零基础非科班硕士如何转行算法岗？

一、流水账：

先说下我的情况：本科双非院校，末流985硕士，集成电路专业。研究生进误打误撞进了实验室，主要搞硬件，导师属于纯放羊式培养。

研一刚进实验室，编程能力基本为零，属于python都使不利索那种。我当时还浑浑噩噩地混日子，完全没有自己的职业规划，自己的科研课题是非常冷门小众，我对自己的科研课题也完全不感兴趣，一会搞下硬件电路，一会又搞下matlab建模，一会又帮导师写PPT和项目申报书，参加研究生电子设计大赛。整个研一的生活过得优哉游哉，在百无聊赖的科研生活，迷茫中走失。

研二上学期的时候，从刚从互联网大厂实习回来的学长学姐口中了解，互联网的算法岗越来越卷，竞争也变得越来越激烈。之前浑浑噩噩的我开始觉醒，开始自学机器学习的知识，认真看了一遍吴恩达的机器学习视频，也把周志华的西瓜书和李航的《统计学习》认真学习了一遍，把里面晦涩难懂的公式自己推导一遍，认真做好学习笔记。我又看了王喆老师的《深度学习推荐系统》，把常见的推荐系统常用的算法复现一遍。我这个时间段也开始努力刷leetcode，分不同tag刷题，后期把重点放在leetcode hot 100.

误打误撞的打比赛之路：在一次偶尔的机会以及实验室同学的怂恿下，我参加了天池举办的一个比赛，刚开始的时候，没抱多大的希望，在网上找了一个开源的baseline模型，跑出来的结果是前100名左右，后来研读相关的论文，堆叠两个模型，取得不错的效果，然后就稀里糊涂地进了比赛的复赛环节。复赛的时候，基本每天都和队友，讨论如何提高比赛的成绩，复赛里面的大神众多，竞争异常激烈，比赛成绩也一直上不去。后来大神队友通过不断尝试各种策略，复现论文的方法，把比赛成绩提升到前排的位置，最终取得天池比赛季军的成绩。后来又和大神队友一起打了几个结构化比赛，取得不错的名次。通过漫长的两三个月的打比赛经历，好好地打扎实自己的技术基础，每天都过得异常充实。

研二下学期的时候，实验室同学开始春招找实习，我凭借天池比赛top名次的成绩拿到某大厂的实习offer，最终顺利转正。秋招的时候，凭借比赛经历以及大厂的实习经历的背书，最终拿了好几家大厂的算法offer，结束我的秋招之路。

二、经验与教训：

1. 推荐算法岗至少满足下面两个条件以上，才比较有把握上岸：

211或者985院校硕士（双非院校除非你非常优秀，不然大概率被刷掉）
影响因子高的论文（b区以上）
比赛top名次
比较硬核的项目经历/相关实习经历
扎实的AI基础/leetcode刷题

2. 关于比赛：

发a会一作的论文属于可遇不可求，如果研究生实验室不是特别厉害，或者导师科研能力不是特别强，学术资源丰富，一般人很难发影响因子高的论文。相当于遥不可及的论文以及技术含量高的项目，比赛经历对于一些实验资源不好，但又想转行算法的人，尤为重要。推荐几个含金量高的平台&比赛：天池、Kaggle 、DataFountain、腾讯广告算法大赛、KDD 比赛。

3. 关于如何打好扎实AI基础

机器学习入门的话，可以先看吴恩达的机器学习视频，再看西瓜书和李航的《统计学习》，如果有时间，想提高面试技巧，可以认真研读《百面机器学习》，里面总结了很多常见的机器学习的面试题目。
进阶的话，可以看王喆老师的《深度学习推荐系统》，基本是搜广推从事人员必看书目，里面详细地介绍了推荐系统常用的算法以及模型的演变
最后，要熟悉推荐领域常见的模型，例如Wide & Deep、DeepFM 、DIN等，仔细研读原文，自己亲自复现论文，做到每个细节都了解透彻。

4. 关于leetcode刷题

现在不论是CV算法，还是搜广推算法，在面试最后都会有coding考核，而且coding考核对于面试结果具有一票否定权，即使你前面的项目经历答得不太好，还是有通过面试的机会，但是如果你手撕代码失败，面试大概率凉凉。切记务必重视leetcode刷题！！！leetcode hot 100 题目务必刷到滚瓜烂熟，尽量做到空间和时间复杂度最优解。

#2022春招##内推##实习##机器学习##算法工程师#