华为cbg消费者云服务15级，南京，26k*12+80k（保底年终），总包40w.（感觉可以再高一些，自己当时报价报低了，结果就按照我报价的下限给的）
携程，上海，23k*15（+45k签字费）（硕士顶薪）（携程只有20k和23k两档，最高档的一部分同学有签字费）。
爱奇艺，北京（硕士顶薪）。
Vivo，北京（地点随便挑），20k*15（sp。Vivo三档16k20k24k，感觉可以拿ssp，但是vivo只有一轮30分钟的技术面，感觉太简单了，没区分度。但是了解到有些ssp背景全方面不如我，而且我当时面试也是完美回答所有问题，但是没给ssp，最后选择的时候就直接把vivopass掉了）。
阿里新零售事业群，杭州。面完了，拿了口头offer，还在等正式offer。
面经&吐槽
背景备注：因为学校那边事情比较多，大概到十月才结束，所以秋招准备不怎么充分（知识上和刷题上，都不够充分）。而且当时刚开始投递，了解到的公司也不算多，所以整个秋招投递数量也不算多。春招就开始步入正轨。
面经环节备注：整体按照轮次，时长，流程，自我评价/吐槽/面试官评价的顺序进行。
流程中的各个环节：
项目展开环节，因为都是根据个人项目和知识储备来展开的，每人的方向不同，我就不再详细介绍，没啥参考价值。
项目展开+基础知识：是指纯项目展开，再加上一些引申出来的基础知识，个人在准备时可以根据个人项目情况来针对性准备。这一块儿我主要写那些引申出来的基础知识，来给大家做参考。那些纯项目展开的部分（或者我认为不具有普适性的知识）我就不写了。会写的基础知识有，比如说我项目中用到了深度可分离卷积，那可能会引申出参数量运算量的推导，深度可分离能使参数量运算量下降的比例。
1.字节跳动
秋招提前批一面：挂
时长：60分钟
流程：项目展开，做题（两道题：第一题：二分查找变形，查找有序数组中某个数的起始位置和末尾位置。第二题：礼物的最大价值（找到一个矩阵从左上角到右下角的最大/小和，简单的dp），传统机器学习基础（LR：sigmoid函数，损失函数，权重更新。集成学习：整体的原理（bagging，boosting），bagging的例子（随机森林），随机森林的原理（构建方式，随机性的体现，优点），boosting的例子（gbdt），gbdt的原理（构建方式，优点））。
自我评价：项目展开：这块儿回答的挺好。做题：第一题虽然不难，但没做出来，不熟练+紧张，只写了暴力解。第二题秒做出来。基础知识环节：LR回答的很好，集成学习那些准备不充分，确实答得不好。客观来说，确实应该挂。
秋招正式批笔试（第一次）：挂
自我评价：内容记不得了，确实挺难的，确实不会，应该挂。
秋招正式批笔试（第二次）：通过，76/100，或者说3.2/4
题目：四道代码题（分值10303030）：1.简单的sortbykey；2.Leetcode原题，hard，42/84/85中的一道（具体哪个我忘了）；3.竞赛题，给一个M*N的大矩形和n*1的小矩形，请问小矩形有多少种方法拼成大矩形。牛客上JZ10矩形覆盖的无敌升级版；4.题目忘了，思路是0-1背包问题+计算完全平方数的优化。
自我评价：运气好+实力强，能有这个结果真的很满意了（毕竟字节笔试公认的难），当时去牛客上看了一圈没有比我做的好的（估计这次笔试可以top，得瑟一下）。第二题那个hard，碰巧做过原题，直接秒了。第三题，确实没啥思路，骗了20%。第四题，0-1背包估计不少人能想到，因为条件负责度的要求，写到这里只能对0.6%。再加上优化计算完全平方数，才能全部ac。
秋招正式批一面：（通过）
秋招正式批二面：（挂）
流程：自我介绍，做题两道：第一题，概率题，两人抛硬币，出现三次正面朝上为A胜，出现三次背面朝上为B胜，计算A胜的概率。第二题，代码题，计算斐波那契数列。
自我评价+吐槽：纯属被搞了。自我介绍完之后就开始全程做题，没有问任何专业知识，同时面试官态度及其之差，不听我讲话，还多次打断，还抨击一面面试官和学术界大牛。具体表现如下，概率题我做出来了，五分钟不到，确实不是很熟练，但是五分钟也还好吧。最后他说我做的太慢，方法太笨（我反问他该用啥方法，说用排列组合分类讨论，我就是这样做的）。
就这么尬了一个小时，最后他说“你是我面过的最差的，我们这儿没人写不出来这个的”。（我结束之后查了下他说的这种方法，算是半个竞赛解法了，很偏，正常情况写到空间为O（1）的dp就行了）。他除此之外还说，“一面问的那些模型啊，机器学习啊，深度学习啊，都没用，更新太快”。难道因为更新快，就不去尝试不去学习新东西了吗？还抨击这几年一些大牛的作品，比如efficentnet，都是垃圾。
2.网易
秋招一面：挂
流程：自我介绍，项目展开（介绍alexnet的结构，神经网络剪枝的原理和具体实现），基础知识（tf中namespace，variablespace等的区别和联系，tf来做分布式训练（多GPU协作）的api）
自我评价：中等偏上的发挥，发挥不好的点在于对于剪枝的理解还没有很深入，对tf1.x的指令不熟悉（我用的tf2.x），没有当时就明确指出namespace，variablespace这些是1.x中独有的，2.x中没有。
吐槽：
b.面试官水平太低：1.让我介绍alexnet的结构，我说八层权重层，其中有五层卷积和三层全连接。她直接反问，“难道没有池化层吗？”。通常说层数都是指权重层，而且我也明确说明是权重层，池化层是权重层？2.让我介绍剪枝的具体原理和实现，我按照论文给她讲，她不信。我报论文名字和作者（《LearningbothWeightsandConnectionsforEfficientNeuralNetworks》，songhan），她还是不信。我说神经网络的表达性能过剩（这是常识），她也不信。她就硬抬杠。3.问我tf的namespace，variablespace之间的区别，我因为用的tf2.x（这些在2.x中删除了），根本没见过，我当时还以为是我自己学艺不精，也直接说的不会。
3.商汤
秋招补招一面：通过
自我评价：还不错，只有一个地方（推导卷积层参数量运算量）发挥不好。因为好久没推了，当时也是第一次被问到，也有点紧张，不太熟练，结论没推全对，但是口述了原理。其他地方包括代码题都很熟练的回答上来了。
秋招补招二面：（挂）
流程：自我介绍，项目展开+基础知识（大尺寸卷积核为什么能替换成小尺寸卷积核的堆叠（有效感知野尺寸相同），优点是什么（参数量更少，更多的非线性，等等）。soft-nms的具体实现，和传统nms相比的优点。BN层的实现和作用，为什么能有这个作用），一道代码题（leetcode221最大正方形）。
自我评价：个人发挥还不错，不过面试官水平非常有限。
4.Vivo
秋招补招一面：（通过）
时长：30分钟
流程：自我介绍，基础知识（python：生成器/迭代器，is和==，sort底层原理。数据结构：树的前中后序遍历，二叉排序树）。
秋招补招二面（HR面）：通过
时长：20分钟左右
流程：自我介绍，HR面标准问题（最大的优点/缺点，预期工资，工作地，如何学习的，学校情况等等）。
5.BIGO
秋招补招一面：挂
流程：自我介绍，做题（三道题：第一题：900桶酒中有一桶有毒，小白鼠饮入有毒酒后七天发作，要在七天之后找出这桶酒，请问最少需要多少小白鼠。第二题：甲乙射箭，每人射中靶子的概率都是0.5，请问甲射出101箭，乙射出100箭，甲比乙射中多的概率。第三题：leetcode面试题17.24最大子矩阵）。
6.华为（offer）
笔试：通过，2.4/3
流程：三道代码题：第一题，具体忘了，反正题干很长，思路简单，但是很多限制条件，代码量不小。第二题，有一系列商品，满减优惠，选出达到满减优惠标准的最少金额。（0-1背包）。第三题，最大子序和的变形，难点在于联想到最大子序和。
总结+自我评价：这里单独说一下华为的笔试，因为华为笔试的代码题风格和其他公司完全不一样：其他公司是难，只要有思路之后就基本能全部ac。华为是复杂，但是核心思路不难。主要体现在两方面：
一面：通过
流程：自我介绍，项目展开，做题（时限30分钟。一道代码题，思路简单，但是功能复杂，代码量不小）
自我评价：发挥没啥问题，所有问题都回答上来了。
二面：通过
自我评价+吐槽：除了代码题，其他也是完美发挥，都回答上来了。
2.数据结构和算法。因为我说我是自学的，他就默认我一定学的不好（实际我学的挺好的），包括上面代码题的讨论环节，他根本没有认真听我阐述。他又问了我几个常见的数据结构（二叉树，二叉搜索树，红黑树，b树，b+树等等），我都回答的不错，但是感觉他还是抱有成见。
三面（业务主管面）：通过
流程：自我介绍，领导介绍部门架构和业务，HR面问题（优缺点，工资，工作地，offer情况，学校情况）。
自我评价：这面其实没啥技术问题，而且基本都是boss在介绍，没我啥说话的份儿。这boss是个大boss（云服务下面一个三级部门的头，手下1000+人），很喜欢我，我对这个面试官也很钦佩，感觉温文尔雅，虽然有气场但是也和亲民。本来想投诉二面的代码题的，因为面试进程很愉快，并且这种部门大领导应该不在意这些细节，所以我也没再提那个代码题。谈待遇的环节，更是直说“我是华为为数不多的金牌面试官之一，权限很高，你尽管提要求，我尽量满足”，我说的25k-30k，说低了。最后定薪就按照这个下限给的。
7.字节（两次机会）
春招正式批两个志愿：简历挂
吐槽：我寻思着我秋招简历都过了，不至于直接给我挂简历吧，至少给个笔试的机会吧，而且不至于两个志愿同时挂吧。结果联系了半天，终于知道了原因，也了解了字节校招的混乱：
春招正式批一面：通过
挂简历之后，我又联系了其他部门的hr，说明了情况，终于顺利拿到了面试机会。
自我评价：完美发挥，所有问题的逻辑清晰的回答上来了，代码题也很快的写完了。
春招正式批二面：（挂）
流程：自我介绍，基础知识（完全是推公式和写表达式，写常见的损失函数（MSE，CE，L1loss，focalloss，smoothL1loss），推导LR的权重更新），做题（两道题：第一题，礼物的最大价值（找到一个矩阵从左上角到右下角的最大/小和，简单的dp）。第二题，全排列）。
自我评价：完美发挥，表达式都写出来了，同时解释了每个物理量的含义和各自的使用场景，权重更新也推出来了，最后两道代码题也秒ac。
吐槽：本来感觉我稳过，甚至都能sp起步了，结果通知我挂了，挂的原因是我有低头看笔记本的动作。我直接爆炸，原因如下：
时长：70分钟
流程：自我介绍，项目展开+基础知识，python基础（生成器/迭代器原理、作用、区别，生成器定义方式等。可变/不可变对象，联系深拷贝浅拷贝。Is和==的区别），做题（实现nms）。
时长：100分钟
流程：自我介绍，项目展开+基础知识，做题（两道。第一题，旋转数组找最大值。第二题，leetcode887鸡蛋坠落，我做过的所有hard里思路最难的），HR面常规问题（优缺点，offer情况，学校情况等）。
这里解释下，虽然很官方，但是肯定不是统一复制粘贴的，因为我向他询问的时候是按照面试反馈和审批流程为啥这么慢（为啥一个月后才挂我）这两点来问的，他回答也是按照这两点来回答的。然后我追问我因为什么原因被挂了，没有收到offer，这老哥就不回我了……哭！
流程：自我介绍，非算法岗必备的基础知识（计算机网络和操作系统），项目展开，基础知识（LR的预测函数，损失函数等）
自我评价+吐槽：自己发挥还行（除了计网和操作系统真没复习，其他都没啥问题），但是感觉像是kpi，没想到能过。像是kpi表现在两点：一是面试官很多问题在强行抬杠，后面会解释。二是竟然没代码题。
强行抬杠最有代表性的一点是：让我向一个不懂CNN的人介绍CNN。我按照以下顺序来介绍：名字的全程和来历（什么是卷积，怎么做卷积的），然后CNN的常见组件（卷积层，全连接层，池化层，等等）等等。介绍过程中被打断，说我介绍的太详细太细节了，一个不懂CNN的人听不懂也不感兴趣。那我又说那就只介绍名字的全程和来历（什么是卷积，怎么做卷积的（加权求和）），他接着问，那对方不知道加权求和呢？我到这里就差点笑了，加权求和不是中学生都知道吗。我忍着笑说，假如对方不知道加权求和，那么对方可能对这些技术细节不在意，更在意CNN的实际应用/使用场景，又开始介绍使用场景。结果面试官还是不满意，说我介绍的太笼统了，没技术细节……我直接放弃挣扎了。当时心想着，挂就挂吧，结果当天下午hr联系约二面，我真的惊了。
二面：（挂）
流程：自我介绍，对ai整体的看法（怎么看待计算机视觉领域前几年都在做gan，这几年都在做模型压缩这个趋势。怎么看待模型压缩现在主要的应用场景大多是计算机视觉。个人的职业规划），项目展开，基础知识（优化器（表达式+优缺点）。决策树的三种构建方式。boosting（xgboost和gbdt各自的原理，之间的区别和联系，优缺点）。Python底层原理（对象池）），做题（一道题，leetcode113/剑指34，都是一道题，二叉树中和为某个值的路径）。
自我评价+吐槽：个人完美发挥，所有问题均逻辑清晰的回答上来，代码题也秒ac。同时面试过程中面试官也多次对我肯定，表示我技术过硬，基础扎实。结果一天后hr通知我二面挂了？我直接爆炸，问hr面试反馈和失利原因，hr说他没收到反馈，帮我问一下，第二天给我说。第二天（周五），hr一直没消息，我主动联系hr，没有反复。下周一继续问，还是没有回复，这也太不礼貌太离谱了，好歹找个借口糊弄一下啊，或者最开始就说查不到面试反馈。这答应了又不了了之，属实爆炸。而且kpi的话，一面就挂我啊，一面属实像kpi，而且我确实回答的不好。我这二面无敌发挥，面试官也那么认可，完全没有挂我的理由。不过我对这面试官印象很好，挺帅的，谈吐也很棒，技术不论是细节和整体，都令我很佩服。
一面：（通过）
流程：自我介绍，项目展开+基础知识（focalloss的表达式，解决了什么问题。分别介绍fastrcnn和fasterrcnn。模型压缩中剪枝、量化、权重共享这三种各自的原理、区别和联系、优缺点。增加模型可视化中LIME这种方法的原理），做题（代码实现随机抽样）。
自我评价：总体中规中矩，具体来说前半段莫名紧张，表述很不流利，感觉口吃比较严重。中后段开始就进入状态了，从介绍rcnn系列开始就不怎么紧张了，逻辑清晰的完美发挥。最后代码题做的不好，我只用了python自带的random来随机，据面试官介绍这个只是个最基础最简单粗暴的，面试最后向他请教了下该怎么做，回答是shuffle算法，又给我大致介绍了下原理。感觉这面试官真的很懂技术（表现在LIME那个论文他竟然也看过也有比较深入的理解。还有其他问题的考察方式，一听就是懂行的。），态度也很好。最后他直接说，“你基础挺扎实的，我对你挺满意的，我直接给你过了”，这也是唯一一次在面试结束之前明确告诉我面试通过的面试。
二面：反复横跳后取消，然后流程终止
11.腾讯（一面过，二面取消）
时长：40分钟
流程：自我介绍，项目展开+基础知识（正则化，完整介绍ResNet那篇论文，常见评价指标，优化器等等）。
有个小槽点是面试官看来没有亲自看过resnet那篇论文（《DeepResidualLearningforImageRecognition》）。在resnet那篇论文里，resnet通过residualblock的shortcutconnection解决的是（设计初衷）解决深层网络难还原identitymapping导致的模型退化问题，缓解梯度消失/爆炸只是连带作用（在resnet的后续研究的论文（《IdentityMappingsinDeepResidualNetworks》）里论证的）。而且resnet那篇论文里已经用bn层和实时监测梯度情况保证没有梯度消失爆炸的出现（同时也正因为这样，确认了梯度消失和爆炸不是导致模型退化的原因，才想到了恒等映射）。但是这面试官认为residualblock的shortcutconnection的设计初衷是为了解决梯度消失和爆炸。这说明他对模型退化和resnet的设计历程很不熟悉，同时这也是国内网上很多没有亲自看过论文的人的观点。不过整体面试流程和面试官态度都是挺棒的。
12.阿里（面试全部通过，口头offer）
流程：自我介绍，项目展开+基础知识，穿插着问了问个人情况。
二面：（通过）
流程：自我介绍，项目展开+基础知识（介绍mobilenetv1和v2，densenet，目标检测的一阶二阶啥意思，等等）。
三面：（通过）
流程：做题（35分钟。题目是：给定数据集，当场实现任何一种分类器均可，但是要可以训练，预测，评估。不能调库），讲解自己的代码（5分钟），题目展开的基础知识（评价指标，为什么要归一化，不需要归一化的模型有哪些，为什么要样本均衡，怎么实现样本均衡等等）。
自我评价+面试官评价：这次补上了前两面没问的代码题，直接整个面试都是代码题为主。自我感觉发挥挺棒的，不算完美。对于“不需要归一化的模型有哪些”这个问题不太熟练，最后说了决策树和用决策树的集成学习（bagging的随机森林，boosting的gbdt，adaboost，xgboost等等），面试官问还有哪些，我就真不知道了。其他问题和代码题都回答的挺好的。面试官说代码风格很好（其实我就是逻辑清晰，定义了个class，然后各种功能都封装到class里的function里，又简单写了下输入输出格式的备注），基础知识扎实。
四面（HR/leader面）：通过
时长：20分钟
流程：自我介绍，HR面常规问题（优缺点，工资，工作地，offer情况，学校情况等），又随便聊了聊，比如说部门情况之类的。
一面：挂
流程：自我介绍，项目展开+基础知识，做题（20+分钟。一道题，不是leetcode上的题，是个自己出的题，题目具体忘了，大概是给一个数组，按某个指定顺序排序）。
14.爱奇艺：offer
流程：自我介绍，项目展开+基础知识，做题（两道题。第一题忘了，不是hard，秒ac。第二题leetcode329，二维的最长递增序列，hard）。
流程：自我介绍，项目展开+基础知识，基础知识（FM那篇论文：表达式，优点在哪儿，和SVM的对比，和MF，SVD的对比等等。Wide&deep那篇论文：wide侧表达式和作用，deep侧表达式和作用，使用的优化器。介绍你认识的优化器，介绍你知道的正则化的方式，L1正则和L2正则各自的优点），做题（具体忘了，反正没有hard，当时也都秒ac了）。
自我评价：基本完美发挥，除了wide&deep用的优化器这个问题回答的不好，其他所有问题均逻辑清晰的回答上来了。Wide&deep用的优化器用的优化器是FTRL，我当时忘了。因为这个论文看的比较久了，只记住了最核心的那些（wide侧表达式和作用，deep侧表达式和作用），这个比较细节的点真的忘了。不过面试官很好，从这个问题引申到我对常见优化器的了解，包括正则化的了解，因为这个FTRL其实就是要便于产生稀疏解，方法类似于L1正则。
三面（HR面）：通过
流程：自我介绍，HR面常规问题（优缺点，工资，工作地，offer情况，学校情况等）。
小吐槽下：前一天给我约后一天上午到现场面试，离谱。一是hr面不像技术面那么重要，而且就十几二十分钟，我个人角度有点理解不了有啥必要线下面试。二是我家不在本地，提前一天才说线下面试，这不太合理吧。不过hr看我立场坚定，就改成了线上面试。
吐槽下申请流程和提前批的审批流程：
申请流程：携程在正式批之前有个提前批/内推批，简历经过人工筛选之后有可能能免笔试，然后提前开始面试。首先说一下这个提前批/内推批资格的获取，提前批是需要满足一定条件（学校排名，雅思成绩等等）才能获取，不需要内推，说是满足条件之后一定能免笔试。内推批是只要有内推码都行，不过还要人工复核。这俩渠道的申请流程和或者面笔试的描述很不清晰，比如说提前批的满足条件的证明材料根本没有专门上传的地方，也没有说格式要求。然后也没有说这俩渠道是只能选一个报名还是两个都可以报名。我问了HR，HR说这个无所谓，只要有内推码就行，证明资料任意格式在附件那里上传就行了。我就感觉这也太草率了吧。
流程：自我介绍，项目展开+基础知识（记不住了，不好意思），做题（也忘了，反正不难，也是秒杀了）。
自我评价：完美发挥，逻辑清晰的回答了所有问题，代码题也都秒杀了。
流程：自我介绍，项目展开+基础知识（DenseNet和ResNet的各自架构和二者间的联系），基础知识（评价指标：AUC的计算，和accuracy相比解决了哪些问题。TPR，FPR，precision的定义），做题（两道题。第一题，python实现auc。第二题，numpy的基础操作，把输入数据的对应列做一些运算，然后输出）。
时长：15分钟
小吐槽下：二面过了之后，卡了两三周才约HR面，我一度以为我又要被kpi了。
笔试：通过
流程：选择，代码，简答
流程：自我介绍，项目展开+基础知识（卷积层需要的参数量和运算量的推导），做题（一道。标准的快排）。
自我评价：完美发挥，逻辑清晰的回答所有问题。这面试官小哥哥声音也很好听，人也很nice，技术也过硬。
流程：自我介绍，项目展开+基础知识，做题（一道。题目记不清了，反正挺简单的，貌似是个简单的dp）。
自我评价：完美发挥，逻辑清晰的回答所有问题。不过这面试官老哥，感觉技术不太行，很多地方我讲的时候他表情一脸懵，问题之间也没啥内在逻辑，也不够深入。
三面（HR面）：（挂）
时长：25分钟
流程：自我介绍，介绍项目，HR面常规问题（优缺点，工资，工作地，offer情况，学校情况等）。
总结+吐槽：挂的原因应该是我说的offer情况和工资情况吓住他了，我要35-40w，oppo给不到这个价，就给我挂了。而且他感觉有点看不起英硕的感觉，感觉英硕都水，国内985都厉害。说实话，我的观点是到了对于硕士来说，不论国内国外，个人的差距远大于学校的差距。而且我也是个G5，学校名气也还行吧，当初也能保研985。反正oppo给我整体感觉都不太好，不太想去，挂就挂吧。
经验体会
算法岗就业情况：真的“灰飞烟灭”吗？
从前几年开始，每年校招算法岗都会有一个劝退的新名词出来，“神仙打架”->“诸神黄昏”->“灰飞烟灭”，无限传播焦虑。我当时刚开始准备校招的时候看到这些名词和各种劝退，也是非常焦虑+有些不坚定。但是在亲身经历之后，根本不是这样，不用过于焦虑。
1.2021届校招算法岗真的很难吗？
不是的！好好把基础搞扎实，把该会的学会，真的就可以成为offer收割机，基本不存在能不能拿offer，而是offer的待遇问题了。
2.2021届校招算法岗比之前难吗？
是的。从我了解到的情况来看，前几年真的不难，甚至太简单了。有不少人根本没有把应该掌握的掌握扎实就能拿到各种大厂offer，这两年只是慢慢回归正常难度而已。然后很多人还想像之前那样基础不扎实、水水就能过，结果发现碰壁了，就开始散播焦虑。
从我亲身经历和了解到的情况来看：
学习方式不同+岗位需求量不同=面试难度不同
学习方式不同：算法岗，只靠看书看视频看网课是远远不够的，需要大量的阅读论文。尤其是深度学习中模型的部分，不论是cv，nlp还是推荐，都主要靠阅读论文，现成的教材和视频很少，中文的教材和视频更少。但是像传统机器学习和深度学习的基础知识部分（激活函数，优化器等等），确实有一些很好的书籍和网课。并且学习路线也基本都是因人而异，因方向而异，要靠自己来筛选梳理自己需要学习的知识。所以说，算法岗学习过程中的难点，不仅仅在于知识本身的难度，还在于自己去筛选梳理学习资料的能力。
开发岗，不论是前端后端还是客户端，学习路线和各种学习资料（书籍、网课），上网一搜一大把，选定一个，然后就跟着别人制定好的路线按部就班跟着学就行了。所以说，开发岗学习过程中的难点，主要在于知识本身的难度。
岗位需求量不同：开发岗的需求量远大于算法岗。尤其是开发岗中的前端、测开、客户端等，这两年是常年招不满，甚至允许零基础转岗（对于这点，除了岗位需求量大的原因外，也有申请人数相对较少的原因）。
面试难度不同：综合以上两点，导致了算法岗和开发岗的面试难度不同。但是不论是哪个岗位，只要自己缕清自己需要学习的，按部就班的静下心去学，都没问题的。
学校认可度vs个人能力
我遇到过清北复交/藤校/G5的在校招时因为基础不扎实而屡屡受挫，我也遇到过普通985/211/海外硕士，因为自己基础扎实而收割各种大厂offer。所以相比其他岗位，互联网行业的技术岗是一个最不看背景最看个人能力的岗位了，付出和努力基本都会被兑现，偷懒和懈怠基本都会被惩罚。
顺序：我个人建议是先剑指offer的那75道，然后hot100，最后再查缺补漏（查缺补漏的方式可以有同类型的，每日一题，按照题号顺序或者根据面试中被问到的）。
数量：按我这个顺序的话，200+比较稳，300+基本没问题。
作用：我认为刷题对于校招的帮助主要是面试，其次笔试。原因如下：笔试代码题：1.重要性不够。因为笔试对于很多公司来说不是必须的（有的公司压根没笔试，有的公司的笔试成绩只做参考，没实际影响）。只要通过笔试，你的笔试成绩对后面的面试就没啥影响了。2.个别题难度太高+基本不会有原题。现在有很多笔试题都是终极融合怪（很多medium或者hard题融合在一起）或者竞赛题（比hard还hard），所以这种情况再加上基本不会有原题，刷题可能帮助提升不大。只要把能做的做了，基本都能过笔试了。
反观面试代码题：1.很重要。会直接影响你的面试结果及面试评级。2.难度适中+很大概率遇到原题。所以多刷题对面试代码题的解决帮助很大。
我这种刷题顺序就很好的解决了上面这些的问题：以剑指offer和hot100为核心（这些都是最高频的代码题考点），能快速提高应试的代码能力。然后再拓展/查缺补漏，可以进一步提高数据结构与算法的能力。大概对应关系是这样的：
实习vs论文/竞赛vs基础知识
那些散播焦虑，散播“灰飞烟灭”的人的一个惯用说辞：假如没有大厂实习+顶会+竞赛前几，就只能当炮灰。其实根本不是这样！除了那几个ailab可能会挂简历，其他都没有问题，关键还是你个人基础知识的掌握。我和一些发了顶会的同学交流过，水平各异。因为这几年注水严重，具体论文要具体分析，不是有篇顶会就代表自己基础扎实有个完备的知识体系，更不代表不用准备校招也能收割offer。
早投递vs晚投递
秋招vs春招
还有个广为流传的观点是这样：“秋招是应届生的黄金季，岗位多，门槛低。假如秋招没拿到好offer，春招也没戏。因为春招岗位少，竞争大”。这句话也不完全对，要分开来看。对的点：秋招岗位多，春招岗位少。确实很多公司不会开设统一的春招，即使有春招的公司，岗位需求量也比不上秋招。但是春招比秋招难吗？春招比秋招竞争激烈吗？秋招没好offer，春招也没戏吗？
写在最后：面试真的有运气成分！如果你像我一样，准备充分并且回答上来所有问题还是失败了，别灰心！继续努力！广撒网！要坚信你的付出一定会得到回报！退一万步说，即使整个校招都不成功，也别灰心！校招只是个起点，之后的工作中只要努力，你一样还有无数机会去兑现你的付出！
实习内推
为了更好地了解和满足大家的需求，我们建立了「求职者社群」。
加入AI求职社群，你可以享有招聘需求曝光、获取最新面试经验、校招准备攻略、硕博招生和独家内推渠道等服务。
AI求职是「PaperWeekly」旗下聚焦人工智能领域的招聘平台，涵盖高校硕博招生、博士后招募、企业校招、社招、实习和内推等。