逆风翻盘拿下感知实习offer，机会总是留给有准备的人

个人背景

211本，985硕，本科是计算机科学与技术专业，研究生是自学计算机视觉方向，本科主要做C++和python程序设计开发，java安卓开发，研究生主要做目标检测，现在在入门目标跟踪和3d目标检测。无论文，竞赛和实习方面，一段大厂实习，一段自动驾驶方向实习，本科生期间蓝桥杯国二、天梯赛国三、全国大学生数学竞赛省一、数学建模国赛国二，研究生期间华为杯数学建模国二、科大讯飞算法竞赛第二和第四名、华为算法竞赛第九名等。

实习offer情况

在实习中投递的岗位主要是自动驾驶的感知算法岗、计算机视觉算法和机器学习岗，曾经取得了第四范式、飞步科技、momenta、赢彻科技等企业的实习offer。在本文中我主要对以上三种岗位相关的实习面试情况进行分享。

前期准备和失败经验

我实验室做的方向我个人不喜欢，所以都是自学计算机视觉相关知识，目前掌握了机器学习、图像分类、图像分割和目标检测的常用模型算法，并且参加了许多相关的算法竞赛，在竞赛中实战。研一一年除了专业课程，也在自学自己买的课程。研一下5月份考试结束后，开始投递实习，陆续面试了字节、滴滴、商汤等实习岗位，均以失败告终。原因是准备不充分，岗位不匹配，对基础知识的了解不够清晰，项目的深度不够等。暑假投递某自动驾驶独角兽，获得了offer，遂去实习，开学后由于导师的安排不得不辞职回校。但是学到了很多自驾场景，包括环境配置、代码构建等，不再自己闭门造车。

研二上我除了完成课内任务，就是在参加计算机视觉相关的竞赛，取得了一些成绩。因为发表不了相关论文，所以12月开始找实习，目标是自驾感知等岗位，面试了毫末智行、momenta等公司。

准备

日常实习相比秋招简单很多，但是也要认真准备，准备工作主要有以下四种:

1. 写一份好的简历，竞赛、论文、项目经历、实习经历多的话，可以写多几页，要把重点、亮点叙述清楚，但是也不要太冗杂，要好好复盘自己的项目和代码。

2. 准备数据结构和算法，这个老生常谈了。我是啃本科老本，没怎么准备。

3. 不要盲目海投，避免面试时间撞车，浪费精力。可以先投小公司，自己不太想去的，练习经验。再投自己想去的公司，失败也没关系，总结经验，还有暑期实习和秋招。

4. 重视对基础知识、常用编程语言语法和底层原理的复习。

个人感悟及给年轻人的建议

我很后悔读研，觉得本科没去大厂太吃亏了，现在经济下行，大厂裁员，算法岗又是一年比一年惨，深感焦虑。但是也无济于事了，实习的内容有时候很难，除了做项目，还要看论文，不停的学习，加上学校也有事，好难熬，有时候总是缺乏动力、坚持不下去。我个人不喜欢搞科研，只喜欢做算法相关的工程项目和参加竞赛，所以读研不太适合我，就提升了学历，以及给了我2年对人生思考和选择的缓冲时间，研究生读3年，实际能用于学习的最多只有2年。再加上由于本科和研究生学校奖励机制的不一样，我综合排名本科前2%而研究生只有50%，心里落差很大。好在现在实习的公司在自动驾驶里面算中等，环境待遇福利都还不错，希望能好好学习，提升自己，如果能转正最好，不能的话争取过段时间冲刺大厂的暑期实习，努力转正。

建议:

(1) 如果还在读高中，要努力考上985、211、双一流大学，好的平台很重要，学历不重要、学校背景才重要，将来也会越来越重要。专业也很重要，但是意识和认知更重要，进去一个好的平台完全可以选择转专业，实在不行就自学成才，去听感兴趣的专业的课程，大学基本上就是自学的。

(2) 本科最晚大二下大三上就要确定好自己的就业方向，是读研还是就业，读研要考研还是保研，就业要考编考公还是去国企民企，然后确定自己想去的行业、岗位和城市。

(3) 如果本科毕业就有不错的工作，比如能去互联网大厂、能上岸长三角珠三角热门岗位公务员，就尽可能不要读研。读研后要再找一遍，还不一定能找到这么好的工作了。实在想读研，也可以工作了几年有存款有底气了，再去考，那个时候经过社会的几年探索，更加清楚自己想要和需要学习什么，目标更清晰，而且说不定到时就不想读研了。读研还有一个坏处，就是遇到不好的导师，太过压榨学生，假如你已经工作过了，哪里还需要看别人的脸色，不开心就可以退学，大不了自学。当然这一切的前提是第一份工作是好的，并且已经工作一段时间，有所积累。

(4) 读研的话如果条件达到尽可能选择保研，虽然受限于本科院校，去特别好的比较难，比如双非保研985、211保研清北华五会比较难，但是上一个台阶，双非去211，211去985，一般还是没问题的。而考研太难了，风险比较大，搞不好还要二战三战。

(5) 目标是算法岗，最好有发论文，顶会或者顶级的期刊最好，是最具竞争力的，当然岗位要与论文挂钩。其次是实习，实在发不了论文就去实习，大厂相关岗位的实习并且有产出也是很有竞争力的，特别是就业前一年要争取去实习，暑期实习或者日常实习都行。实习要看导师是否允许，如果实在没办法去，也可以尝试投递简历去面试，积累经验。实习也不行，就参加相关的竞赛或者多做项目，也可以考虑转开发比较保险。

(6) 本科就业，目标是算法岗的话，可以尝试，但是不要抱太大的期待，尤其是进大厂很难，当然并不是没有希望，我大四就去快手实习过，只是无法转正，但是可以降低预期，去小公司，初创企业，还是可以的。不建议all in，可以多投开发或者产品。

(7) 学习除了专注还要专一。比如参加竞赛，同一段时间，就专注参加一个，最多两个，除了已经做好了，并且排名靠前，才可以参加别的，不然会得不偿失，顾此失彼，我以前经常这样，导致很多原本可以拿奖的比赛拿不了奖，心太大也不好。同理，研究方向、学习的内容也是。

(8) 学习最好要有监督机制作为辅助，除了少数，自律到自虐程度的人之外，很少有人能坚持一直努力学习并且保持效率，最好找一两个(不能太多)志同道合的朋友家人监督自己好好学习、天天向上，比如在番茄 ToDO APP 建立自习室一起打卡学习。也不是完全不能放松，但是害怕放松过度，我就是这样经常一旦松懈就容易摆烂颓废躺平，而且这种状态好难调整过来，希望能在朋友的监督下慢慢改掉这个毛病，共勉！当然自律是最重要的，只是对大多数人来说可能还不够，经常性制定的目标不能完成或者不能按计划完成。

以上是一家之言，仅供参考。

深蓝学院经验

调研一个岗位对候选人的知识储备要求，最直接的方法是从招聘网站上梳理各大企业对应岗位的招聘描述。环境感知对应的岗位比较多，有视觉感知算法工程师、点云算法工程师、毫米波雷达算法工程师、融合感知算法工程师、感知算法部署工程师。职位要求中需要候选人掌握的基础知识和技能主要有6类：

1. 熟悉Linux操作系统，熟练掌握C++或者Python语言；

2. 熟悉当前主流的深度学习算法，尤其是BackBone网络结构；

3. 熟悉常用的深度学习开源框架，如TensorFlow、PyTorch、MxNet等，要求至少对其中一种框架较为熟悉；

4. 至少熟悉基于相机/雷达的物体检测、识别、跟踪，或者场景分割、理解等一个任务；

5. 有并行编程经验或者熟悉CUDA编程者优先；

6. 有TensorRT优化加速经验者优先。

普通的理工科在校生，熟练掌握以上6类基础知识需要多少多长时间？根据深蓝学院的培养经验，少则8个月，多则1年半。3年来，数千位深蓝学员已陆续入职各大自动驾驶/机器人企业，他们扎实的基础功底备受企业青睐。