All Projects → amusi → Ai Job Notes

amusi / Ai Job Notes

AI算法岗求职攻略(涵盖准备攻略、刷题指南、内推和AI公司清单等资料)

Projects that are alternatives of or similar to Ai Job Notes

Prlib
Pre-Recognition Library - library with algorithms for improving OCR quality.
Stars: ✭ 18 (-99.44%)
Mutual labels:  algorithms, opencv, image-processing
Ai Job Recommend
国内公司人工智能方向(含机器学习、深度学习、计算机视觉和自然语言处理)岗位的招聘信息(含全职、实习和校招)
Stars: ✭ 679 (-78.72%)
Mutual labels:  artificial-intelligence, jobs, natural-language-processing
Litiv
C++ implementation pool for computer vision R&D projects.
Stars: ✭ 82 (-97.43%)
Mutual labels:  algorithms, opencv, image-processing
Awesome Ai Ml Dl
Awesome Artificial Intelligence, Machine Learning and Deep Learning as we learn it. Study notes and a curated list of awesome resources of such topics.
Stars: ✭ 831 (-73.96%)
Mutual labels:  artificial-intelligence, algorithms, natural-language-processing
Caer
High-performance Vision library in Python. Scale your research, not boilerplate.
Stars: ✭ 452 (-85.84%)
Mutual labels:  artificial-intelligence, opencv, image-processing
Ai Job Resume
AI 算法岗简历模板
Stars: ✭ 219 (-93.14%)
Mutual labels:  artificial-intelligence, resume, natural-language-processing
Articutapi
API of Articut 中文斷詞 (兼具語意詞性標記):「斷詞」又稱「分詞」,是中文資訊處理的基礎。Articut 不用機器學習,不需資料模型,只用現代白話中文語法規則,即能達到 SIGHAN 2005 F1-measure 94% 以上,Recall 96% 以上的成績。
Stars: ✭ 252 (-92.1%)
Mutual labels:  artificial-intelligence, natural-language-processing
Deepinterests
深度有趣
Stars: ✭ 2,232 (-30.05%)
Mutual labels:  artificial-intelligence, natural-language-processing
Person Detection And Tracking
A tensorflow implementation with SSD model for person detection and Kalman Filtering combined for tracking
Stars: ✭ 193 (-93.95%)
Mutual labels:  artificial-intelligence, opencv
Aind Nlp
Coding exercises for the Natural Language Processing concentration, part of Udacity's AIND program.
Stars: ✭ 202 (-93.67%)
Mutual labels:  artificial-intelligence, natural-language-processing
Visualizer
A single-page website aiming to provide innovative and intuitive visualizations of common and AI algorithms.
Stars: ✭ 163 (-94.89%)
Mutual labels:  artificial-intelligence, algorithms
Acurustrack
A multi-object tracking component. Works in the conditions where identification and classical object trackers don't (e.g. shaky/unstable camera footage, occlusions, motion blur, covered faces, etc.). Works on any object despite their nature.
Stars: ✭ 196 (-93.86%)
Mutual labels:  artificial-intelligence, opencv
Aidl kb
A Knowledge Base for the FB Group Artificial Intelligence and Deep Learning (AIDL)
Stars: ✭ 219 (-93.14%)
Mutual labels:  artificial-intelligence, natural-language-processing
Python Quarantine Projects
Here we are going to make some python projects during Quarantine time
Stars: ✭ 175 (-94.52%)
Mutual labels:  artificial-intelligence, opencv
Machine Learning Notes
周志华《机器学习》手推笔记
Stars: ✭ 2,710 (-15.07%)
Mutual labels:  artificial-intelligence, algorithms
Pyss3
A Python package implementing a new machine learning model for text classification with visualization tools for Explainable AI
Stars: ✭ 191 (-94.01%)
Mutual labels:  artificial-intelligence, natural-language-processing
Fixy
Amacımız Türkçe NLP literatüründeki birçok farklı sorunu bir arada çözebilen, eşsiz yaklaşımlar öne süren ve literatürdeki çalışmaların eksiklerini gideren open source bir yazım destekleyicisi/denetleyicisi oluşturmak. Kullanıcıların yazdıkları metinlerdeki yazım yanlışlarını derin öğrenme yaklaşımıyla çözüp aynı zamanda metinlerde anlamsal analizi de gerçekleştirerek bu bağlamda ortaya çıkan yanlışları da fark edip düzeltebilmek.
Stars: ✭ 165 (-94.83%)
Mutual labels:  artificial-intelligence, natural-language-processing
Thinc
🔮 A refreshing functional take on deep learning, compatible with your favorite libraries
Stars: ✭ 2,422 (-24.1%)
Mutual labels:  artificial-intelligence, natural-language-processing
Catalyst
🚀 Catalyst is a C# Natural Language Processing library built for speed. Inspired by spaCy's design, it brings pre-trained models, out-of-the box support for training word and document embeddings, and flexible entity recognition models.
Stars: ✭ 224 (-92.98%)
Mutual labels:  artificial-intelligence, natural-language-processing
My Awesome Ai Bookmarks
Curated list of my reads, implementations and core concepts of Artificial Intelligence, Deep Learning, Machine Learning by best folk in the world.
Stars: ✭ 223 (-93.01%)
Mutual labels:  artificial-intelligence, algorithms

AI-Job-Notes

AI算法岗求职攻略:涵盖校招时间表、准备攻略、刷题指南、内推、AI公司清单和答疑等资料

AI算法岗方向:深度学习、机器学习、计算机视觉、图像处理和SLAM等

注:如果你看到这篇文章,且有一些疑问或者想提供一些资源,欢迎提交issues!

目录

1 校招时间表

以今年(2021)为例,默认为2022届学生(2021届学生称为上届)

时间 任务
2021年3月~6月 找暑期实习/上届春招(补招)
2021年6月~8月 秋招提前批(神仙打架)
2021年9月~11月 秋招正式批(神仙继续打架+菜鸡互啄)

1.1 暑期实习

2021年3月~6月:暑期实习。

实习一般分成两种:

  • 日常实习
  • 暑期实习

日常实习:日常实习是任何时候都可以找的,通常是根据具体部门的需求,由公司HR、部门主管或者部门员工发布招聘消息,相对较为零散也比较灵活。

暑期实习:很多公司,特别是大公司(如BAT等大厂),都会组织专项的暑期实习生招聘活动。一方面是针对在校学生的情况(很多学生只有暑期才有假期,或者导师暑假才放人),另一方面就是为了秋季校招(大规模招聘)吸引人才。暑期实习具有很大的意义,对学生来说,最直接的好处就是转正机会。暑期实习,一般6月底左右实习入职(也可以根据自己的时间,提前入职),一般8月底或9月份会有专项暑期实习答辩,根据综合表现,答辩通过后就可以基本结束秋招了。

注:这里建议在进入公司参加暑期实习的期间,也要参加秋招提前批和秋招正式批,并多投递一些公司,即使在实习,所谓的很忙,没时间准备秋招了,那也要多投。暑期实习的另一个好处是增加可贵的实习经验,简历会好看很多。

1.2 秋招提前批

2021年6月~8月:秋招提前批(神仙打架)

据我了解上届打响秋招第一枪的是大疆(DJI)科技,其在6月底就已经结束简历投递了,然后BAT等大厂都是7月份开始。这时候的校招,绝大部分都是内推/提前批,而不是正式批,大家一定要珍惜这个时间点:6月~8月。虽然我调侃着说神仙打架,但还是要注意这时候性价比特别高。一方面是薪资普遍高,通常一些SP/SSP Offer都是这个节点发出来的,另一方面是投递的人数还不是很多,因为有些人没有意识到这个提前批的重要性,老想着多准备一点,到秋招正式批再大干一场。

需要注意的是:参与秋招提前批的大佬特别多,同时岗位hc并不多(因为企业要考虑正式批的情况,会控制招聘人数),所以我把秋招提前批比作:神仙打架。另外,秋招提前批大多以内推为主,后面章节中我会说到如何获取招聘信息以及如何内推。

注:提取批挂了,正式批可以再继续投(具体看不同公司的招聘介绍)。

1.3 秋招正式批

2021年9月~11月:秋招正式(神仙继续打架+菜鸡互啄)

有句话叫做金九银十,也就是9月份的 Offer 比10月份的 Offer 更可贵,这话其实很有道理,所以大家可以脑补到7、8月份的 Offer 属于什么 level 了。这时候也很考验大家的心态,比如9月份或10月份了,如果你手里还没有Offer,再看看身边已经拿到Offer的同学,一定变成柠檬精。

所以 Amusi 这里强烈建议一定要把握住 1.2节中的**秋招提前批 **。当然了,如果9月份手里还没有Offer,心态千万别崩,继续投继续干,记住一句话:多投准没错!其实大部分同学都是9月、10月才陆续收到Offer的,所以你多投继续努力,收获肯定会有的。

2 准备攻略

因为这就好像是学习计划一样,每个人都要自己的习惯,我的你并不一定适用。所以我就用一个精简的公式来介绍。 公式1.0:刷题+背题+项目+实习(可选)+竞赛(可选)+顶会/顶刊(可选)

公式2.0:刷题(LeetCode/剑指Offer) + AI基础知识 + 编程基础知识 + 项目 + 实习 + 竞赛 +顶会/顶刊(可选)

3 AI面经和刷题指南

3.1 深度学习面试宝典

详见:深度学习面试宝典(含数学、机器学习、深度学习、计算机视觉、自然语言处理和SLAM等方向)

Deep Learning Interview Book 部分内容如下:

3.2 刷题指南

刷题的目的是为了学习数据结构和算法,锻炼编程能力和熟悉刷题技巧

刷题建议:先刷《剑指Offer》(66题),再刷 LeetCode(目前LeetCode已经有1000+题,可以根据类别来刷,但强烈建议先刷完 LeetCode 面试高频题

注:根据去年校招提前批的情况来看,LeetCode 建议至少刷200-300题,所以2021年(2022届)找工作的同学一定要努力刷起来了!

3.2.1 刷题编程语言

  • C/C++
  • Python
  • JAVA(不推荐)

注:如果时间充裕,而且有 C++ 基础,那么强烈建议使用 C++和 Python 同时刷题。

根据 2021 年(2022届)校招提前批的情况来看,会 C++ 的同学具有有一定优势。

3.2.2 书籍推荐

书籍 豆瓣评分 推荐指数
《剑指Offer》 9.1 ☆☆☆☆☆
《数据结构(C++语言版)》 9.4 ☆☆☆☆
《算法图解》 8.4 ☆☆☆☆
《大话数据结构》 7.9 ☆☆☆
《算法》(第四版) 9.4 ☆☆☆

注:其实还有很多方向没有涉及,如linux、数据库,但暂时先推荐这些,后面再补充

3.2.3 在线刷题网站

  • LeetCode(英文)
  • LeetCode(中文)
  • 牛客网:推荐剑指Offer和各大公司往年题库,牛客网的优势在于很多公司都会使用其作为在线刷题平台,所以在这上面刷题,有利于懂得输入输出等"套路"

3.2.4 刷题方法

  • 《剑指Offer》全刷完
  • LeetCode选择性刷:可以类别来刷题,如数组类、链表类,或者面试高频类

3.2.5 刷题时间

现在起~2021-10-15

3.2.6 刷题重要性

正常校招流程都要进行在线笔试,面试中也可能会手撕代码,所以刷题十分影响面试结果。

4 内推

国内公司人工智能方向岗位的内推机会,含机器学习、深度学习、计算机视觉和自然语言处理等方向。

AI-Job-Recommend 主要以全职、实习和校招为主,并且全都是内推方式!

注:2021年6月开始,AI-Job-Recommend 会推出大量校招内推资源,欢迎star/fork/watching。

4.1 内推的重要性

内推,真的太重要了。其实现在找实习也一样,内推的重要性就提醒出来了,比如我这边的资源就可以内推到BAT、商汤、旷视等公司,一般常规操作是网上投递简历,而快速直接的就是将简历送到leader/主管那里。而且内推是建立在一种互信的基础上(虽然不大),该走的流程还是要走,但无形中增大了面试通过概率。你要知道,很多人的简历在官网或者其他第三方招聘网站上就直接卡死了。

4.2 如何内推?

内推的方式很多,比如:

  1. 强关联:直接找已经毕业的师兄师姐或朋友内推(缺点是身边朋友去的企业有限,很多人是第一批从事算法岗的,可能都没有师兄师姐搞这个)
  2. 常规操作:上牛客网论坛看企业人员发内推帖子、关注一些招聘公众号(这里我就不推荐,因为很多公众号都很有套路,内推一个企业,还要转发文章到其它群里,然后截图给他们,可是对于大多数人,为了内推,只能这么干)
  3. Amusi 内推。这里感觉像似打广告一样,但确实是一个方式,因为我手里资源挺多的,很多公司的人都认识,可以直接内推。感兴趣的可以关注一下这个求职群「2021年AI算法岗求职群」 或者 AI-Job-Recommend

5 简历模板

提供了三份简历模板,详见:AI 算法岗简历模板

6 AI类公司清单(以CV岗为主)

首先 AI > CV,所以提供CV岗的公司肯定就提供 AI岗。但至于这些公司是否还有 NLP、机器学习、语音识别、推荐算法和 SLAM等岗位,这个需要大家自行去官网进行了解。

荐读:国内提供计算机视觉(CV)算法岗位的公司名单(含外企和国内公司)

北京提供CV算法岗的公司名单

更多城市信息(上海,深圳,杭州,南京,广州和成都等)详见:https://github.com/amusi/CV-Jobs

7 往届AI算法岗薪资情况

这里说说2019届AI算法岗的薪资情况。

我只以硕士及一线左右城市为例(北上广深、南京、杭州等),因为像武汉、成都,你即使找的AI算法岗,但城市不一样,薪资还是多少有区别,明显不能只看Money,不考虑城市大环境。

  • 白菜价:25w~30w

  • SP:30w~40w

  • SSP:40w+

说年薪有点笼统,我再说细一点,大家也可以提取熟悉一下。

一般企业薪资构成是:

  • 年薪 = 月薪*12 + 年终奖

年终奖一般是2~5个月的薪资,大概是3个月

所以,年薪=月薪*15

如果你月薪2w,那么年薪就是30w=2*15(白菜的Top,SP的Down)

如果你月薪2.7w,那么年薪就是40.5w=2.7*15(SP的Top,SSP的Down)

这里po一张很全很全的高薪图,来自OfferShow

注:跟hr谈薪资的时候,如果她/他问你:你的希望薪资是多少?!这时候你一定要往高了要,至少比你想要的高30%。听我的,没有错,不然...

8 答疑

130个问答请戳—> Q&A

Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].