2019互联网校招高薪清单出炉
DeepMind以
34.5
万美元
高居榜首
房补、签字费、期权等
福利层出不穷
互联网年薪30W+的岗位有哪些
春招如何准备，才能斩获大厂offer？
记得2018
届互联网校招高薪清单曝光时，字节跳动以
32w
高价赚足了人们的眼球。谁知只是预热，今年各大公司校招抢人全面升级，金主爸爸们平均开出
40W
+的年薪，
最壕的DeepMind竟然达到
34.5
万美元
…...只能说，
贫穷又一次限制了我们的想象力。
大家一起来看看，开出天价薪酬的金主爸爸有哪些：
*图片来源：uni自制
博士校招的统计数据中，
华为、大疆给算法工程师开出薪资高达90 万人民币；阿里提供 160 万人才奖金；最高当属DeepMind，年薪 34.5 万美元。企业为了招揽人才，也是暗自较劲，不惜重金。
*图片来源：
uni自制
硕士薪酬也不逊色，阿里达摩院提供给算法工程师的年薪达60 万人民币，其中包括股票和 10万补助；外企薪资普遍在40 万人民币以上， Facebook 最高，年薪16万美元。
从19届高薪清单中不难看出，
30W起步的薪资对应大都是技术岗，也就是我们经常cue的程序员。
Uni酱不禁好奇，
程序员到底是什么样的存在，招聘时有什么逆天要求，值得这天价薪酬
。
技术类的职位，大体分为前端开发、后端开发、客户端开发、测试、运维、数据、算法几个种类，
根据
拉勾网上的统计
，又细分为以下类别：
*图片来源：网络
其中，市场需求比较广泛的是
前端、后端、测试、运维、客户
，这是移动互联网公司必备的几个岗位，也深受广大程序员的青睐。
对阿里巴巴算法岗、字节跳动研发岗等技术岗的招聘信息进行研究分析后，总结出一些共性要求：
*图片来源：网络
算法工程师等技术岗对编程基础要极为熟练
。
C++/Java + Python + 算法数据结构，老三样跑不掉
，手写算法是必备技能，对于编程要求只会高不会低。
80% 的算法优化来自与对业务架构的理解。
很多人以为算法工程师的工作就是把从论文和公开课里学到的 fancy 算法用到业务里，这个认知大错特错。算法工程师的工作要结合业务，用基本的模型去优化业务流，
所以学会怎么结合业务，选对模型，用对地方，才是真正考验算法工程师能力的地方
。
优秀的算法工程师大都有很好的科研 sense
。无论是上线一个业务还是开发一个中间件，算法工程师都需要自己去找可以优化的地方，由于一些结果难以预测，就
要求工程师具备良好的科研 sense
，能够设计合适的解决问题方案和科学的结果度量方法，充分实验、论证，最后可靠地上线。
这也是在招聘中有实际研究成果、发表了顶级论文的硕士、博士最受欢迎的原因。
虽然今年技术岗是个不错的收成年，高薪层出不穷，但随着互联网红利的消退，
程序猿“求职难”的迹象在慢慢显现。
2019秋招末期，一些大厂算法岗位基本零补招，再加上近期社招hc紧缩，大厂裁员，假设大厂内的算法岗位数目一固定，流动性大减，
恐怕技术岗在不久的将来，也会出现供过于求的情况
，中低端算法求职者可能难觅出路。
这种情况下，提升硬实力，熟悉心仪公司的笔面试套路，有针对性地准备才能在众多候选人中脱颖而出。Uni酱总结了一些技术岗的求职技巧，希望能帮助到你。
技术岗的笔试有完整的题库，也有套路可循，只要多刷题，一般就能过。可以参考的公开课和专业书包括
：
专业书系列
👇
编程方面：
《LeetCode》和《剑指 offer》
机器学习方面：
小蓝书《统计学习方法（李航）》
西瓜书《机器学习（周志华）》
刷题时按自己的理解做归纳总结
经典的算法建议手推一遍
重点关注损失函数，多思考方法间的比较等。
需要提醒大家的是：
外企更喜欢bugfree的代码，提交前要特别慎重
。
技术岗的面试，更偏向于专业能力的考察。研究了 2019 年校招各大厂的面试，整理了在项目、机器学习算法、数据结构中出现的高频问题，供大家参考。
项目介绍
介绍机器学习项目的时候，项目中的损失函数、如何优化、怎么训练模型、用什么数据集都要能够清晰描，不要出现模棱两可的说法。
建议大家按照以下的方式进行介绍：
1、述项目的基本情况，包括背景、规模、用时、用到的技术以及各个模块。重点突出自己比较熟悉的技术，防止在面试官打断提问的时候，问到自己最薄弱的环节。
2、主动说出自己做了哪些事情，描述尽量和自己的技术背景一致，说明自己在项目中的角色。
3、描述模块中用到的技术细节时，要把话题引到自己最熟悉模块的技术细节。
说出口的技术，一定要是自己会的，宁可少说，不要夸大。
*图片来源：网络
总之，作为面试者，你要主动且逻辑清晰地说出项目中有哪些亮点，尽可能把自己的闪光点在短短几十分钟的面试中都展现出来。
机器学习算法问题
：
根据参加阿里、字节跳动等公司面试同学的反馈，大家经常遇到的算法问题主要有八大类：
L1 L2 正则化的区别，为什么 L1 产生稀疏矩阵，L2 可以防止过拟合 (0.5)；
梯度消失和梯度爆炸 (0.4)；
LR 的数学原理 (0.4)；
SVM 推导 (0.35)；
SVM 核函数 (0.35)；
算法评估指标 ROC曲线，AUC值 (0.3)；
bagging 和 boosting 区别 (0.3)；
RF、Adaboost、GBDT、XGBoost 的区别和联系 (0.3)
可以看出，互联网公司还是很关注一些基础的细节问题，具体到概念和公司。自己知道的，一定要保证可以准确说出来，而不能只记住大概，这样显得非常不专业。
概率题：
面试中考到的问题，几乎 80% 都是条件概率题，因此，大家在准备的过程中，需要重点准备这一方面，
贝叶斯公式要牢记于心
。这里以腾讯面经中出现的一道题为例，希望能给大家的面试准备提供一点线索。
随机数发生器，这类题目在解决的过程中要注意，最后产生的随机数中，可以存在没有用的随机数，但必须保证所有要用到的随机数产生的概率必须是相同的。
已知一随机发生器，产生 0 的概率是 p，产生 1 的概率是 1-p，现在要你构造一个发生器，使得它产生 0 和 1 的概率均为 1/2。
求解：让该随机数生成器生成两个数，那么序列是
00，01，10，11 概率分别为 pp，p(1-p)，(1-p)p，(1-p)(1-p)。我们发现产生序列 01 以及 10
的概率是相等的，那么我们把 01 看作为 0，把 10 看作是 1，则他们产生的概论均为 p(1-p)，其他情况舍弃不用，这样就得到了0和 1
均等生成的随机器了。
— END —
部分内容来源：网络
转载来源：UniCareer整理发布,如有侵权联系删除
