AI大学院生秋採用面接完全レビュー：8社面接、3社内定獲得

背景紹介

まず私の状況について：985大学の学部・修士、学部は数学、修士はコンピュータビジョン方向で物体検出関連の研究をしていました。秋採用は9月の応募から12月の内定承諾まで、8社の面接を受け、最終的に3社から内定をいただきました。全体として波乱万丈で、驚きもあれば後悔もありました。今日は完全に振り返ります。

私の目標は明確でした：AIアルゴリズムエンジニア、CV方向志望、NLPや推薦方向も受け入れ可能。応募先は大手IT企業のAI Lab、AIユニコーン企業、自動運転企業をカバーしました。以下、時系列で詳細に振り返ります。

面接プロセスの振り返り

準備戦略

7月から準備を始め、約2ヶ月かけました。準備は3つの段階に分かれていました：

第一段階（7月）：基礎知識の復習+コーディング練習。重点は機械学習基礎（SVM、ランダムフォレスト、XGBoost）、ディープラーニング基礎（CNN、RNN、Transformer、オプティマイザ）、CV方向知識（物体検出、画像セグメンテーション、GAN）。コーディングは毎日3-5問のLeetCode、Hot 100に焦点。

第二段階（8月）：プロジェクト振り返り+論文準備。研究プロジェクトを最初から最後まで整理し、3つのバージョンの論文プレゼンテーション（1分版、5分版、15分版）を準備。同時に面接経験を読み、各社の面接スタイルを理解。

第三段階（9月初旬）：模擬面接+ギャップ確認。先輩に3回の模擬面接をお願いし、表現上の多くの問題を発見——論文を説明する時の冗長さ、回答の構造化不足など。

ByteDance AI Lab（二次面接不合格）

ByteDanceは最初の面接先で、9月中旬。一次面接は順調で、基礎的な質問ばかり：ResNetの構造と改善、Faster R-CNNのフロー、YOLOとSSDの違い、TransformerのSelf-Attention計算。コーディング問題はNMS（非極大値抑制）のスクラッチ実装で、比較的早く書けました。面接官のフィードバックも良好。

二次面接で失敗しました。面接官がオープンクエスチョンを出しました：エッジデバイスで動作するリアルタイム物体検出システムをどう設計しますか？当時システム設計のフレームワークがなく、あれこれ話したものの、モデル圧縮（量子化、剪定、蒸留）の選択ロジックもデプロイパイプラインも明確に説明できませんでした。面接官はTensorRTの最適化原理について追問しましたが、概念しか知らず、詳細を説明できませんでした。最後の行動面接質問：「これまで遭遇した最大の技術的課題は？」も答えが漠然としすぎていて、STARメソッドを使っていませんでした。二次面接不合格。

Alibaba DAMO Academy（内定）

Alibabaは9月末の面接で、プロセスは長かったですが体験は良かった。一次面接は基礎+プロジェクト、Faster R-CNNのRPN原理、FPNの役割、研究プロジェクトのデータ拡張戦略に焦点。コーディング問題はIoU計算のスクラッチ実装で、比較的簡単。

二次面接はクロス面接で、より深く質問されました。Vision Transformerの理解、ViTとCNNの違い、Swin Transformerのウィンドウアテンションメカニズム。面白い質問もありました：モデルのオンラインパフォーマンスが低下した場合、どうトラブルシューティングしますか？データドリフト、特徴分布の変化、アノテーション品質の低下について説明し、面接官は満足そうでした。

三次面接はマネージャー面接で、キャリアプランとチーム方向について話し、比較的リラックス。最後にHR面接で給与期望を話しました。全体で約3週間、最終的にP6レベルで内定をいただきました。

Tencent AI Lab（三次面接不合格）

Tencentの面接プロセスは最も長く、1ヶ月以上かかりました。一次・二次は通過。一次はCV基礎、二次はプロジェクト+論文。三次はディレクター面接で、多くのオープンクエスチョンがありました。

三次不合格の理由：CV分野で今後3年間で最も重要な方向は何だと思いますか？マルチモーダルと3Dビジョンと答えましたが、深さが足りず、技術トレンドとビジネス応用の両方の視点から分析できませんでした。別の質問：研究方向とチームの方向が一致しない場合、どう対応しますか？「自分の方向を調整します」と答えが直截的すぎて、独立した思考力を示せませんでした。三次不合格、非常に残念。

Baidu AI（内定）

Baiduは10月の面接で、全体の体験は普通。一次は基礎、二次はプロジェクト+システム設計、三次は技術ディレクター面接。Baiduはエンジニアリング能力を重視し、二次面接でシステム設計問題：百万枚の画像をリアルタイム処理する画像審査システムを設計してください。分散アーキテクチャ、モデルサービング、メッセージキュー、デグラデーション戦略について説明し、面接官は認めてくれました。

Baiduの面接スタイルは実務的で、最先端を追うよりエンジニアリング実装能力を重視。最終的にT5レベルで内定をいただきました。

SenseTime（内定）

SenseTimeは最も行きたい会社の一つで、CV方向が非常に強い。一次面接はCVの最先端が多く：DETRの原理と改善、SAM（Segment Anything）のアーキテクチャ、Diffusion Modelの画像生成への応用。コーディング問題は簡単な畳み込み操作のスクラッチ実装。二次面接は論文の深掘りで、研究内容を詳細に説明し、実験設計の妥当性について追問されました。三次はHR面接で給与とチームについて話しました。

SenseTimeの面接スタイルは非常に学術的で、面接官は研究者出身、質問が深い。最終的にCV方向では良い給与で内定をいただきました。

Megvii（二次面接不合格）

Megviiの二次面接不合格の理由はコーディング問題が解けなかったこと。面接官がTransformer Encoder Layerのスクラッチ実装を求め、Self-Attention + FFN + Residual + Layer Normを含む。Self-Attentionの行列次元を混同し、デバッグに時間がかかり解決できず。教訓：MLアルゴリズムのスクラッチ実装は筋肉記憶になるまで練習すべき。

NIO自動運転（辞退）

NIOから面接の機会をいただきましたが、自動運転チームがエンジニアリング寄りでアルゴリズム革新の余地が限られていること、オフィスが上海郊外で通勤が不便なことを考慮し、面接を辞退しました。

Pony.ai（一次面接不合格）

Pony.aiの一次面接は3Dビジョンと点群処理の質問が多く、準備不足でした。BEV知覚の原理、PointNetのアーキテクチャ、マルチセンサーフュージョンの戦略など。一次で不合格。面接前にターゲット企業の技術方向を理解することの重要性を示しています。

面接リズムとメンタル管理

秋採用の最大の課題は技術ではなくメンタルです。9月に2社連続不合格（ByteDance、Megvii）になった時、本当に不安で、自分がAIに向いていないのではないかとさえ疑いました。その後いくつか調整しました：

第一に、卵を一つのカゴに入れない。8社に同時に応募したので、数社不合格でもまだチャンスがありました。

第二に、不合格のたびに振り返り。ByteDanceの二次不合格後、2日間システム設計に特化して練習；Megvii不合格後、1週間かけて10個のMLアルゴリズムをスクラッチ実装。

第三に、リズムを維持。毎日決まった時間にコーディング、基礎知識、プロジェクト準備——不合格でリズムを崩さない。

第四に、誰かに話す。秋採用期間中、同級生と互いに励まし合うことが重要——一人で抱え込まない。

出題まとめ

1. ResNetの構造と改善？残差接続がなぜ有効なのか？

2. Faster R-CNNのRPN原理？Anchorの設計？

3. YOLOとSSDの違い？各YOLOバージョンの改善？

4. TransformerのSelf-Attention計算フロー？

5. NMS（非極大値抑制）のスクラッチ実装

6. リアルタイム物体検出システムの設計（エッジデバイスデプロイ）

7. Vision TransformerとCNNの違い？

8. Swin Transformerのウィンドウアテンションメカニズム？

9. オンラインモデルパフォーマンス低下のトラブルシューティング方法？

10. 今後3年間でCV分野の最も重要な方向は？

11. IoU計算のスクラッチ実装

12. 画像審査システムの設計（百万級リアルタイム処理）

13. DETRの原理と改善？

14. SAM（Segment Anything）のアーキテクチャ？

15. Transformer Encoder Layerのスクラッチ実装

16. BEV知覚の原理？PointNetのアーキテクチャ？

心得とアドバイス

1. システム設計の準備は必須：AIポジションはもはやアルゴリズム原理だけを聞くのではなく、システム設計問題が増えています。フレームワーク（要件分析からアーキテクチャ設計まで）を学び、3-5の典型的な問題を練習しましょう。

2. MLアルゴリズムのスクラッチ実装は必須スキル：NMS、IoU、Self-Attention、畳み込み操作、K-Meansなど、必ずスクラッチで実装できるように。理解するだけでなく、30分以内に書いて実行できるように。

3. 論文プレゼンテーションには構造が必要：時系列で話すのではなく、「問題-方法-革新点-実験-限界」の構造で。1分版、5分版、15分版の3つを準備しましょう。

4. ターゲット企業の技術方向を理解する：自動運転企業なら3Dビジョン、推薦企業ならランキングモデル、CV企業なら最先端論文を準備。盲目的な準備は非効率。

5. 行動面接ではSTARメソッドを使用：Situation-Task-Action-Result、すべてのストーリーをこの構造で話すと明確で説得力があります。

6. メンタルが成功を決める：秋採用はマラソンでありスプリントではありません。リズムを維持し、迅速に振り返り、自己疑念を持たないこと。

FAQ

Q：AI新卒採用にはどのような学歴が必要ですか？
A：大手AI Labは基本的に修士以上を要求。学部でも入れますが競争は激しくなります。博士は有利ですが必須ではありません。

Q：トップ会議論文なしで大手AI Labに入れますか？
A：入れますが、他の面でハイライトが必要——Kaggle金メダル、オープンソースプロジェクト、インターン経験など。論文はプラス要素であって必須条件ではありません。

Q：秋採用の準備はいつから始めるべきですか？
A：7月から始め、8月に基礎準備を完了し、9月に応募するのがおすすめ。早期選考は6-7月に始まるので、ターゲット企業の採用情報に注目しましょう。

Q：CV方向とNLP方向はどちらが就職しやすいですか？
A：2026年現在、NLPは大モデルの牽引でポジションが多い。ただしCVも自動運転や産業検査で需要が旺盛。個人の興味で選びましょう。

Q：面接不合格後、再応募できますか？
A：大部分の企業にはクーリング期間（3-6ヶ月）があり、その後再応募可能。秋採用で不合格でも春採用で再挑戦できます。