我的算法实习经验分享：打铁仍需自身硬！ _面试

写在前面
大家好，我是西交W同学，本硕都非计算机科班， 2023春季找暑期实习的时候收获了还不错的结果，拿到了阿里，百度，米哈游在内的几家互联网大小厂的offer ，最终决定去和阿里进行暑期实习，大家分享一下我的心得体会。
相比于其他人，我的准备时间开始的比较晚，是在2月份左右才彻底放弃读博的打算，开始全身心投入到找工作的大军里的，一切与找工作相关的准备也是从那个时候开始的。所以从应试和速成的角度，确实有一些可以分享的干货和心得。但在长期的积累方面，我也做的远远不够，会提出一些方向，我与大家一起努力。这个经验贴主要会分为两个部分，知识干货和心得分享。
知识干货
在很多场面试中，面试官都透露出一个信息，就是实习面试的要求会比秋招面试低很多，比如场景题回答得很浅显，有的面试官会表示没事，毕竟你们在学校也接触不到，比如力扣没有手撕出来，有的面试官会表示这道题对实习生来说确实有些难了，所以同学们在准备的时候不要有太大压力，把自己简历上的内容复习完了就开始投递吧， ML/DL的内容是学不完的，边面边学，甚至做好终身学习的准备。
所以基于上述内容，我认为下面的三个干货中，最重要的是干货1 ，就是基础知识点的掌握，干货2和干货3只能说作为加分项或者和面试官侃大山的一些资料。
干货1：打铁仍需自身硬
想要求职算法实习，这里是第一处需要关注的地方。算法面试有一些相当高频的问题，所以有一些知识是一定要掌握的，包括但不限于写到简历里的项目，机器学习和深度学习方面的八股，考察对实际业务理解能力的场景题，力扣代码题。
下面罗列一些经常问到的知识点和一些推荐的资料：
机器学习知识：过拟合，欠拟合，优化器，特征工程，评价指标，常见ML算法（分类/回归/降度），经常会被问到的模型有GBDT ，，会问到它们的算法原理，建树过程，优缺点，改进方法等内容。这里推荐百面机器学习，牛客网算法工程师题库，统计学习方法。
深度学习知识：具体考查的内容跟面试的岗位有关，推广搜就会问双塔模型，单目标DIN ， DIEN ，多目标MMOE ， ESSM这些模型。大体上来说会考察一些基础DL模型，比如CNN ， RNN ， LSTM ，也会考察，， RL这些内容，问一些网络模型，反向传播，实习的面试不会太难，最多是手写一下LR的损失函数和梯度，但我在别人面经上看到，校招的时候好像难度会提高到手写SVM和CNN ，推荐去看一下百面深度学习和你所面试岗位领域内的经典论文。
场景题：会问一些和实际业务有关的问题，比如ab测试，线上线下不一致的原因，有的时候面试官也会和你描述一下他们现在正在解决的问题，让你提供一些思路和解决方案，来考察（白嫖）一下你，推荐咱们的fun-rec开源教程。