对于应届生来说，虽然来学校招聘的企业非常的多，特别是对于C9联盟、卓越联盟以及985和211，双一流等，大公司和好企业真的是特别恐怖，但是无论来的公司再多，如果没有好好准备也会失之交臂，机会就只有一次，因此应该要认真的去准备和迎战。
1、简历部分
简历的通过是能够进入笔试的前提，这个我自己也写的不好，也没有很好的经历（总不能把我的LOL段位和吃鸡次数亮出来吧！！！）
但是，简历一定要和公司的岗位要求有高匹配度（好像是一句废话，尴尬），其实很多人的研究方向和企业要求并不完全相关，例如你是做NLP的，但是那家公司是人脸识别的，这样子别人就会怀疑你是否能够胜任，因此要根据岗位的要求来针对性的突出重点（能力和奖项），对于想跨行的，研究生期间没有项目的，可以参加比赛来弥补，不然很吃亏。
2、笔试部分
首先对我自身的情况进行说明吧，本人六月份才开始学习机器学习和深度学习，所以说基础很差，九月份十月份开始海投，简历过了一些，一开始，笔试怎么搞都不行，后来我用了“BAT机器学习面试1000题系列”（为啥感觉像广告啊。。。盖中盖？？？），我没有全看完，但是笔试确实过了很多。
后来分析了一下原因，卧槽，哪个人会看完学校的教材就去参加高考的，就算你全背了估计也很难考上满意的学校吧！！！是吧，大大小小的考试都是靠刷题刷起来的，所以要选择一个有价值的题库。
推荐的理由：
1）这个前缀太jb牛皮了，BAT。。。（这tmd也太能吹了）
2）题目的数量大，因此涉及的范围还可以（做过数据分析的题，和这个差异很大）
3）每道题目都有详细的答案。光有题目没啥用，因为网上很多题库没有给答案，需要自己去找，这就很烦啦，而且我本来就是不懂，然后看了那么多人的观点，真的就变成一团浆糊了，并不能解决主要矛盾。
举个例子：你看完《统计学习方法》、《机器学习》和《深度学习》你能回答上来下面的问题吗？
1、 常见的生成式模型和判别式模型有哪些？ 。
2、请问GBDT和XGBoost的区别是什么？
3、LR和SVM的联系与区别？
4、LR与线性回归的区别与联系？
很多人（包括我自己）看完估计直接先来个素质三连加卧槽什么鬼，溜了溜了，因为没有去总结，不太可能答的上来。除了理论方面笔试会考，当然还会考编程题这个的话可以考虑去牛客网上面刷题。
链接：
BAT机器学习面试1000题
https://zhuanlan.zhihu.com/c_140166199
数据挖掘
https://www.cnblogs.com/baiboy/p/mianshi.html
网上的笔试面试经验帖很多，可以多去看看，针对性的学习，是进步的最快捷径。
联系客服
