怎么搞定微软等名企 Offer ？研究和开发岗面试有什么差异？

在上一篇文章中，我们邀请拿到 Google Offer 的范非凡同学，给我们分享了很多第一手的宝贵面试经验，文章见《想搞定 Google 等名企 Offer？先学会北大学霸的这几招》。这次我们邀请拿到微软 Offer 的陈云琳同学，给我们分享下他是怎么拿下微软的 Offer 的，该篇经验分享，更多侧重的是 Research 岗位的面试经验，相比之前 Google 的范非凡和同是微软的孙小柔的面试经验谈，有较大的差异，也非常值得大家参考。

个人介绍

本人西北工业大学 2017 届软件工程本硕毕业生。专业方向是 Speech ，在去年参加了微软、诺亚方舟、百度、搜狗、滴滴、出门问问等公司的面试，面试公司里，有知名外企，也有国内企业，有大公司，也有不同阶段的创业公司，除了滴滴要继续走校招面试流程外，其余几家都收到了口头或者正式 offer，最后斟酌再三，选择加入微软。应平哥邀请，分享一下自己的面试经历。

面试准备，有备无患

首先，准备好排版精美、架构合理的中英文简历。这里推荐用 latex 来编辑自己的简历，这样不用像 word 一样反复调节格式问题，介绍一款在线 latex 编辑器https://www.texide.com/dashboard，里面有很多面试简历模板。

其次，想办法推销自己，跳过笔试。我们作为二三线城市的学生，没有北上广的学生那么多实习机会（有些导师开明，和一些企业合作，让学生出来实习）和氛围，所以设法让 HR 和公司的 leader 了解我们，这样我们才能有越过笔试直接面试的机会。

社交网络上多接触目标公司的牛人。我的做法是注册 LinkedIn（领英），完善自己的工作经历和项目，搜索和自己领域相关的大牛，并厚着脸皮点击建立联系，有可能的话还可以在 LinkedIn 上向他们请教问题。这里说一个自己的亲身经历，之前在实习的时候，要做一个语音合成拼接的项目，因为自己从来没有接触过，有些细节问题琢磨不透，就碰机会在 LinkedIn 上找做过这个工作的老师请教，这个老师竟然欣然应允，并且耐心的回复了很细节的问题。更有趣的是，这个老师后来是我面试微软的面试官。

多听报告，多认识大牛。学校实验室导师们，经常会请某些领域的专家来做分享报告，这种机会一定不能错过，只要跟自己领域相关的，有时间一定过去听一下，有机会的话也要提一个问题，俗称混个脸熟。

抓住一切机会参加学术会议。

在研究生阶段，能够参加一些会议，国内的、国际的都可以认识很多大牛，并且可以面对面的交流，既结交了朋友，又能够请教专业上的问题。研究生阶段，导师给了我很多机会，有幸参加了博士生论坛、计算机院长论坛、ICOT、ICASSP2016、全国人机语音通讯学术会议，这些会议中有的是志愿者，有的是蹭会，有的是代替师弟师妹参加会议，可惜的是自己没有发表一篇文章，大部分时间都在实习（实习也有机会去参加会议，ICASSP2016 就是实习公司出门问问给了我一次与会的机会）。

在这些会议中，认识了很多speech 相关的人，对自己的成长与面试也有很大帮助，不仅扩展了人脉，遇到问题可以随时请教，而且当你遇到的人是部门负责人时，那你相当幸运了，很有可能终面就是吃一顿饭聊聊的事情了。

最后，多读论文，多刷题。

关于读论文，见仁见智，有些企业更关注于成熟的技术，想尽可能落地；有些企业比如微软，在其中一些组关注更多的是前沿的技术，想尽快实现对比。所以对自己领域知名机构发表的文章，要有了解但不必要每篇都很深入。

关于刷题，这是必须的，Leetcode、TopCoder 等刷题网站，要尽可能多练习。基础的问题要熟知：链表、tree、动态规划、排序、字符串、二分搜索以及代码风格等。要有一个自己比较喜欢的编程语言，比如 C++，要熟悉对象、继承、单例模式、智能指针、虚函数等。http://www.cplusplus.com/reference/ 此网站中的标准库函数要都有了解。

面试经历

这次选择两个典型的面试经历分享下——诺亚方舟和微软，一个是国内公司，一个是外企，算比较典型，对大家较有借鉴意义。

A：国内名企面之华为诺亚方舟篇

面试流程

1. 简历内推，找导师和师兄进行内推的。

2. 负责语音的老大进行电话面试，也就是聊聊自己做过的项目，主要是语音项目。

3. 紧接着是两轮电话面试，每轮一个小时，主要是考算法——链表、排序、大数据以及一些项目上的工程化。

4. 最后面试是准备 30 分钟的英文 presentation，主要自我介绍以及项目经历。地点当时选择在了北京华为的一个办公室，面试官是诺亚方舟的老大李航老师，还有实验室副主任（在知道是李航老师面试时，心里十分紧张，因为刚进实验室就是读他的统计学习方法）。

5. 在通过实验室的面试后，华为的硕士毕业生要参加集体校招，可以选择北京或者西安等，博士则不需要。

6. 之后有幸去了香港，然后到了诺亚方舟实验室参观，诺亚方舟在 science park，氛围环境十分好，不过当时因为只能选择 base 在深圳，HR 答应是深圳和香港两地跑，但后来还是拒绝了。

   
   

   附上与李航老师合影照。

面试总结

诺亚方舟面试最难的地方，我觉得是最后的 presentation，ppt 要做的简洁漂亮，突出重点。准备时间要充足，要尽可能的多做排练。

B：知名外企面之微软篇

面试流程

1. 简历内推。

2. 电话面试 pre-screen， 1 个小时。首先确保 skype 畅通可用，一般面试邮件都会发skype 链接，提前点击进去，确保可用。

3. Pre-screen 通过后，会安排后面的 on-site 面试，当然微软会报销往返车票以及住宿费。

4. On-site 会有 4-5 面，每个面试都是 1 个小时，不同小组有些许差异。前几面都会写代码，最后一面 AA 面，最后 AA 面据说可以一个人否定的，有的是聊聊自己的项目，有的是出一些奇怪的题目或者开放性的问题，因人而异。

5. 最后，就是漫长的等待，等待你的 offer letter or thank you letter。

面试分析

对于微软，很多东西都已经很成熟了，所以基本上大家对前沿技术以及细节方面的知识都很深入。

在我的 pre-screen，面试官问了一些关于我简历中神经网络的一些实验，步步紧逼，一刻都没有喘息，她对这里面的细节都很熟悉。如果有时间，建议大家还是多读读自己的领域顶级会议或者巨头公司发表的文章，比如 Google、Microsoft、Facebook 发表的。对于语音领域，一些前沿的 wavenet、tactron、deep voice 等，以及机器翻译中的 sequence to sequence model, attention model 等。假如面试中，对其中一两项技术非常熟悉，并且得以实现，相信面试官会给你加很多分的。

On-site 面试中（其中一个面试官就是之前在领英解答我问题的老师，所以就聊得很开心），基本都是先问下简历中一些项目相关的问题，接下来就是写代码。算法包括，机器学习中一些简单的算法 Viterbi 以及链表等，并且要引申分析复杂度以及如何优化。

AA 面试中，主要问一些宏观的事情，比如对人工智能的看法，描述一下从语音输入到语音输出的整个流程等。

面试总结

面试微软，算法题目是必须要刷的，当然机器学习算法也要多少会一些（如果简历中提到机器学习）。

对于项目中的一些实验结果与分析，一定要做好备份，面试前看一看，做到细致入微。

如果有相关论文发表，这个肯定是百分百加分的。

提前了解面试官的方向。微软的面试邮件中，都会告诉你面试官是谁，这时候应该发动人力以及资源，通过上 LinkedIn 搜索以及询问 HR 等途径，关注面试官是做什么方向的，做到知己知彼。这样在面试前，可以针对复习一下，对于不同的面试官介绍自己项目经验的时候，侧重点要有所不同，这样才能引入更深的项目讨论。

比如对于语音合成，面试官是做韵律的，还是做 Neural Network 合成的，他们也是会根据自己的方向侧重提问问题的。再比如，你了解到这个面试官不是做 Speech 的，而是做大数据方向的，那你得临时准备一些大数据的基础题目进行学习，面试诺亚方舟的时候，面试官就是大数据方向的，所以面试题目大部分也是相应的问题。

面试也如宫廷斗争，了解对方喜好，才能成功上位。

面试差异之小大之辨、中西之别

面试过这么多公司，因为有了内推，所以都跳过了笔试部分（百度从去年开始，面试过后也要参加网上笔试环节），直接进入部门面试环节。这里对比一下不同公司的面试差异：

面试流程方面，国内公司基本都是两次技术面，加上最后的 leader 面以及 HR 面，诺亚方舟则是要参加校招以及实验室面试；国外公司相对来说面试轮数更多，比如微软需要 5-6 面。所有面试每一面都是 1 个小时。

面试内容方面，算法大同小异，专业侧重不同。大公司比如微软的面试官会问你整个实验过程的细节和一些新的技术，也许因为需要一些更专注细节的人去调整或者提升；一些小公司更侧重工程化以及效率方面，问一些实现上的问题以及怎么优化；一些公司则是问系统架构以及如何运用到产品等问题。（因为自己的专业是 speech ，也许是因为这两年的浪潮，有的面试则是看 speech 相关的项目背景，所以有些面试内容仅供参考）

总结与祝福

很幸运，最终能够进入微软，入职半年，生活和工作都很开心，也学到很多（想想本科大三的时候，面试微软 pre-screen 就被挂了，也是心塞，不过人都是有梦想的嘛，坚持下去说不定哪天就可以成了）。

不同的公司，不同的小组，面试风格也会有一些差别，但有一个共性是都会多少考察你思考问题、引申问题的能力。

对于偏学术一些方向的，我们还是要多读论文，多思考，多实现。尝试用现有的机器学习框架CNTK / Tensorflow，去搭一个系统，实现论文中的某个想法，对实验结果做好分析与存档。

最后祝愿大家都可以找到自己心仪的工作。送上自己非常喜欢的一句话：青春岁月，欢爱温暖，许许多多舍不得，原来，都必须舍得。找工作亦如此，大公司、小公司，学术、工程抑或产品，选择哪一种工作方向，都是对的。

Follow your heart.