面研究得比较浅。毕业后做了两年软件研发，发现实际工作跟上学时想的差别挺大，而且编程方面自己优势不大，于是觉得还是把以前接触过的图像识别加深下，顺带学下机器学习，转岗吧。当时实在是受够了长时间加班，而且对所做的技术方向有了较全面的认识，觉得发展很有限。

---

July我插一句，想免费试听集训营（集训营最新一期由七月在线和CSDN联合开设，详情点击：https://edu.csdn.net/topic/20201111?utm_source=eduxy_blog09_xtk）里svm与xgboost内容的（讲得非常透彻，胜过无数资料），可以添加此企业微信，添加时备注：集训营免费试听

---

在新公司干了九天我就辞职了，辞职后真得觉得充满干劲，因为前面有片浩瀚的大海等着自己去冲浪。把不如意的现状打破，解下枷锁，全力投入新战场，即使暂时没有收入，即使积蓄仅够两个月生活。但是顾不得了，要干，就马上干。

我先自己闭门在家，看完了冈萨雷斯的《数字图像处理》，是真的看懂，不是随便翻翻。看完花了一个多月。后来报了一门课（还不是七月的）：深度学习在计算机视觉的应用。学了两课就震惊了：原来，传统图像处理已基本被深度学习碾压！而且当下CV应用的FasterCNN，Yolo等完全没听过。震惊之余充分认识到，闭门造车是绝对不行的，自学容易学偏，不得要领。正巧当时看了几部网上流出的七月在线的视频，授课时间很早了，视频还没有后来的ID水印。看后由衷地觉得讲得确实好，清晰明了。于是就搜七月在线官网，挑选一番，报上了机器学习集训营。也是咬牙决定的，要干，就马上干。

报名后又是一次次的意想不到，课程的侧重、编排与内容的设置，真的与之前闭门看图像处理时认为的天壤之别。这边绝对是按照实战需要进行的规划。而且，有几集课程和几篇课件对理论概念的剖析，真的是神来之笔。这要比自己闷头看经典书省了大力气，比力气更宝贵的是时间。

再就是七月这边安排的节奏其实挺紧张的，我辞职全天候地学，都觉得吃力。当然用另一个词形容就是充实。课前送配套的预习课程，会反复提醒你看完。线上课讲解的信息量巨大，一般是连续2小时，我都是第二天再听才能勉强消化。真消化完，东西就基本掌握了。课后有作业，周末有考试。一遍遍催促你对知识咀嚼消化吸收。

关于项目和知识的讲解与总结，七月给了很多特别好的资料与案例，并且逐行讲解清楚，不明白的还可以再单独问，直到自己明白为止。
七月每期的学员，都是求变求突破的人。七月把大家集合到一起，共同讨论共同进步，这种氛围真的非常棒。如果自己一个人闭门造车，承受的压力要比这样大很多。

学完后已经1月份了，马上找工作心里没底，于是把简历让七月的老师帮改了一下，又温习了下课程，就过年了。打算年后赶春招。
春招真的不容易。我之前只简单做过一点图像处理，但是求职方向按照NLP准备的，数据挖掘类的也一起投，这就有点难办了。由于个人规划原因换过两次工作地点，加之简历润色得不太够，导致面试接连失利。

春招面试持续了一个半月左右，拿了两个offer，一个是某创业公司的NLP算法岗，25k/月但没过去，再就是我现在入职的这边，某高校下属科研院所的研究岗，兼带一部分开发的任务。下面是我把几次重要面试的情况总结如下，大家有兴趣可以参考一二。
A，某中型互联网金融公司
简历上项目，最初提了多少套方案，为什么最终选这套；
机器学习训练误差由哪些构成；
偏差与方差；
降低过拟合的方式；
神经网络降低过拟合的方式（dropout，早停）；
BN层作用；
BN层加在激活函数前与后效果有何不同；
如何判断异常点；
逻辑回归的分布函数；
逻辑回归的参数求解在优化方面属于什么类型；
机器学习中常用loss；
精确率召回率；
PR曲线面积代表什么；
常见的语言模型；
文本表达方法；
新词如何发现；
句子中关键词如何提取（tfidf，textrank）；
如何计算两个句子相似度；
项目中遇到了哪些困难，如何解决的；
简历项目现在进行改进的话，可以从哪些方面；
seq-seq有哪些结构形式；
soft-attention与hard-attention的区别；
数据分类不均匀的话，要做哪些处理；
手写逻辑回归极大似然函数的数学推导；
Glove与word2vec的比较；
讲一下Attention模型；
讲一下Bert；讲一下fastText；
文本处理常用步骤；
分词分得不准确的话，该如何处理。

B，平安第一次面（NLP）
DenseNet的网络结构？
与全连接有何不同？
简历项目中网络用了多少层FeatureMap，每层面积？
项目用了多大的数据量？
达到了怎样的分类效果？
FeatureMap提取了哪些特征？
画一下项目中采用的网络结构。
聊项目，解释项目中为什么这么做。
词向量怎么训练的？
word2vec两种常用模式？
词向量后面的Softmax如何优化？
CBOW和Skipgram哪个更适合采用？（大规模训练的话Skipgram要更好）
Glove的原理？（简历上有体现）
编程题：连续数组中值的去重；整数1~n，每个数字的二进制表示中“1”的个数，把此个数保存到数组。

C，平安第二次面（NLP，不同事业部）
讲一下fastText（简历上有体现），说一下与word2vec的联系；
Huffman树；
简历上项目如何设计的；
如果用seq-seq进行embedding，做相似度计算，会如何（替代Glove的话）；
Glove如何训练的，用的多少维；
马尔可夫过程是怎样的；
怎么调试tensorflow；
解释下TextRank（简历有体现）；
PageRank是怎么回事；
为什么数据量越大SVM训练越慢；
SVM原理；
分词是如何处理的；
语料中遇到新词如何处理；
决策树和SVM在数据预处理上有何不同（缺失值）；SVM对文本要先做什么处理；
fastText最初先对文本如何处理（固定格式）；
词性标注比较好的方法是哪些，有没有最新的模型。
下面是上机编程，记得有道题要求把不同的字符串进行分类。期间涉及到了对python的调试，表现不够好。

D，平安第三次面（数据挖掘岗）
先做了一份笔试题，上面都是常规的概念问答。例如数据预处理、清洗的方法等等，记得七月给的总结资料中几乎都有。
然后对着简历问。印象比较深刻的问题有：tensorflow出错误了，怎么debug；手推SVM；LSTM的结构，优势在哪里。

其余的大多是常规问题。再就是根据简历问项目。

总结起来，失败的地方有这么几点。
第一，手写代码的功夫确实有退化，社招的同学务必花时间刷一下算法和编程题库；
第二，准备的时间还是有些短，三四个月的时间拿下理论和实战，会比较仓促，不够扎实，如果可以，延长到7-8个月，应该就不是当时那个心态了；
第三，最好还是不要离职脱产学习，如果脱产，请保证积蓄充足，不然拖到后面财务压力影响心情；
第四，工作头几年，请务必耐住性子，不要把简历跳花了，但如果确实有重要的抉择，优先级高于工作的问题，也不必在乎。

感觉比较感激和庆幸的几点：
一是遇到了七月这个平台，它不一定适合所有人，但是于我，帮助很大；
二是感谢各位老师，这个浮躁的时代，能有人耐下心来花大段个人时间，不厌其烦地向你传授宝贵经验，似乎已经超出了合同和契约，背后是有些情怀的。
三是认识了更多在这个领域奋进中的朋友。

要看的书有这么几本，百面机器学习，西瓜书，这两本要看熟（但很多章节可略过）；统计学习方法，最好翻两三遍；NLP做客服机器人的话，推荐《自然语言处理实践 聊天机器人技术原理与应用》。

第二部分 《名企AI面经100篇：揭开三个月薪资翻倍的秘诀》

注，限于篇幅，下面这些只是面经100篇的部分节选的摘要，至于完整版可以扫码领取，添加时备注：领取面经100篇

• 4年后端转NLP一周拿到4个offer年薪30万：面试被问了这些问题

“我转岗的原因现阶段遇到了瓶颈，技术提升缓慢，刚开始自己看书看视频，但是效果不明显，加上每天上班也比较忙更没有时间学习，为了系统化的提升自己机器学习的功底，我就选择了七月在线的课程。七月的课程设计的很合理，基本涵盖了所有的知识点，在面试中也发挥了很大的作用，报名的时候送的VIP课程也是质量很高的。”

• 21届应届生集10面经分享：面的算法都是课上讲的

“经过在七月集10的系统学习，对机器学习和自然语言处理领域的算法的理解方面有了很大程度的提高，在面试这些算法的过程中，都是集训营中老师讲到的，老师们讲解的比较透彻，因此都能比较顺利的答上来。”

• 推荐面试分享：从一开始简历没项目总被刷到拿下月薪26K

“刚开始比较尴尬，投了好几份简历，并没有反应，细节没突出到位吧。加上没有真实的项目经验。 后面集训课开始有组队选择项目，然后当时就听杨老师（讲广告的老师）讲推荐，把整体脉络讲出来，从离线，近线，还有实时，然后就是画像，然后又给我们分享了头条推荐的项目。 我就把这些都写入了自己的项目，简历开始有了反应。”

• 21届毕业生：CV学习的一点经验与面试需要准备的内容分享

“本人在校期间通过有关python、机器学习、深度学习、图像识别等方面的书籍以及CSDN博客、b站的视频、知乎以及七月在线机器学习课程进行学习。学习的内容流程大致为：python基础的语法----numpy、pandas、matplotlib、time等库的应用----常用的机器学习模型（如LR、SVM、树模型、常用的聚类算法等）----BP神经网络----CNN、RNN、LSTM等网络----VGG、Resnet等物体检测backbone----RCNN系列、Yolo系列、SSD系列物体检测方法----近几年物体检测方向的论文等。”

• 学习CV的一点小经验：用好四大金刚

“机器学习算法一定要会手推公式（至少简历里面写的要会），这个是基础；
再就是老生常谈的基础，比如LeetCode的算法题，网络的基础知识，数据结构，最重要的是七月在线总结的面试经验。这本书非常好，非常全面，可以把很多零散的资料融合到一起，把一些可能自己觉得没什么关联的算法放在一起比较，这样就很容易记住每种算法的优势和不足，以及适合的应用场景；
七月在线APP上的题库也很好，非常适合利用零碎时间来学习，比如在去面试的路上，可以稍微再看下忘记的知识点，万一被问到呢是吧。”

• 工作6年的硕士CV方向面试分享

“也通过其他在线教育平台学习过，只可惜收效甚微，思考过原因可能一是学习进度自己把握不好，学过就忘记了，二是偏理论，动手实践太少了。在选择七月之前自己也尝试过几轮失败的面试，总结思考了主要问题一是知识体系不完整、基础不牢，二是简历涉及的技术不够新颖。所以果断选择了七月，打算培训一段时间沉淀一下再出来面试。”

• NLP面试总结：从阿里 百度 滴滴一轮游到最终拿下offer

“后来我参加了七月的集训营，觉得最大的作用是构建了一个相对完整的知识结构，和遇到了一些可以讨论问题的老师和同学。独学而无友，则孤陋而寡闻，我真是鼓励大家多交流。”

• 集十 三非渣本前端转行成功拿到近翻倍薪资

“十几家培训机构，我觉得七月的售前是最好的，回答我问的问题，还彬彬有礼。加上前前后后认真的服务，那就绝对是值的了。”

• 传统PHP转行推荐算法工程师：我是如何从年薪10万到30万的

“推荐算法工程师的技术路线一般可以分为二大类，一类是偏工程实现，一类是偏算法研究。当然，像我所在的小公司是两种都做的。偏工程类的推荐算法工程师需要具备后端开发知识，偏算法研究的需要掌握传统的推荐算法，还要了解业界最新的算法进展等。”

• 后端转推荐算法：我是如何通过三个月的学习薪资翻倍的

“工程能力，单从推荐来讲，主要指的是SQL、Java、spark，很多公司会把特征的清洗和提取这些事情，交给算法工程师自己做了，所以SQL是必备技能了。”

• 从机械转行算法：我是如何一路过关斩将拿到8个offer的

“一定要刷算法题，像《剑指offer》和leetcode，还有七月在线的题库可以多刷刷，整理的挺全的。 ”

• 文科生转行面经：我是如何从数据分析到算法并薪资翻倍的

“在这半年期间也尝试过其他的在线的学习平台，比如说优达学城上的自动驾驶入门课程和Coursera上的吴恩达的ML的课程。对我个人来讲，我觉得线上线下结合集训营的方式比自己通过在线教育课程来学效率高很多。”

• 我是如何从应届机械转行NLP，并在秋招拿下30w算法岗的

“大家有时间一定要多多看看七月里面的题库，目前为止我感觉是全网搜集得最全的题库，并且大部分题目的解答也算是十分详尽了（免费的不用白不用啊同志们）”

• 坎坷的学习和面试经历：5年Android成功转行NLP

“学习过程中的实践项目讲解还是比较合理的，而且关于项目和知识的讲解与总结，七月给了很多特别好的资料与案例，并且逐行讲解清楚，不明白的还可以再单独问，直到自己明白为止。”

• 双非渣硕应届算法面经：这二三十家公司都面了我这些问题

“集训营里面的课程，我是觉得最好能够跟上直播，有问题及时问老师解决，不要怕丢脸，不要怕问老师，反正有问题就问，而且集训营的群里有些学员确实很牛，在群里其他学员也会回答你。”

• 干过销售和后台但最终拿到40万NLP的offer：我都被面了这些问题

“我毕业于某 985 高校计算机专业，小本。毕业后做了一年多销售，然后转行做了两三年的后台研发。去年转算法（NLP），最终确定的offer年薪 40 万。”

• 我的NLP秋招之旅：如何一步步准备并拿到大厂NLP的offer

“老师给了一些项目让我们学习，这都是非常好的学习资源。不懂的地方可以问老师，问同学，七月在线给我们提供了一个良好的学习氛围。老师给的项目，有一些简单的，有一些比较难的。我下来之后，基本都会自己跑一遍，对自己感兴趣的项目，还会自己重新敲一遍，特别是一些实现的细节，或者一些tricks，我都会做一些记录。这些都是真实的项目技巧，也为我后来的项目做了准备。”

• 双非研究生面试总结：曾看了吴恩达等很多网课 但远不够

“看多很多网课之后，感觉对于基本的概念知识点都了解，但是缺乏系统性，也缺乏项目和实战经验，一个人学习的话也很难抓住重点，就考虑系统的学习一下。此时经过比较了好几家类似的机构，最终选择了七月在线这个平台，加入了集训营的大家庭。”

• 机械转算法岗位：我是如何一个月连拿4个offer的

“第一，手写代码的功夫有点弱，各位同学务必花时间刷一下算法和编程；第二，请务必耐住性子，心态一定要稳，挂了也不要沮丧，拿到offer也别沾沾自喜，做好基本的，掌握基本知识，做好实战课题，多复习，多请教。多试一试！”

• 传统IT转岗NLP：曾感受到对上升空间的焦虑和经济方面的压力

“金三银四的求职季，怎能错过。赶紧请老师再帮忙修改了下简历，便开始了求职之路。从开始投简历开始，整个过程大概持续了一个半月，断断续续地面了几家公司，拿到了几家公司的NLP 岗位的Offer，基本上涵盖了创业公司、互联网公司、券商这几种类型。”

• 我是如何通过集训营在公司内部转岗拿到年薪近100万的

“不管是需要刷题的校招同学，还是需要刷经验社招同学，选择一家靠谱的培训机构（比如七月在线，就业针对性非常强，老师也都非常专业），都会使你事半功倍。不要怕花点学费，你的时间远比那点学费宝贵。”

• 我和七月在线的5年时光：从经济学专业到“高级”程序员

“看到学到的东西在公司被认可，在生产中使用，这应该是每个程序员最开心的事情，当然年底领导也没有亏待我 ，给了我A的评价，当然年终奖也少不了啊”

• 普通IT3年转行经验谈：从曾质疑培训机构到培训后年薪35万

“2小时满满的干货，需要你在当天和最晚第二天消化掉，因为周五还有考试，周末还有量更大的线下课，就是这种反复的强化催促和压力，才能让你不断的进步，这也往往是培训比自学好的地方”

• 双非渣本跨专业转行面经：从Linux运维到推荐算法40万

“毕业之后来帝都做了一年半的Linux运维，感觉做运维没有啥前途，只能勉强混口饭吃，所以想转到一个有发展前景的方向，然后在网上找各种IT培训机构，发现七月在线还不错，于是2017 年末开始脱产来七月在线的集训营学习”

• 金融风控100道面试题：传统银行开发转行互金top3公司并年薪40多万

“后来我同事给我分享了七月在线的人工智能课程，我看了一下课程表，里面是我想学的内容， 经过考虑，我和同事一起报名了集训营4期的课程，这个课程是晚上8点到10点授课，有批改作业等环节，刚好适合我们这种平时白天上班晚上回来学习的上班族。”

• 双非渣本三年100次面试经历精选：从最初做iOS、前端到转型面机器学习

“至于转行转岗，只要时间坚持投入足够持久，必定会取得收获，所以肯定是没有那种学不会的说法的，只能说投入的时间不够而已，即使转型失败了也绝对不是因为智商上的差距，因为努力的付出量级还远远没到拼智商的程度。”

• 双非硕士面试之旅：数据分析、特征工程、模型构建、模型优化等流程要熟练

“说道面试，简历按照老师们的讲解一定要好好写，把项目内容写得详实一些，简历中有的，已经要保证自己都会，没有的不要写上去。项目部分，就写了上课所讲的金融实战项目和kaggle比赛项目，一定要拿着代码一边看一边跑，了解比赛和项目的构造，数据分析，特征工程，模型的构建和模型优化等等。算法方面，要学会手推公式，像经典的LR，SVM和XGBOOST等算法一定要多多在纸上练习推导。”

• 零基础的“大叔”：如何从仅会点C到转行机器学习并拿到56万年薪

“从最实用的角度，把在机器学习相关知识贯穿，形成一个很好的闭环。能够让你了解无论大厂还是小企业所需掌握的基础技能”

• 跨专业转NLP的扎心历程：试用期被辞再找拿到更高offer

“面对未来，我们每个人都是既害怕又向往，如果你犹豫那么你永远不会迈出那一步，只有沉下心去做才会有所收获，just do it！”

• 跨专业转行AI的艰辛历程与NLP面经

“虽然在参加集训营五期之前我已经找到了NLP的工作，但是正是因为自己是从别的专业转行过来，项目经验的缺乏就像悬在头上的达摩克利斯之剑，害怕稍有不慎，就会掉下来。不过，也正是由于这份担心，我才选择了机器学习集训营，想夯实一下机器学习的理论知识的同时，逐项积累一些比较好的项目经验。”

• 渣硕产品转NLP实录：从只会matlab到NLP年薪30万

“在七月的面试题库中有很多面试题，个人感觉已经很全面了，多刷几遍后在看看相关领域其他人的面经，在面试理论部分已经相当够用了。”

• 一个半桶子的自述：19应届且双非院校的转型之路

“看了一些视频讲解，果然有人指导就是不一样，一些以前看的迷迷糊糊的东西老师一讲解就豁然开朗了”

• 一个大龄码农的奋斗历程：在焦虑中转型拿到年薪40万

“我为什么来7月学习算法 工作时间长了后会产生焦虑，焦虑的原因是发现自己的能力与工作年限严重不相匹配，遇到了很大的瓶颈，再加上看到网上经常说的大龄程序员面临失业的新闻比较多，感觉自己马上就要失业了”

• 超励志！本科化学硕士力学，从干过销售只会VB到成功转行量化交易

“2018年8月报名集训营后，我还在上班，每周一从杭州出发去山东出差，基本每天换一个城市，周三晚上找个咖啡馆上视频课程，周五晚上赶回杭州，周末去上线下课程，下周照旧。基本每天就7点到12点左右可以学习，白天还要拜访客户，当然偶尔也会偷懒，不见客户只学习。大概这样努力了三个月，到集训营结束。”

• 推荐算法面试分享：如何从大数据起步拿到年薪近40万

“在开营之前已经把数据结构和送的python基础课刷了一遍。数据结构一定要循序渐进，对于常考的数据结构一定要自己实现过， 如果面试官对做的项目认可，那么数据结构题也做得出来，offer成功的几率会变大”

• 算法面经：应届生如何通过四大金刚拿到年薪30万

“首先就是校长经常强调的四大金刚（小编注，四大金刚指的就是：“课程 题库 OJ 竞赛”哦），个人觉得这个是一个算法工程师需要一直坚持的事情； 其次，在机器学习的过程中要注重理论的推导和实践的结合，公式要反复推，项目要亲自实践，实践中会发现很多新的问题。”

• 社招转行CV面试经验分享：面试当场秀代码

“面试更多的是根据简历中的项目和工作经历来提问，简历中有几个有含金量的相关项目经历即可，不需要写很多其他的内容，写到简历上的项目务必确保真的理解和熟悉，因为面试官一般会顺着你项目中用的技术来延伸提问。”

• 我的面试及就业分享：从后端开发转岗到机器学习算法的历程和感受

“面试经常被问到一个问题就是模型的bad case是怎么分析和解决的，我们上课或学习时一般都是跑完模型看准确率还不错就完事了，其实现实工作中跑完模型仅仅只是一部分，甚至是最省事的一部分，跑完模型之后的bad case分析和优化可能占据了大部分时间”

• 我是如何通过3个月的学习，从运维开发转NLP的(社招)

“实在不会讲项目怎么办，没事，就踏踏实实老老实实讲你做过哪些项目，之前干过啥，现在学过啥，当前的技能水平能干点啥，转行就说转行，不要虚，实话实说，除了工资少了点，其他也没啥损失，先上车再说。”

• 如何从传统IT转型NLP并薪资翻倍的：NLP(知识图谱)面试总结

“seq2seq的原理图，attention是怎么回事，为什么会有效果，这里容易引进transformer，然后这个话题就有点复杂了，看水平的时候，transformer模型有点复杂，自己先看懂，然后画模型流程图，找出模型各个部分的区别，对比分析，说说自己的理解。最后一般会顺带问，在我的项目或者实际中有没有应用，这个自己在学的过程中最好自己应用一下，会加分不少。”

• 校招面试分享：我是如何连拿华为、苏宁、携程、招商4个offer的

“首先传统机器学习算法：svm、lr、softmax、决策树、随机森林、GBDT、xgboost、adaboost、bp神经网络、朴素贝叶斯等等这些都必须自己手推一次或者多次。深度学习方面：CNN、RNN、LSTM、常用激活函数（tanh、relu等）、adam优化函数、梯度消失这些原理或者是结构都应该能手画出来。”

• NLP 岗位面试经历：很多面试题都能在题库里找到

“其实以上这些面试题好多都是可以在七月在线APP上的题库可以找到，在工作之余好好看看，结合项目加深理解，找到NLP的工作还是相对比较容易的，希望大家能沉下心，切勿急躁，好好学，肯定能找到自己满意的工作。”

• C++转行算法拿到360年薪40万offer

“报名开始学习后感觉自己每天都很充实，课上跟老师实践，完成作业，紧跟老师脚步，然后再回过头来复习算法的理论就轻松很多。”

• 刚毕业双非本科如何拿到NLP offer并薪资翻三倍的

在去年毕业没几个月的时候，因为不满意自己工作，于是来到了七月在线机器学习集训营学习，这也是我第一次真正接触七月在线这个平台，学习了一段时间收获了很多，不仅仅是机器学习、深度学习知识，还学到一些实用的python数据分析、spark入门知识以及NLP的知识。于是赶着金三银四好时光投了一些简历，拿到了薪资还比较满意的NLP offer（接近之前三倍，之前太低了）

• 励志！充满干货的AI面经：纯电力员工如何成功转行NLP并薪资翻倍

Tensorflow必须掌握，别说自己会keras了，丢人，真的，不开玩笑，至少我遇到公司都是这样。简历上把深度学习的知识具体的体现出来，比如你在某个项目上搭的模型是什么样子，这样更容易获得面试机会。

• 我是如何从机械行业本科社招成功转行NLP并薪资翻倍的

前后面了近10家公司，总体感觉今年的要求普遍比去年高，像NLP的模型TransformerBert，好像成为NLP算法工程师的标配了，40%的几率会被问到。

• 薪资近乎翻倍，题库里的xgboost笔记看了不下十遍

校长的博客，看xgboost那篇博客我看了不下十遍，adaboost的过程看了也有好几遍，直到确定自己懂了并且能写出来，推导损失函数。另外，对cnn的文章，校长的博客也不错。

• 易贷网、金蛋科技、百度金融、蚂蚁金服等互联网金融面试经验

首先，简历是你能被邀请去一个公司进行面试的敲门砖，一般技术岗的简历要突出特色与重点，忌讳繁杂与花哨，一般可以将简历分为基本信息、个人技能、工作经历、项目经验四个大的方面，这四项也是面试官最感兴趣的，然后再对大项进行详细的划分。

• 本科校招算法岗面经：拿到滴滴、头条offer

我是七月在线集4学员，本科，以下是我的校招面经

• 本科应届拿到近20万的AI面经：曾一度因是双非院校而没面试机会

集训营上课我觉得好处就是可以和一群好朋友一起学习，氛围挺好，一起做项目很有帮助，在群里互相解答问题提问题。

• 薪资翻倍的AI面经：曾担心学完集训营依然找不到工作

对机器学习有了一个更全面的认识，从基础的python、pandas到后期的算法，所有知识点都联系的很紧密，不像自学期间那么盲目，对机器学习的算法原理也了解的更加透彻，对于一些复杂的算法svm、xgboost 能做到熟练的推导出来。面对面试中遇到的问题也是游刃有余。

后记

截止目前，已有超过 1000 人通过集训营/就业班成功拿到心仪的offer，但路还很长， 希望他们能和我司全体同事、全体讲师共同促进技术的传播、人才的培养、产业的发展，共同让全球十亿人受益。

对了，想要免费试听集训营的，以及扫码领取面经100篇的，别忘了扫码哦（添加时备注好：集训营免费试听，或领取面经100篇）：