• gbtd和xgboost區(qū)別和優(yōu)缺點(diǎn)糙俗？
  http://www.reibang.com/p/7c621813728c

http://www.reibang.com/p/66ad2ee1558b

L1和L2正則化區(qū)別，為什么防止過擬合？

類別不平衡怎么解決已添？

Bagging和boosting？隨機(jī)森林？

判別學(xué)習(xí)和生成學(xué)習(xí)分別右那些？

優(yōu)化方法辜羊？Adam和sgd

遇到過擬合怎么辦？

怎么調(diào)參词顾？

• 自我介紹
• 項目和深度學(xué)習(xí)基礎(chǔ)

1. 我的網(wǎng)絡(luò)一些細(xì)節(jié)八秃，不展開
2. 那你的網(wǎng)絡(luò)跟xxx網(wǎng)絡(luò)很像啊，你能詳細(xì)說說xxx網(wǎng)絡(luò)嗎肉盹？（表示我根本沒聽過他說的這個網(wǎng)絡(luò)昔驱，我還反問面試官那是個啥樣的網(wǎng)絡(luò)2333，因為我這個網(wǎng)絡(luò)還沒有發(fā)論文垮媒，我還挺擔(dān)心撞idea的）
3. 你網(wǎng)絡(luò)里用了殘差，說說殘差航棱；
4. 說說你知道的對于網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)睡雇，比如卷積上的一些改進(jìn)，或者訓(xùn)練方式上的trick饮醇，或者loss它抱，什么都可以（我一開始說了兩個結(jié)構(gòu)上的，他就不斷的問我還有嗎朴艰，然后我每說一個他都要叫我介紹一下观蓄，說一下優(yōu)缺點(diǎn)之類的混移，直到我真的啥也說不出來了）
5. 看你用了BN，說一下BN
6. 說一下vgg的不同版本侮穿？（這個問題其實我沒聽清歌径，我感覺是問vgg，這種問題我一聽就不會亲茅，所以也沒追問回铛；我表示我看過他的論文，但是因為跟我的方向不太貼合（vgg主要還是用來分類克锣？）茵肃，所以沒有深入去看，面試官表示好的他知道了）
7. 如果你的網(wǎng)絡(luò)不好訓(xùn)練咋辦袭祟？

• 問我平時用啥語言验残，我說c++和python，做了兩道題巾乳，寫完追問時間復(fù)雜度
• 啥時候能來實習(xí)您没，今年情況特殊確定能來嗎
• 反問環(huán)節(jié)，我問我有啥欠缺的想鹰，面試官表示可能對于不是我方向的一些問題我了解的太少了紊婉，深度學(xué)習(xí)是相通的我不應(yīng)該不是自己方向就不看；但他表示感覺我代碼能力還挺不錯的（開心）

然后面試官表示他去叫二面面試官辑舷，然后大概十分鐘之內(nèi)吧又來了一個面試官二面

• 自我介紹
• 項目

1. 你網(wǎng)絡(luò)里上采樣是怎么做的（我表示調(diào)包喻犁，具體方法應(yīng)該是雙線性插值）
2. 那你知道雙線性插值的細(xì)節(jié)嗎（我表示我知道他是怎么算的，但是特別細(xì)節(jié)的話可能講不清楚何缓，面試官表示沒關(guān)系那你可以寫代碼來說明.....于是我立刻給他講清楚了.....）
3. 平時用啥語言肢础，做個簡單題吧（dp基礎(chǔ)題，機(jī)器人走方格那種）
4. 反問

深度學(xué)習(xí)一些基礎(chǔ)的問題
過擬合
正則化
BN什么的

第一題是雙哈希表完成O(K)復(fù)雜度在一個list里找到滑動窗口的眾數(shù)

比如神經(jīng)網(wǎng)絡(luò)里的BP算法用Numpy寫出來

三面：
項目中的一些問題碌廓，主要是會問你項目中的方法和其他論文究竟有哪些不同传轰，這就要求你不但要對自己的項目熟悉，還得對一些其他類似的論文熟悉才行谷婆，我估計是想看你有沒有看過源碼結(jié)構(gòu)什么的慨蛙，怕你是“調(diào)參俠”。不要慌纪挎，能記起來的盡量回答期贫。

算法題，買賣股票DP問題异袄，秒答暴力法通砍，然后面試官說有沒有更好的方法，我說DP法，然后寫了個DP封孙，leetcode簡單題迹冤。
問項目，問測試礦泉水流程虎忌。問計算機(jī)網(wǎng)絡(luò)泡徙，TCPIP什么的
算法題，輸入一個list然后輸出這個list的全排列呐籽，leetcode簡單題锋勺。
問了項目，測試抖音青少年模式怎么搞狡蝶，Python的一些基礎(chǔ)問答庶橱。
算法題，給定一個list然后求出和為K的兩個數(shù)贪惹，也是leetcode簡單題苏章，雙指針秒答。
接著問項目奏瞬，測試微信的發(fā)消息功能等等枫绅，依舊是Python的一些基礎(chǔ)問答。
關(guān)鍵是知道自己的優(yōu)勢和劣勢在哪里硼端，不用特地的避諱并淋；

1.機(jī)器人面：

正則化解釋一下

度量兩個分布的距離的方法

LSTM比普通RNN優(yōu)勢在哪

數(shù)據(jù)降維的辦法

過擬合是什么，如何處理

2.一面技術(shù)面

自我介紹珍昨，講項目

有一道場景題县耽，有點(diǎn)忘記了

3.二面技術(shù)面
平時怎么讀論文

Unet講一下

給你幾片論文，你要如何對其中的算法做一個總結(jié)

4.三面hr面

優(yōu)點(diǎn)缺點(diǎn)

有沒有對象

期望薪資

1镣典、最長公共子序列
2兔毙、括號合法匹配問題

一面：

1 - 算法題：樹的層序遍歷的遞歸和非遞歸做法

2 - 算法題：給定一個字符串，一個子串集合兄春，要求不斷刪除字符串中的子串澎剥，直到?jīng)]有可以刪的為止

3 - 自我介紹

4 - 介紹項目

5 - 冷啟動問題，這里其實不是嚴(yán)格的冷啟動問題赶舆，而是面試官問我新節(jié)點(diǎn)來了怎么辦哑姚，孤立的點(diǎn)，完全沒有邊關(guān)系（其實他說的這種情況在我定義的模型中是不存在的芜茵，叙量，，夕晓，宛乃，或者嚴(yán)格一點(diǎn)悠咱，存在的概率很小蒸辆。）

6 - 上一個問題征炼，引申到下一個問題，deepwalk這類圖結(jié)構(gòu)的embedding和普通embedding相比躬贡，哪一個解決新節(jié)點(diǎn)問題更好谆奥。（問到這里的時候懵了，因為在我的印象里拂玻，無論冷啟動還是新節(jié)點(diǎn)問題酸些，解決方法都是自己定義的，這些embedding的方法只是說檐蚜，生成的embedding的質(zhì)量不一樣魄懂。我不知道是不是我理解錯了意思）

百度一面說我沒有實習(xí)經(jīng)歷，都是比賽闯第，對工業(yè)界了解的少市栗。（內(nèi)心：所以我才要去找實習(xí)啊）

二面：

1 - 自我介紹

2 - 主要用的是pytorch還是tf咳短，介紹一下torch構(gòu)建一個簡單的dnn的流程

3 - 常見的激活函數(shù)有什么

4 - relu函數(shù)是做什么的填帽，作用和是什么：我說是非線性激活函數(shù)，把線性的映射到非線性空間中咙好，如果不加relu篡腌，那不是和lr有點(diǎn)像了，直接是線性回歸了勾效。

4 - 面試官又問嘹悼，那dnn和lr什么區(qū)別，我說lr是線性的葵第，dnn加了激活函數(shù)是非線性的绘迁。她說dnn不加激活函數(shù)也是非線性的，問我為啥卒密。我說是因為它對高階交叉特征提取缀台，所以增加了非線性的因素嗎（高階交叉特征應(yīng)該是非線性的因素吧？）哮奇，她說不是膛腐。然后我問那是為啥，面試官說鼎俘，它就算是不加激活函數(shù)哲身，也可以對一些非線性的函數(shù)進(jìn)行擬合

5 - 常見的embedding有那些。（我比較熟悉的就是graph embedding贸伐，她說就是常見的）然后embedding的作用是什么

6 - 梯度爆炸怎么解決
7 - 怎么做特征
8 - 如果一個特征是是負(fù)向的怎么辦
9 - 分布不一樣的特征是真實存在的勘天，一般不會直接不用了，那要怎么辦，我說可以做一些調(diào)整
10 - 可以有哪些調(diào)整方法

11 - 為什么對推薦感興趣（其實我感覺后面她已經(jīng)不想面我了脯丝，我感覺是強(qiáng)行被我拉著扯了一點(diǎn)人生商膊。。宠进。然后她最后說整體挺好的晕拆，但也沒問算法題，感覺要gg了材蹬。她還給我推薦了一個知乎中搞推薦的人实幕。我覺得大概覺得我雖然菜，但是還挺好學(xué)的堤器。）

我看之前有人的面經(jīng)昆庇，問的都是gbdt，xgb闸溃，lgb凰锡，到我這里就一頓nn的問，我跟面試官說我nn用的不是很熟圈暗，我了解gnn比較多掂为。

常見算法排序，kmp员串，簡單dp代碼

聊簡歷勇哗。講故事一定要有邏輯性，即便你做的是一個很小的項目寸齐，亦或是很low的idea欲诺。（1）背景（場景是什么，說白了就是問題的各種約束條件）渺鹦；（2）要解決什么問題（motivation扰法，相當(dāng)重要，用簡單的幾句話講明白你要解決的問題）毅厚；（3）方法塞颁，這部分都會被提問，你說的每個技術(shù)細(xì)節(jié)都會被問吸耿；（4）結(jié)論是什么祠锣，效率提升了？模型更小咽安，效果相當(dāng)伴网？等等

與其說是引導(dǎo)，還不如說對自己簡歷上的各種東西都熟稔于心妆棒，問多深都能回答澡腾。

要提前準(zhǔn)備面試官可能會問的問題沸伏，假如自己是面試官，你會問什么动分，如果自己回答不上來馋评，趕緊學(xué)習(xí)。

1.為什么使用中位數(shù)對缺失值進(jìn)行填充,這樣做的好處是什么?

2.隨機(jī)森林的基本原理?

3.講一下信息增益,信息增益比,Gini系數(shù)的關(guān)系?

4.講一下GBDT和Xgboost,說下他們的原理,以及不同點(diǎn)?

5.one-hot編碼的原理及意義?

6.特征維度很高時你是怎樣做的操作?

7.說下你的缺點(diǎn)和優(yōu)點(diǎn)?

8.最后讓我反問了幾個問題

一面

聊項目刺啦，問了類別不均衡問題，也問了模型可解釋問題纠脾，好像蘑菇街喜歡可解釋強(qiáng)的模型玛瘸？然后當(dāng)時引申的一個問題是，如果nn可以解決高維度離散問題苟蹈，為啥還需要gcn來解決關(guān)聯(lián)性的問題糊渊。其它不記得了。

問的算法題很簡單慧脱，就是兩個排序數(shù)組合并成一個數(shù)組渺绒。

二面

自我介紹以后，面試官就問了我兩個大數(shù)相加的問題菱鸥，寫代碼ing

然后就聊了聊項目宗兼。

三面

1 - 簡單介紹一個項目，這樣做的原因

2 - 你的gcn模型可解釋怎么辦

3 - 你說lr模型可解釋性高氮采，它的可解釋性體現(xiàn)在哪里殷绍？是權(quán)重越大，可解釋性就越強(qiáng)嗎鹊漠？

4 - F(N) = F(N-1) + F(N-2)的時間復(fù)雜度和空間復(fù)雜度問題

5 - 一個商家主到。第一天看A商品和B商品的點(diǎn)擊率。點(diǎn)擊率公式是點(diǎn)擊/曝光躯概。然后登钥，平均的是a的點(diǎn)擊加b的點(diǎn)擊/a的曝光加b的曝光。問娶靡，第二天發(fā)現(xiàn)牧牢，a的點(diǎn)擊率和b的點(diǎn)擊率上升了，但是平均的下降了姿锭。是什么原因结执，從哪些方面入手去解決這個問題

這問題，我用公式角度回答的艾凯，然后面試官問我還要其它解釋嗎献幔。。我不知道趾诗。蜡感。

三面的這幾個問題都回答的不好蹬蚁，感覺涼了。郑兴。犀斋。我已經(jīng)被leader掛出了心理陰影了。情连。

直接簡歷上的東西 稍微推了一下LDA主題模型
問了一些 LDA相關(guān)的20min LDA和LSA的關(guān)系問我的時候我沒答上來..
但是 我說了我直接LDA做的 不了解LSA什么的
鏈表的冒泡排序 面試官說沒問題
之后寫了一個LR 沒問題
問了一些LR的問題
再之后說了一下分類 然后bagging boosting 以及場景
然后寫了一個二叉樹的所有右葉子結(jié)點(diǎn)之和

1.介紹項目叽粹。
2.minibach SGD的minibatch怎么選擇，如果給1000萬的數(shù)據(jù)却舀，mimibach應(yīng)該選多少虫几。
3.Adadeta比Adagrad好在哪。
4.有沒有打開tensorflow框架看源碼挽拔。
5.給一個均勻生成1-7隨機(jī)數(shù)的生成器辆脸，怎樣均勻生成一個1-10隨機(jī)數(shù)的生成器。
6.用C寫個單類進(jìn)程螃诅。
7.用C寫給一個數(shù)組和一個數(shù)s啡氢，返回兩個和為s的元素索引。

一面：1h

兩道代碼題术裸，第一題最長自序和倘是，秒；

第二題數(shù)組中最長字符串組合袭艺，這個沒有寫辨绊，說出了改寫Arrays comparator接口排序和hashMap查找

一、項目

機(jī)器學(xué)習(xí)中熟悉哪些算法

gbdt匹表，xgb原理门坷，區(qū)別，xgb做了哪些優(yōu)化（面試官很nice袍镀，還舉了應(yīng)用場景幫助我理解）

二默蚌、算法相關(guān)

RNN lstm原理

CNN原理

三洪碳、基礎(chǔ)

Java collection基類有哪些接口及其實現(xiàn)類

Java線程六中狀態(tài)中的幾個轉(zhuǎn)換函數(shù)

TCP三次握手

四即供、聊天

喜歡看書嗎？回答喜歡娩井。問看了哪些書设江？

說了數(shù)學(xué)之美锦茁，面試官問感想之類的

總體感覺：體驗很棒、面試官人很nice叉存，是比較有涵養(yǎng)的那種感覺受過良好教育像領(lǐng)導(dǎo)码俩，30歲左右。

二面：30min

一歼捏、項目稿存，抓住一兩個點(diǎn)問的比較深

二笨篷、聊天：（我面試的時候也很蒙）

研究生規(guī)劃、放不放實習(xí)瓣履、老師不同意怎么辦率翅、愿不愿意做Java開發(fā)（我感覺我要調(diào)劑去開發(fā)了....），實習(xí)時間等等

面試官也很nice袖迎，感覺很年輕很有活力那種

10個小球冕臭，隨機(jī)分到12個盒子里，求恰好10個盒子都為空的概率燕锥。要求用Python程序模擬十萬次辜贵，暴力求出該概率。

看到這題我懵了脯宿，讓我蒙特卡洛模擬？偽隨機(jī)數(shù)也不好近似出概率啊泉粉，誤差大的一批连霉。頭一次見不要手推數(shù)學(xué)公式，特意要求你暴力的數(shù)學(xué)題嗡靡。話不多說跺撼，動手開始寫，balabala,模擬完了讨彼，在徘妇客網(wǎng)一運(yùn)行，我懵了哈误，輸出在十萬分之一到十萬分之3之間波動（十萬次只有兩三次恰好10個盒子為空）哩至，題目要求一共只能模擬十萬次，我開始懷疑人生蜜自，檢查代碼菩貌，并且重新設(shè)置了隨機(jī)種子，結(jié)果還是很小的概率重荠。一下急了箭阶，情急之下打印出來前幾次模擬的結(jié)果，確實很難出現(xiàn)恰好10個盒子同時為空戈鲁。然后就跟面試官說仇参，這個概率太低了，同時模擬十萬次又太少婆殿，所以模擬出來的結(jié)果很小诈乒。然后面試官沒說啥了，直接下一題婆芦。好像他也是隨便選的題目抓谴，自己沒做過暮蹂，只是看到這個題目在題庫里分類是數(shù)學(xué)，就選了這個癌压。我也不知道這個題目的用意是啥仰泻，也不知道自己是不是想錯了。（PS: 面試之后我直接算概率滩届，C(12,2)*2^10/(1210)=1.091e-06,如果我算錯了集侯，歡迎各位指出。）

（寫這一題的時候我用的random包（胖南客網(wǎng)系統(tǒng)不讓導(dǎo)numpy）棠枉，random.randint(0,12)，發(fā)現(xiàn)數(shù)組越界泡挺，事后發(fā)現(xiàn)原來API果然不一樣辈讶，random.randint(0,12)包括了右端點(diǎn)12，而numpy.random.randint(0,12)是不包括右端點(diǎn)12的娄猫，巨坑贱除，平時使用numpy.random比較多，難怪面試的時候數(shù)組越界）

題目2：

二分查找元素在有序數(shù)組中的位置媳溺，如果不存在月幌，輸出-1，如果存在悬蔽，輸出下標(biāo)（存在多個扯躺，輸出下標(biāo)最小的）。

水的不能再水的題蝎困，但是一開始沒處理好有重復(fù)數(shù)字的情況录语，只過了30%用例（面試過程你可以自己提交代碼，并且可以看到一個錯誤用例禾乘，跟徘瘴蓿客網(wǎng)練習(xí)模式一樣），比如4,4,5,6,7里面找4盖袭，我的代碼返回了1失暂，本該返回0。后面處理了一下鳄虱，AC了弟塞，二分都不能一次通過，差點(diǎn)急出一把汗拙已。

題目3：

給定一個數(shù)組决记，找出數(shù)組的最長連續(xù)子序列。例：3,3,4,7,5,6,8倍踪，最長的連續(xù)子序列（這里的連續(xù)是說連續(xù)整數(shù)系宫，整個子序列是連續(xù)整數(shù)索昂，我一開始題都沒看明白）應(yīng)該是(3,4,5,6)，需要返回它們的下標(biāo)(1,2,4,5)扩借。如果存在多種答案椒惨，只需給出任意一組下標(biāo)。

題目一出來潮罪，我就懵了康谆，dp我真的不擅長。直接就聯(lián)想到最長上升子序列了嫉到，但是這個要求整數(shù)連續(xù)沃暗，區(qū)別應(yīng)該也不大，但是我不會寫啊何恶，涼定了孽锥。

LIS:（我不記得LIS的代碼）
if nums[i]<nums[j]:
dp[i] = max(dp[i], dp[j] + 1)
盲猜只要改成如下：
if nums[i]==nums[j]+1:
dp[i] = max(dp[i], dp[j] + 1)

面試官看我不會，讓我先寫一個暴力的方法细层，我還是不會啊惜辑，然后一個小時過完了，涼涼今艺。

1.快速傅里葉變換和離散傅里葉變換的主要區(qū)別是什么韵丑？
2.靜態(tài)方法和非靜態(tài)方法區(qū)別爵卒？
3.單例對象虚缎？

問了項目內(nèi)容，問了場景題和開放題钓株，甚至還問了我職業(yè)規(guī)劃

一開始就自我介紹实牡，然后問了數(shù)據(jù)預(yù)處理怎么做，怎么數(shù)據(jù)清洗轴合，類別不均衡怎么處理的创坞。

問了第一個項目的模型怎么構(gòu)建的，問了圖神經(jīng)網(wǎng)絡(luò)的發(fā)展受葛，我的模型出于什么階段题涨。

你覺得你的論文還有什么可以提升的點(diǎn)

之后就問了比賽，比賽中比較重要的是什么总滩，是怎么分工的纲堵。

問了之后想要做的是研究還是應(yīng)用一點(diǎn)，這些模型是自己動手優(yōu)化實現(xiàn)的闰渔，還是調(diào)包席函。

場景題是，對于團(tuán)伙作案冈涧，從哪些維度考慮聚集性茂附；對于無標(biāo)簽的數(shù)據(jù)正蛙，怎么考慮建模

開放題：

有一個人你知道他銀行卡金額上限和下限，猜銀行卡金額营曼，猜對了就把金額給你乒验，想要概率最大（猜的次數(shù)最少），金額最大溶推，可以猜無數(shù)次徊件，怎么優(yōu)化，怎么建模蒜危，可以先做一些實驗輔助虱痕。

面試官很會問問題，后面的開放題辐赞，她也一直在引導(dǎo)我部翘，奈何我菜，沒有找到正軌响委，答得不好新思。

總的來說，問的問題比較廣泛赘风，但都沒有特別深入的問下去夹囚，可能一面還是看知識廣度吧。

一二面：

1. 算法題：無序數(shù)組找前k大的數(shù)邀窃，描述思路+復(fù)雜度分析

2. Python：callable荸哟，垃圾回收

3. 機(jī)器學(xué)習(xí)分類指標(biāo)有哪些？AUC如何計算瞬捕？

4. SVM和GBDT的比較鞍历？

5. attention說一下？

6. xgboost肪虎？lightGBM說一下改進(jìn)點(diǎn)劣砍？

7. 隨機(jī)森林描述一下？

8. 深度學(xué)習(xí)模型壓縮有哪些方法介紹一下扇救？

9. 關(guān)于項目的討論：關(guān)鍵工作刑枝？負(fù)責(zé)角色？難點(diǎn)及解決方案迅腔？是否有落地應(yīng)用装畅？

10. 連續(xù)值數(shù)據(jù)特征離散化的好處？原因钾挟？

11. 正則化的方法洁灵？作用？原理？

12. 常見Loss徽千？物理意義苫费？

13. 工程相關(guān)：項目中學(xué)到的東西舉例？如何解決bug双抽？代碼優(yōu)化百框？量化代碼效率？緩存機(jī)制牍汹？

14. 操作系統(tǒng)是如何執(zhí)行C++代碼的铐维？C++智能指針介紹一下？

15. 統(tǒng)計學(xué)習(xí)算法舉幾個例子來慎菲？能夠如何分類嫁蛇？分類的標(biāo)準(zhǔn)如何定義？

項目介紹完之后細(xì)扣項目露该，數(shù)據(jù)清洗睬棚，LSTM結(jié)構(gòu)，如何評估解幼，怎么調(diào)參的等等吧

前面聊的還行抑党，后面寫題心態(tài)蹦了

SQL簡單題，奈何早忘的一干二凈了撵摆，難受

算法題底靠，從n個數(shù)據(jù)中抽取m個數(shù)據(jù)，保證每個數(shù)據(jù)被抽到的概率為m/n特铝。沒見過這種題型暑中，崩，最后說了思路苟呐。

這里建議非科班面大公司搞搞sql痒芝，AB測試俐筋，大佬隨意面牵素。準(zhǔn)備的模型推導(dǎo)一個沒問，裂開澄者。

主要問了人工特征工程和lighgbm模型特征處理笆呆，有啥不一樣的，你為啥要構(gòu)造這特征粱挡。

然后就是一些樣本不平衡處理（重點(diǎn)聊了小樣本只有一個的時候）赠幕，

神經(jīng)網(wǎng)絡(luò)利用dropout和多項式回歸利用正則項減輕過擬合的本質(zhì)是什么（為什么就能減輕過擬合了），

我項目有用到lightgbm和xgboost模型融合询筏，就問了為啥要這兩個模型融合榕堰，lightgbm是xgboost的改進(jìn)，那你為什么還要融合呢，懵了...

項目的主要問題還是特征構(gòu)建逆屡，會問你為什么要這樣構(gòu)造特征圾旨。

書本上基本知識得熟悉！會用魏蔗！知道為啥用砍的！

2、細(xì)扣實習(xí)項目（問的比較深）

3莺治、數(shù)據(jù)清洗廓鞠、數(shù)據(jù)平滑主要操作

4、有關(guān)一個時序列問題（具體還沒想起來）

好了梯度下降要來了

5谣旁、詳細(xì)說一下隨機(jī)梯度下降和批量梯度下降

6床佳、線性回歸多變量求解的過程，為什么這樣求解榄审？這樣求解為什么是最優(yōu)解夕土？（我回答的是求導(dǎo)，也就是梯度下降）

7瘟判、怎么優(yōu)化梯度下降過程怨绣，主要是速度優(yōu)化？

8拷获、自適應(yīng)梯度優(yōu)化是什么樣子篮撑？

9、擬牛頓法能說說嗎匆瓜？

10赢笨、學(xué)習(xí)率過大會出現(xiàn)什么問題，怎么解決

11驮吱、最大似然估計和貝葉斯估計的聯(lián)系和區(qū)別

12茧妒、如果我想預(yù)測的結(jié)果是一個置信區(qū)間你打算怎么建模型（這個是在最前面的問題）

13、一階導(dǎo)和二階導(dǎo)分別表示什么左冬，能說一下意義嗎桐筏？

接下來就是聊人生了。

首先我介紹我的數(shù)據(jù)預(yù)處理拇砰，我說到類別不均衡問題梅忌，然后面試官打斷我，問我說的類別不均衡是什么意思

然后我解釋了除破，又問我為啥要用采樣解決牧氮，為什么不用修改目標(biāo)函數(shù)。

圍繞這個問題瑰枫，說了二十分鐘吧踱葛。

這不是我的重點(diǎn)，我想要一份均衡的數(shù)據(jù)集，避免它對我模型的影響尸诽，但同時我想對比各個模型的效果圾笨，所以修改了目標(biāo)函數(shù)的話，其它對比模型面臨的還是類別不均衡的數(shù)據(jù)逊谋。

之后我說了我的模型擂达，沒有問模型的問題，特征工程也只是問了問可用那些特征胶滋。

對于某些數(shù)據(jù)集類不平衡問題真的很重要板鬓，比如1%的癌癥和99%的癌癥，有些模型就會把所有樣本認(rèn)為是健康的究恤，就會有99%的準(zhǔn)確度俭令，但明顯是沒有意義的

單純上采樣有過擬合風(fēng)險，單純下采樣肯定數(shù)據(jù)不全部宿，而且采樣可能會對特征提取有影響抄腔，因為一些id稀疏，所以模型學(xué)不到什么東西理张。修改目標(biāo)函數(shù)的話比較簡單赫蛇，而且我感覺是從本質(zhì)上解決這個問題，就是減少了正樣本過少導(dǎo)致它的loss變化小雾叭。

面試官可能覺得通過采樣解決類別不平衡問題的話（相當(dāng)于修改訓(xùn)練集合數(shù)據(jù)分布）悟耘，會導(dǎo)致測試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)不是同分布，這樣采樣以后還需要修正（比如小類別數(shù)據(jù)權(quán)重增加）织狐。那么不如直接修改損失函數(shù)暂幼，增加小樣本的權(quán)重，然后用AUC來評估模型好壞移迫。

第一次寫一點(diǎn)經(jīng)驗給大家分享旺嬉，有什么問題希望別介意

首先先進(jìn)行自我介紹（老規(guī)矩）

1.寫一個代碼，樹的層序便利（寫出來了）

2.代碼：編輯距離（不懂的可以自己去百度一下厨埋，只說了思路邪媳，代碼沒寫寫出來）

3.圍繞簡歷問了一些項目相關(guān)的問題（略）

4.因為簡歷上寫了Cnn，所以問了一些cnn方面的東西（問的很多揽咕，我只說了一點(diǎn)點(diǎn)悲酷，效果不理想）

5.畢設(shè)做了推薦算法（本以為會問很多）套菜，結(jié)果只問了一個問題（計算用戶相似度的時候為什么用余弦亲善，不用其他的算法）

細(xì)扣實習(xí)的東西（太深了）、
一階導(dǎo)二階導(dǎo)代表什么（看我太菜了）
還有關(guān)梯度下降

image.png

1.自我介紹逗柴，

2.你這個論文是怎么做的蛹头，場景是什么，你這個酒店數(shù)據(jù)集里面是個什么樣子，推薦出的東西是啥渣蜗，如果我要預(yù)測用戶下一個購買的物品屠尊，你這個模型可以用嗎？

3.xgboost和gbdt的區(qū)別耕拷。

4怎么判斷過擬合讼昆，你一般怎么解決。

5骚烧，參數(shù)初始化的作用是啥浸赫，

6.會話的長度對你的效果有影響嗎？

7.graph-embedding的流程赃绊，和普通的word2vec效果的區(qū)別既峡。

8.說一說偏差和方差吧，

9.什么模型能減小方差碧查。

10.xgboost的二階泰勒展開為啥那么效果更好运敢，

11.了解b+樹嗎？

12.寫個sql題吧忠售。

13.講一下dp的思想传惠，斐波拉契數(shù)列能用dp做嗎？什么問題適用于dp稻扬。

13.http里面get請求和post請求有啥不同涉枫。

14.你論文的數(shù)據(jù)預(yù)處理是怎么做的，你把那些出現(xiàn)次數(shù)少的給刪掉了腐螟，那你怎么推薦那些物品呢愿汰。

15.你的embedding維度是多少，

16.你了解mutil-task嗎乐纸？

17.你了解point-wise衬廷，pair-wise，list-wise嗎汽绢？

18.你覺得樹模型和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)預(yù)處理有什么不同嗎吗跋？

19.講一下整個推薦系統(tǒng)的流程。

20.你知道位置偏差這個東西嗎宁昭？Position bais跌宛？21.mutil-task的任務(wù)是怎么優(yōu)化的？

22.比如我要針對一個指標(biāo)积仗，如mrr疆拘，ndcg這種，它是不可微的寂曹，該怎么處理哎迄。

23.推薦系統(tǒng)的可解釋性你了解嗎回右？有哪些方法，基于深度學(xué)習(xí)的推薦系統(tǒng)可解釋性你知道些什么漱挚。

24.你論文里面數(shù)據(jù)增強(qiáng)怎么做的翔烁，

25.高維稀疏的特征為啥不適合用xgboost

2道業(yè)務(wù)場景題-商品性價比和排序期望題

第1道題當(dāng)場就給出了解決方案，二分類機(jī)器學(xué)習(xí)問題

對模型旨涝、推薦系統(tǒng)蹬屹、項目線上經(jīng)驗等考察得比較深入。

leader面對機(jī)器學(xué)習(xí)考察得比較全面白华、深入哩治，

－ 最少時間復(fù)雜度求數(shù)組中第k大的數(shù)，寫code

－ 去除字符串S1中的字符使得最終的字符串S2不包含’ab’和’c’衬鱼，寫code

－ 長度為N的序列Sequence=abc….Z业筏，問有多少不同的二叉樹形態(tài)中序遍歷是這個，寫遞推公式

－ 給定整數(shù)n和m鸟赫，問能不能找出整數(shù)x蒜胖，使得x以后的所有整數(shù)都可以由整數(shù)n和m組合而成

－ 中序遍歷二叉樹，利用O(1)空間統(tǒng)計遍歷的每個節(jié)點(diǎn)的層次抛蚤，寫bug free的code

－ 排序二叉樹轉(zhuǎn)雙向鏈表

－ 一個運(yùn)算序列只有+台谢、*、數(shù)字岁经，計算運(yùn)算序列的結(jié)果

3朋沮、機(jī)器學(xué)習(xí)&數(shù)據(jù)挖掘問題

－ L1和L2正則項 >> 它們間的比較

－ 各個模型的Loss function，牛頓學(xué)習(xí)法缀壤、SGD如何訓(xùn)練

－介紹LR樊拓、RF、GBDT 塘慕，分析它們的優(yōu)缺點(diǎn)筋夏，是否寫過它們的分布式代碼

－ 介紹SVD、SVD++

－ 是否了解線性加權(quán)图呢、bagging条篷、boosting、cascade等模型融合方式

－ 推薦系統(tǒng)的冷啟動問題如何解決

－ 是否了解A/B Test以及A/B Test結(jié)果的置信度

－ 特征工程經(jīng)驗

－ 是否了解mutual infomation、chi-square、LR前后向齿诞、樹模型等特征選擇方式

4.解決方案類題目

－ 為今日頭條設(shè)計一個熱門評論系統(tǒng)，支持實時更新

－ 給定淘寶上同類目同價格范圍的兩個商品A和B乞巧，如何利用淘寶已有的用戶、商品數(shù)據(jù)姚炕、搜索數(shù)據(jù)摊欠、評論數(shù)據(jù)丢烘、用戶行為數(shù)據(jù)等所有能拿到的數(shù)據(jù)進(jìn)行建模柱宦，判斷A和B統(tǒng)計平均性價比高低些椒。統(tǒng)計平均性價比的衡量標(biāo)準(zhǔn)是大量曝光，購買者多則高掸刊。

－ 有n個elements和1個Compare(A, B)函數(shù)免糕，用Compare函數(shù)作為排序算法中的比較算子給elements排序。Compare函數(shù)有p的可能比較錯忧侧。排序完取Top m個元素石窑，本來就在Top m并被正確分在Top m的元素個數(shù)是x。問x的數(shù)學(xué)期望蚓炬。

－ 如何預(yù)測雙十一支付寶的負(fù)載峰值松逊。

個人發(fā)展受限（瞎扯唄，就說自己剛畢業(yè)認(rèn)知有限肯夏，好奇心比較重经宏，年少輕狂），想從事新的行業(yè)驯击，別說老東家壞話烁兰，傳播正能量

2輪內(nèi)容都是項目相關(guān)，以及相關(guān)引申點(diǎn)徊都，你面臨到了啥問題沪斟，怎么改善的之類的。

可能自己回答上面不夠自信 + 回答的點(diǎn)不夠全面吧emmm暇矫。

0. 項目介紹主之。

1. wide&deep等相關(guān)介紹。

2. 面臨的困難/注意做了啥部分李根。

3. 怎么改善呢杀餐？現(xiàn)在讓你重新思考這個ctr預(yù)估場景上線后的場景如何提高？

下周一再不變朱巨，基本上就可以等簡歷釋放其它bg撈了史翘。

簡單總結(jié)：

0. 講話要自信，不要遲疑冀续，唯唯諾諾琼讽；

1. 項目要講清楚，所有點(diǎn)盡可能保證深度/廣度到位洪唐，突出自己的貢獻(xiàn)钻蹬；

2. 回答問題的時候，做好條理清晰點(diǎn)凭需，不要想到啥說啥问欠，會顯得很沒邏輯肝匆，面試官聽著也很難受。

很常規(guī)的問題顺献，做的項目是什么方向旗国？怎么分工協(xié)作的？你做了哪些注整，怎么做的能曾，中間克服了什么困難？為什么選擇騰訊?

詳細(xì)介紹了LSTM對RNN改進(jìn)的地方
問了問我SVM的原理和優(yōu)點(diǎn)
最后做了一道算法題:是lc的原題（找出一個字符串中所有的回文串）

1.自我介紹肿轨。

2.講項目寿冕，三個項目都講了一遍。

3.問了對推薦方面的了解椒袍。 答：沒做過相關(guān)項目驼唱，但是有一些簡單的了解，比如驹暑，LR, FM, DeepFM, 協(xié)同過濾玫恳，矩陣分解。

4.問RNN有什么問題岗钩。 答：扯了長期依賴問題纽窟，attention的解決也不夠理想。目前基本朝著CNN+attention兼吓、transformer這個方向前進(jìn)臂港。

5.追問那為什么transformer這種更好。 答：因為并行视搏，可以更好的attention审孽。

6.RNN為什么梯度消失。 答：tanh激活函數(shù) 以及序列過長會導(dǎo)致梯度消失浑娜。

然后面試官和我解釋了一下其實還有個原因是因為RNN是每一步都共享權(quán)重的佑力。（確實忘了）

7.算法題接雨水。 說了下思路筋遭，寫完之后面試官覺得有問題打颤，現(xiàn)場跑了幾組樣例。都過了漓滔。

8.你有什么問題+部門介紹编饺。

2、第一個項目為什么做了一年响驴？這點(diǎn)東西居然需要一年透且？（這個人應(yīng)該是個leader，第一個東西是一篇SCI一區(qū)論文）然后揪著這個項目問了十幾分鐘豁鲤，所以一定要對自己項目非常了解秽誊。

3鲸沮、最近看了什么論文？將一篇論文講清楚锅论。

4讼溺、怎么調(diào)參的？怎么解決效果不好的情況棍厌？

2肾胯、介紹一下你論文中的注意力機(jī)制竖席，為什么這樣設(shè)計耘纱？有什么優(yōu)點(diǎn)？

3毕荐、講講transformer 在那些地方做了改進(jìn)束析？

4、講CycleGAN的結(jié)果憎亚，怎么處理字符漂移問題员寇？

5、深度學(xué)習(xí)調(diào)參經(jīng)驗第美？

6蝶锋、怎么處理大批量數(shù)據(jù)的讀入？（基于pytorch或tensorflow回答）

7什往、有什么問題想問的扳缕？

5、為什么loss會出現(xiàn)nan ?

然后問了LR和DecisionTree的區(qū)別

問了Stacking的原理（因為項目里有用到）

還問了Bagging和Boosting的區(qū)別

最后是業(yè)務(wù)場景題别威，問電商推薦可以用的主要特征有哪些

開門見山躯舔，自己講自己的論文，首先講自己的論文是做了一個啥東西省古，什么領(lǐng)域的 ==> 再講自己論文的動機(jī)是什么 ==> 然后再講自己論文中是怎么做的粥庄，為什么這么做，有什么直觀上的解釋 ==> 最后再提一下論文中的其他部分

• 如果有n種類別(比如新聞類豺妓，體育類等)的網(wǎng)站惜互，目前收集到一些網(wǎng)站，及其網(wǎng)站中不良信息的位置琳拭，那么新來一個網(wǎng)站训堆，如何判斷該網(wǎng)站中是否含有不良信息，若含有臀栈，不良信息在哪個位置蔫慧？

  • 這時我提問題，新來的這個網(wǎng)站的類別知道嗎权薯？然后面試官說姑躲，知道和不知道睡扬，分別有什么處理方式？

    • 對于新來的網(wǎng)站知道類別的黍析，我覺得既然要檢測不良信息在哪個位置卖怜，這種問題一般比較難，我說如果要考慮公司部署等問題的話阐枣，可以每種類別都有監(jiān)督的訓(xùn)練一個模型马靠，面試官聽了之后，具體細(xì)節(jié)面試官就沒問下去了蔼两。

    • 對于新來的網(wǎng)站不知道類別的甩鳄，我說還是每種類別都有監(jiān)督的訓(xùn)練一個模型，然后用判斷新來的網(wǎng)站跟哪個網(wǎng)站相似度更高额划，再用其訓(xùn)練好的模型預(yù)測妙啃。

      • 這個問題是給自己挖了個坑，感覺答的很不好俊戳，新來的網(wǎng)站不知道類別的這種做法估計有挺大的問題揖赴。* 面試官聽完上述描述之后，也沒有做什么評價抑胎，然后他說燥滑，要不我們直接把問題簡單一點(diǎn)，如果收集到一些網(wǎng)站的語料阿逃，如何判斷這些網(wǎng)站中是否有不良信息铭拧。

  • 這個我就直接答了，我說這個直接跑一個BERT就可以了盆昙，先對網(wǎng)站預(yù)處理羽历，如果過長就切成幾個para就好了，然后跑BERT做個分類即可淡喜；

    • PS：其實這里如果面試官問下細(xì)節(jié)秕磷，怎么切？切的依據(jù)是什么炼团？最后怎么綜合幾個para做分類的澎嚣？我可能懵了，這塊細(xì)節(jié)沒去看瘟芝。

  • 然后這時候面試官說易桃，但是公司部署的話，一般不直接采用BERT锌俱，你有其他辦法嗎晤郑？我說那可以用tf-idf表示新聞?wù)Z料，然后過一個LR就好了，用PCA降維之后造寝，效果也還行磕洪，應(yīng)該做的比較好有70%+的準(zhǔn)確率。

    • 這時面試官就問了诫龙，那你說一下tf-idf的公式是怎么樣的析显？有什么缺陷？然后我有點(diǎn)懵逼签赃，沒太答好

情景問題谷异，他說如果有一些語料，然后還有一些關(guān)鍵詞锦聊，如何判斷這些語料中是否含有這些關(guān)鍵詞歹嘹，然后我問，關(guān)鍵詞長度多少括丁，是一個詞語還是一句話甚至更長荞下，然后面試官說這個重要嗎伶选？然后我就回答史飞，如果只是判斷關(guān)鍵詞，那可以用原來的語料先分詞仰税，然后再做一個vocabulary构资，再將vocabulary中的單詞做hash，這樣后續(xù)就能實現(xiàn)O(1)查找了陨簇。然后面試官問吐绵，那你這個建立vocabulary的過程的時間復(fù)雜度是多少？我說應(yīng)該是O(n)吧河绽，如果針對英文語料的話(畢竟直接空格隔開)己单，然后他說如果是中文呢？時間復(fù)雜度是多少耙饰？我說中文還真沒了解過底層分詞的時間復(fù)雜度纹笼，然后他就問，那中文分詞有哪些處理方式苟跪，是怎么做的廷痘？我說CRF序列標(biāo)注那一套？然后他讓我講一下CRF的原理以及分詞的過程件已，然后我說不會笋额，面試官就沒有盤問下去了，便回到原來的問題篷扩，他說關(guān)鍵詞長度不限兄猩，有沒有什么好用的方法，然后我說那要不然kmp算法吧，然后他問我kmp算法的時間復(fù)雜度枢冤，我說O(m+n)援岩，然后我就讓我描述一下kmp算法的算法流程，orz掏导，實在是想不起來了next數(shù)組的生成過程享怀，就跟他說本科學(xué)過，也寫過代碼實現(xiàn)趟咆，但是現(xiàn)在忘了添瓷。

介紹了一下簡歷上面的項目（問的不深）

準(zhǔn)確率和召回率的概念

LR如何引入非線性

什么是卷積

什么是過擬合，如何改善

提取特征做過哪些預(yù)處理操作（我回答做過歸一化和圖片增強(qiáng)值纱，問了一下歸一化具體如何做的）

邏輯題：0 1 2 3 4 5 6 7 8 9 下面寫一個數(shù)鳞贷，使得下面這個數(shù)剛好是這個數(shù)字在下面一行出現(xiàn)的次數(shù)

答案： 6 2 1 0 0 0 1 0 0 0

手寫快排

兩個字符串的最小距離（插入，刪除虐唠，改變一個字符）說一下思路和復(fù)雜度

4 場景題搀愧，給出用戶的數(shù)據(jù)和交易記錄，是否給他開通花唄

5 gbdt 和 xgb

6 做了個題目疆偿，https://zhuanlan.zhihu.com/p/112002408

7 什么情況下用動態(tài)規(guī)劃咱筛，如果換成遞歸會怎么樣

1.推薦系統(tǒng)有幾個步驟 為什么要召回？

2.你平時調(diào)參的時候杆故，怎么設(shè)置神經(jīng)網(wǎng)絡(luò)的大小的迅箩？

3.深度學(xué)習(xí)用在推薦里的例子有哪些？能描述一下ncf的基本框架嗎处铛？

4.python里的正則表達(dá)式

5.推薦系統(tǒng)里的排序算法有哪些

6.你處理數(shù)據(jù)集的時候饲趋，會遇到哪些關(guān)于數(shù)據(jù)的問題？你是如何處理的

• 自我介紹撤蟆。（這是你唯一能把握主動權(quán)的3分鐘＾人堋！＜铱稀）
  上來先自我介紹龄砰，我主要從數(shù)學(xué)建模比賽（本科參加了很多次，崗位對這個比賽是nice to have）息楔、項目寝贡、對強(qiáng)化學(xué)習(xí)的了解（這個部門主要是用強(qiáng)化學(xué)習(xí)）3個方面進(jìn)行介紹，我并沒有按照簡歷照本宣科值依，而是分別拿出3個方面最值得介紹的經(jīng)歷圃泡，以講故事的方式來敘述，并且說完一個經(jīng)歷就會總結(jié)一句：我在這個經(jīng)歷中收獲最多的是xx(eg：快速學(xué)習(xí)能力愿险、團(tuán)隊合作意識等)颇蜡。因為自我介紹是為了讓面試官了解你身上具備的優(yōu)點(diǎn)和潛質(zhì)价说，至于你已有的能力，你的簡歷上已經(jīng)寫得清清楚楚风秤，就不需要浪費(fèi)這么寶貴的3分鐘鳖目。

  • 比賽、項目提問
    面試官會根據(jù)自我介紹的內(nèi)容進(jìn)行提問缤弦，所以自我介紹顯得尤為重要领迈，你可以引導(dǎo)面試官接下來會對你提問什么。我在自我介紹時說到比賽中快速自學(xué)了元胞自動機(jī)模型并得到了應(yīng)用碍沐，兩面的面試官關(guān)于比賽的問題都問且只問了元胞自動機(jī)的相關(guān)知識狸捅，包括簡介、原理累提、應(yīng)用場景尘喝、有沒有對其進(jìn)行改進(jìn)。
    至于項目斋陪，只要把涉及到的整體流程朽褪、每個算法的原理&使用的原因、難點(diǎn)搞清楚就差不多了无虚，并沒有問到代碼具體實現(xiàn)缔赠。

  • 機(jī)器學(xué)習(xí)
    ①面試官：你參加那么多數(shù)學(xué)建模比賽，對機(jī)器學(xué)習(xí)方法應(yīng)該挺了解骑科，請你說下哪些模型可以用來做回歸橡淑？
    簡要：我把回歸分析里的方法都講了，并提到了支持向量回歸咆爽。

  ②面試官：請講下支持向量回歸原理。
  簡要：我說不會置森，但知道支持向量機(jī)

  ③面試官：支持向量機(jī)也差不多類似斗埂，那你說下吧
  簡要：我從SVM基本問題定義到對偶問題的推導(dǎo)過程，以及核函數(shù)凫海、非線性問題呛凶、SMO、KKT條件都說了行贪。

  • 深度學(xué)習(xí)
    ①面試官：講下BN漾稀。
    簡要：這個是常考的建瘫，一定要會崭捍。我從背景、原理啰脚、方法殷蛇、訓(xùn)練和測試的差異、意義，各方面都詳細(xì)說了粒梦。

  ②面試官：你剛說到BN要重構(gòu)亮航，請問為什么？
  簡要：我之前看過博客匀们，說是如果不做的話會破壞淺層的特征缴淋，結(jié)果面試官說不重構(gòu)也可以學(xué)習(xí)到特征呀。然后又繼續(xù)反問我為什么要重構(gòu)泄朴。我想不出來宴猾。最后他告訴我是因為歸一化后會降低表征能力。

  ③面試官：你做過深度學(xué)習(xí)叼旋，那你說說卷積吧仇哆。
  簡要：我把卷積的整個過程詳細(xì)講了一遍。

  ④面試官：pooling有什么意義
  簡要：我從降維減少參數(shù)量和減少卷積后的冗余兩方面回答夫植。結(jié)果面試官補(bǔ)充說pooling可以增大深層卷積的感受野讹剔。

  ⑤面試官：剛才說到感受野，那談?wù)勀銓Ω惺芤暗睦斫獍伞?br> 簡要：這個我之前沒準(zhǔn)備详民，就真的是憑自己的理解延欠，結(jié)果也答的不好。面試官告訴我是一個卷積核可以映射原始輸入圖的區(qū)域大小沈跨。

  ⑥面試官：講下激活函數(shù)的意義
  簡要：講了常用的幾個的激活函數(shù)及意義

  ⑦面試官：為什么要用relu而不用sigmoid
  簡要：從飽和區(qū)間由捎、敏感區(qū)間和梯度三個方面來回答。

  ⑧面試官：有了解過GAN嗎饿凛？
  簡要：沒有狞玛。。涧窒。

  • 強(qiáng)化學(xué)習(xí)
    ①面試官：講下q-learning心肪。
    簡要：一步一步介紹了模型。

  ②面試官：有了解過DDPG嗎纠吴？講一下原理硬鞍。
  簡要：我說是屬于Policy Gradient系列的，就從PG->Actor Critic->DDPG一路詳細(xì)地講了模型的流程和特點(diǎn)戴已。

  • 語言
    ①面試官：講下python的staticmethod和staticclass
    簡要：沒聽過固该，但面試官談到了裝飾器，我就介紹了裝飾器相關(guān)的糖儡。

  ②面試官：講下python的匿名函數(shù)和意義
  簡要：講了lambda的形式和意義

  ③面試官：對淺拷貝和深拷貝有了解嗎伐坏，講一下。
  簡要：很清晰地介紹了它們的特點(diǎn)和區(qū)別休玩。

  • 框架
    ①面試官：講下tensorflow搭建網(wǎng)絡(luò)和訓(xùn)練的流程著淆。
    簡要：從定義占位符開始一步一步說下來劫狠，可能說的很順暢，說到一半面試官就說不用了永部，下一個問題独泞。

  ②面試官：有沒有學(xué)過pytorch
  簡要：我沒學(xué)過，但我說知道現(xiàn)在很流行苔埋，如果以后工作需要用這個框架懦砂，那我可以快速學(xué)習(xí)，因為框架之間應(yīng)該都差不多组橄，況且pytorch還更簡潔簡便荞膘。

  • 算法題
    面試官發(fā)了一個騰訊文檔，可以實時看到我敲的代碼玉工。然后問我有沒有刷過算法題羽资，我說這學(xué)期剛開始刷，刷了一些遵班。他就說那我們先來一題簡單的屠升。就現(xiàn)場從leetcode搜了一題easy的。然后給3分鐘思考狭郑，思考完跟他講思路腹暖，講完就讓我在文檔寫代碼，按leetcode的那種形式翰萨，給10分鐘脏答。看我很快想出來并很快寫完亩鬼，他就說那再來一題殖告。結(jié)果出了一題medium。恰好我做過原題辛孵，前兩天還復(fù)習(xí)了丛肮，所以秒解，用哈希集合+快慢指針魄缚，并且面試官問了我時間復(fù)雜度，因為快慢指針各遍歷一次焚廊，所以是O(n)冶匹。以下是題目：
    ①原地刪除排序后的數(shù)組中重復(fù)的數(shù)字。（要求空間復(fù)雜度為O(1)）
    ②給定一個字符串咆瘟，請你找出其中不含有重復(fù)字符的最長子串的長度嚼隘。

  • 開放性問題（都跟他們的溫室挑戰(zhàn)賽有關(guān)）
    開放性問題是本來已經(jīng)結(jié)束了，都已經(jīng)在提問反轉(zhuǎn)環(huán)節(jié)了袒餐，說到一半他突然說問我一個開放性問題飞蛹。
    ①面試官：如何設(shè)計一個算法來實現(xiàn)自動控制溫室種植谤狡，假設(shè)數(shù)據(jù)都已經(jīng)收集好。
    簡要：我說了用強(qiáng)化學(xué)習(xí)卧檐，并給了幾種現(xiàn)有算法墓懂。

  ②面試官：那如果不用強(qiáng)化學(xué)習(xí)，你覺得可以用什么方法做霉囚。
  簡要：想了半天想不出捕仔。。

  • 其他
    ①面試官：有沒有學(xué)過搜索算法盈罐？
    簡要：這學(xué)期剛好學(xué)了相關(guān)課程榜跌，就都說了。然后實現(xiàn)過一些盅粪，比如啟發(fā)式搜索算法：GA钓葫、SA等，都自己用代碼寫過票顾，也在數(shù)學(xué)建模比賽中用過础浮。

  • 提問反轉(zhuǎn)環(huán)節(jié)
    ①我問在騰訊我要怎么能得到系統(tǒng)性的成長。
    ②我問在騰訊的工作強(qiáng)度是怎么樣的库物。

• 自我介紹：
  和一面一樣霸旗，不過面試官遇到感興趣的內(nèi)容會直接打斷來問你。

  • 比賽戚揭、項目提問
    這次項目問了很多算法實現(xiàn)的步驟诱告，以及項目中遇到的難點(diǎn)，但都能回答的很順暢民晒。

  • 機(jī)器學(xué)習(xí)
    ①面試官：為什么會發(fā)生過擬合精居？
    簡要：我講了先前總結(jié)過的幾種情況。

  ②面試官：那如何降低過擬合潜必？
  簡要：講了幾種降低過擬合的方法靴姿，這個面試官一直問：還有嗎？強(qiáng)行憋出了6個。（降低模型復(fù)雜度、增大數(shù)據(jù)集诞吱、dropout瓶竭、正則化、集成模型、BN）

  ③面試官：講下正則化
  簡要：講了L0\L1\L2，L1和L2的具體形式和反向傳播的時梯度的推導(dǎo)公式、以及它們?nèi)绾谓档瓦^擬合都詳細(xì)說了吱型。

  ④面試官：泛化誤差如何產(chǎn)生，有哪些方法可以減性山觥津滞？
  簡要：講了泛化誤差的展開式铝侵，分別說了從bias、var和噪聲三個方面減小触徐，并說了相關(guān)的方式咪鲜，以及如何平衡bias和var。

  ⑤面試官：講下dropout原理锌介。
  簡要：從背景嗜诀、原理、實現(xiàn)詳細(xì)介紹孔祸。

  ⑥面試官：dropout訓(xùn)練和測試有什么區(qū)別嗎隆敢？
  簡要：從期望的角度，說明了訓(xùn)練時要除以概率p崔慧，或者測試時乘概率p拂蝎。

  • 強(qiáng)化學(xué)習(xí)
    ①面試官：on-policy 和off-polic的區(qū)別
    簡要：先從蒙特卡洛強(qiáng)化學(xué)習(xí)的同策略和異策略模型來說明；再根據(jù)q-learning和sarsa的區(qū)別來說明惶室。

  ②面試官：貪心策略和確定性策略區(qū)別

  簡要：從選擇action的概率的角度温自，介紹了區(qū)別，并介紹了兩種貪心策略：epsilon和softmax

  ③面試官：有一些真實例子皇钞，還有一個模擬器悼泌，如何訓(xùn)練一個強(qiáng)化學(xué)習(xí)模型？（這個就是他們目前面臨的問題）

  簡要：講了可以先用直接模仿學(xué)習(xí)和逆強(qiáng)化學(xué)習(xí)夹界，然后再用一個強(qiáng)化學(xué)習(xí)的模型馆里。

  ④面試官：直接模仿學(xué)習(xí)和逆強(qiáng)化學(xué)習(xí)具體說下
  簡要：就按《機(jī)器學(xué)習(xí)》（西瓜書）中學(xué)到的詳細(xì)說了。但逆強(qiáng)化學(xué)習(xí)沒說太清楚可柿。

  ④面試官：強(qiáng)化學(xué)習(xí)的baseline
  簡要：我懵了鸠踪，因為我項目是用深度學(xué)習(xí)做多目標(biāo)跟蹤的，對于強(qiáng)化學(xué)習(xí)只學(xué)了一些基本框架和基本的理論知識复斥，但是還沒時間去看過強(qiáng)化學(xué)習(xí)的論文营密，所以不懂啊。然后面試官最后告訴我說就是采用一個隨機(jī)選擇action的策略目锭。评汰。。

  • 算法題
    ①求二維矩陣的人臉個數(shù)
    簡要：和leetcode的求島嶼數(shù)量那題非常像痢虹，算是medium的键俱，剛好復(fù)習(xí)過，就秒解了世分，大概40行左右的代碼，很順地解下來缀辩。面試官看完說沒問題臭埋。

  • 開放性問題
    ①面試官：如何對一段python代碼做加速踪央，可以自己假設(shè)代碼的應(yīng)用場景
    簡要：這個問題又榨干我了，我一開始說了5種方式（優(yōu)化算法從而減少循環(huán)次數(shù)瓢阴、調(diào)整if elif語句的順序畅蹂、核心模塊用cython、多線程多進(jìn)程荣恐、生成器減少內(nèi)存占用量）

  ②面試官：追問了多線程和多進(jìn)程是什么液斜？
  簡要：詳細(xì)說了區(qū)別，以及python中的實現(xiàn)叠穆，并說python沒辦法利用多線程少漆，因為有GIL，面試官說他沒聽過硼被，問我是不是真的示损，然后讓我講一下GIL，我也詳細(xì)講了GIL的流程嚷硫。

  ③面試官：還有什么辦法可以加速python代碼嗎检访？提示說可以假設(shè)是一個訓(xùn)練神經(jīng)網(wǎng)絡(luò)的場景。
  簡要：我補(bǔ)充說可以用GPU仔掸、batchsize脆贵。然后面試官繼續(xù)追問還有沒有，最后他說了cpu加載數(shù)據(jù)和gpu訓(xùn)練數(shù)據(jù)的差異起暮，如果只用cpu加載卖氨，那發(fā)揮不出gpu的優(yōu)勢，可以用異步來加速鞋怀，即先加載一部分?jǐn)?shù)據(jù)到緩存双泪。【我有一種醍醐灌頂?shù)母杏X】

  ④面試官：GPU如何加速密似？
  簡要：不懂焙矛。。

  • 提問反轉(zhuǎn)環(huán)節(jié)
    ①我問他們部門的工作機(jī)制是怎么樣的

  ②我問通過今天的面試残腌，覺得我哪些方面需要加強(qiáng)
  面試官說覺得我基礎(chǔ)挺不錯的村斟，但是缺乏經(jīng)驗，如果過去實習(xí)的話抛猫，需要適應(yīng)一段時間他們的節(jié)奏蟆盹。（當(dāng)時我感覺涼了，沒想到過了兩天給我發(fā)了offer）

• 比賽&項目：對用到的模型的原理都要能清晰地說出來闺金，以及難點(diǎn)逾滥、創(chuàng)新點(diǎn)，都要明確败匹。* 機(jī)器學(xué)習(xí)（傳統(tǒng)\深度學(xué)習(xí)\強(qiáng)化學(xué)習(xí)）：大廠考察的基本都是底層的原理寨昙，要了解每個知識點(diǎn)的原理讥巡，最好是能用代碼自己實現(xiàn)過，這樣理解得更深舔哪。并且在準(zhǔn)備的時候需要以點(diǎn)帶面欢顷，在一個知識點(diǎn)涉及到的內(nèi)容都要去掌握，因為面試官是串聯(lián)式地提問的捉蚤，也就是對你之前回答的內(nèi)容中再提取新問題抬驴，如果你不懂，那就是相當(dāng)于是給自己挖坑缆巧。對主流的框架要掌握布持，尤其是崗位對口的那個方向的相關(guān)方法，至少了解原理和步驟以及創(chuàng)新點(diǎn)盅蝗，最好是用代碼實現(xiàn)過鳖链，并且有自己的一兩點(diǎn)想法。* 語言：AI相關(guān)崗位的話基本是用python墩莫，要對python的語言特性有全面的了解芙委，還需要知道它們的應(yīng)用場景。* 數(shù)據(jù)結(jié)構(gòu)與算法：按分類來刷leetcode的題狂秦，一開始刷的時候先找經(jīng)典的題灌侣，然后一題多練，經(jīng)典的題至少做3遍裂问，有利于記下每類的模板侧啼。題目不貪多，要精刷堪簿，即做完一題一定要去看題解痊乾，一題盡量掌握3種解法，并且都要會討論時間椭更、空間復(fù)雜度哪审。做題要限制時間，因為面試的時候虑瀑，3分鐘給你思考湿滓，然后你就得跟面試官講思路了，然后再給10分鐘寫代碼舌狗，唯手熟尓叽奥。此后我自己會每天保持刷題，這可是進(jìn)入大廠的門檻啊痛侍，我覺得這次能夠順利通過朝氓，也主要得益于3道算法題我都在指定時間內(nèi)bug-free并給出最優(yōu)解法了。* 開放性問題：在面試前，最好去了解下這個部門主要是做什么的膀篮，有哪些成果嘹狞，很可能他們會把他們遇到的問題來問你，這樣你可以有針對性地準(zhǔn)備誓竿。因為我發(fā)現(xiàn)，在面試的時候是很難臨時想出什么方法的谈截。* 面試官：
  ①一面的面試官問的問題很廣泛筷屡，基本各個方面都問到了，加上項目和比賽的話應(yīng)該有30個問題左右簸喂，但是問的方式很簡單毙死，基本上就是：說下xx方法。那么你就可以根據(jù)你準(zhǔn)備到的來回答喻鳄，并且是串聯(lián)式的提問扼倘，即根據(jù)你對上一個問題的回答中提取內(nèi)容來提問，所以你要對自己說的話負(fù)責(zé)除呵，哈哈再菊，說到的東西就一定要懂，至少能說出原理颜曾，否則就干脆不要說纠拔，不然被問倒了就是坑自己。
  ②二面的面試官泛豪，差不多20個問題左右稠诲，但會更深入，并且提問的方式更難诡曙，主要提問方式是：說下有哪些方法可以解決xx問題臀叙？這比一面的那種提問方式難多了，因為需要你對這些方法有一個整體的認(rèn)識价卤，你的腦子里要有一個思維導(dǎo)圖劝萤，或者說一個知識體系，這樣的問法本身就更深入荠雕。所以腭面的體驗更差稳其，就是感覺被面試官榨干了，我說了所有自己所知道的方法炸卑，面試官還一直說：還有嗎既鞠？還有嗎？這樣面試完就沒有一面時的那種舒暢盖文，因為總感覺自己掌握的不全面嘱蛋，很有可能涼。但其實大部分都是可以準(zhǔn)備到的，有一兩個點(diǎn)是需要大量的經(jīng)驗累積才會知道洒敏，所以這也不會有太大影響龄恋。

• 神經(jīng)網(wǎng)絡(luò)解決梯度爆炸的方。

• follow-up: dropout的tf實現(xiàn)凶伙，

• BN, dropout FC 連接的順序郭毕？ BN和dropout連在一起會有什么問題

• CRF理解、作用

• coding: 最大連續(xù)子數(shù)組

• 場景題： IR-QA實現(xiàn)方式

• 語義匹配模型函荣，(represent-based and interaction-based)

• 場景題显押。問了很多KBQA IRQA實現(xiàn)設(shè)計細(xì)節(jié)

• 什么時候會導(dǎo)致梯度不可導(dǎo)

• DL中的廣播機(jī)制

• BERT原理和應(yīng)用。GPT BERT區(qū)別傻挂。預(yù)訓(xùn)練模型演進(jìn)乘碑。

• HR面常見的問題，工作性格期望薪資等

• 總體體驗還不錯

• Offer

小紅書

• coding: 也是分詞問題金拒。輸入詞典和query兽肤，輸出分詞結(jié)果
• ML基礎(chǔ)問題很少。GBDT/XGboost/lightGBM
• 場景題很多绪抛。lexicon怎么收集 擴(kuò)展资铡，訓(xùn)練數(shù)據(jù)怎么收集。
• 面經(jīng)這么少是因為我真的記不清問了哪些技術(shù)相關(guān)的問題……小紅書的面試體驗就比較差了睦疫，流程(每面之間等待的時間比較長)害驹、態(tài)度……、技術(shù)體驗都相對比較差蛤育，我一度覺得面試官對技術(shù)不太了解宛官，或者說已經(jīng)不在一線技術(shù)了。

• 因為簡歷上寫了了解hadoop瓦糕、spark之類的底洗，問我是看過還是做過項目，回答自己在學(xué)咕娄，搭建了虛擬集群亥揖，然后被問了pyspark中的dataframe和什么中（沒聽清）的dataframe有什么區(qū)別
  估計是聽我已經(jīng)搭建了虛擬集群，就認(rèn)為比較熟悉了圣勒？但是我還沒有怎么用起來過_哭
  本來就有點(diǎn)緊張费变，這個問題直接懵逼了，然后就跳過下一個了

  • 繼續(xù)追問項目（深度學(xué)習(xí)項目）中的細(xì)節(jié)圣贸，項目中用了聚類和循環(huán)神經(jīng)網(wǎng)絡(luò)挚歧，就問循環(huán)神經(jīng)網(wǎng)絡(luò)是怎么搭建的、怎么調(diào)整設(shè)置超參的吁峻、訓(xùn)練用了多久之類的滑负，lstm為什么比rnn的效果好

  • 除過tensorflow還知道其他深度學(xué)習(xí)框架嗎

  • 還知道其他聚類算法嗎

  • 情境分析在张？假設(shè)某一產(chǎn)品銷售量突然下降，你該如何分析它矮慕？

  • 了解一般的機(jī)器學(xué)習(xí)嗎帮匾，隨機(jī)森林、xgboost痴鳄、gbdt之間有什么區(qū)別和聯(lián)系

  • 介紹one-hot瘟斜，為什么采用one-hot

  • 了解分類模型嗎，怎么處理數(shù)據(jù)不平衡

  • 過擬合原因及處理方法

3.DL基礎(chǔ)（正則化夏跷，數(shù)據(jù)不平衡哼转，negative sampling）

4.coding(找到小于N的素數(shù)個數(shù)，一開始給了naive的遍歷槽华，后來想到了篩法)

二面：

被虐暴的一面。趟妥。

1.介紹公司做的項目

2.ML基礎(chǔ)（手推LR猫态，stacking/boosting/bagging的區(qū)別，如何理解L1/L2正則化）

3.Coding（手?jǐn)]heapsort披摄。亲雪。可憐我之前最多是用一用python的heapq包啊啊啊啊疚膊。义辕。。）

鏈表寓盗，隊

判斷兩個鏈表相交

不用+-*/灌砖，讓一個數(shù)擴(kuò)大7倍

測試開發(fā)要做些什么

邏輯地址和物理地址

3.6（視頻面試）

自我介紹

介紹一個項目

線程和進(jìn)程的區(qū)別，優(yōu)缺點(diǎn)

編程（輸入數(shù)組b, 把b1*b2+1傀蚌，放回b1,b2基显；問最后數(shù)組最大值最小值）

騰訊：（騰訊科技 北京 運(yùn)營開發(fā)）

3.11（電話面試）

自我介紹

項目中遇到的問題，是怎么解決的

StringBuilder和StringBuffer的區(qū)別

數(shù)據(jù)庫中善炫，左刪右刪和***的區(qū)別

Equals和==的區(qū)別

字節(jié)跳動（測試）

3.17

自我介紹

實習(xí)時測試的情況

數(shù)據(jù)庫索引（B+樹）

TCP三次握手

TCP為什么是安全的

TCP四次揮手

HTTPS三次（撩幽？）（握手還是協(xié)議來著）（？）

Linux查詢語句

單鏈表找環(huán)算法（口述）

返回單鏈表倒數(shù)第k個數(shù)據(jù)（口述）

測試一個大樓里新裝的電梯

測試支付寶綁定信用卡功能箩艺，客戶端窜醉，服務(wù)器端

0概率p，1概率1-p艺谆，構(gòu)造一個方法使得兩個都是1/2（口述）

編程：輸入鏈表排序

3.22 滴滴出行（測試 電話面試）

項目是什么榨惰，重難點(diǎn)

Spring框架了解多少

本地上傳視頻至服務(wù)器，測試

上傳不成功擂涛，怎么debug读串，怎么找是前端還是后臺的問題

如何實現(xiàn)多線程

3.30 騰訊 （后臺開發(fā) 電話面試）

Linux指令

Java基本數(shù)據(jù)類型有哪些

==和equals()什么區(qū)別：

TCP和UDP什么區(qū)別：

Time_wait出現(xiàn)在什么位置：

數(shù)據(jù)庫索引的優(yōu)缺點(diǎn)：

數(shù)據(jù)庫的鎖：

抓包：

項目難點(diǎn)：怎么判斷勝利和失敗

排序算法有哪些聊记，歸并排序的偽算法是什么

數(shù)組和鏈表區(qū)別

面試一共兩輪，第一輪技術(shù)面試恢暖，第二輪是主管+hr（可能會問項目排监，技術(shù)涉及不多）

1. arraylist初始大小為5，添加15個元素杰捂，會報錯嗎舆床？

2. 有沒有遇到過數(shù)據(jù)庫死鎖？講講x鎖和s鎖的區(qū)別嫁佳。死鎖和數(shù)據(jù)庫索引有關(guān)嗎

3. 推薦使用mysql存儲過程嗎?

4. 線程池用什么類挨队？get是干什么的？（submit future中的get）

5. 重復(fù)元素怎么快速去重蒿往，如果要保持有序呢盛垦？（考察數(shù)據(jù)結(jié)構(gòu)）

6. 策略模式知道嗎？單例模式

7. 用過mybatis嗎瓤漏？原理腾夯？

8. 兩個包下有同樣的類名，Spring允許用依賴注入加載嗎蔬充？

9. ==和equals區(qū)別

10. 如果某個字段是非必填的蝶俱，在設(shè)計該字段相關(guān)的方法時參數(shù)設(shè)計為int還是Integer？（考察int和Integer區(qū)別）

11. Inner join和left join的區(qū)別

12. static靜態(tài)變量饥漫，用在什么地方榨呆，修飾變量和方法的作用

13. Java和其他語言的區(qū)別以及繼承、封裝庸队、多態(tài)积蜻。

14.快排

15.平衡二叉樹和為什么要有平衡二叉樹（二叉搜索樹的性能退化），以及了解紅黑樹嗎

記得也有問jvm相關(guān)的問題皿哨，具體什么記不清楚了

全程結(jié)合我的論文在問浅侨，我是做推薦系統(tǒng)的：

1. 解釋你的論文該如何應(yīng)用到真實場景中去

2. 介紹你的數(shù)據(jù)集

3. 怎么求的地理區(qū)域的用戶偏好（我是做興趣點(diǎn)推薦的）

4. 用戶歷史記錄特別稀疏的時候怎么辦

5. 如何進(jìn)行TOP-K的推薦

6. LR的優(yōu)缺點(diǎn)

7. 手推LR損失函數(shù)（口頭推導(dǎo)的）

8. L1與L2的區(qū)別聯(lián)系

9. AUC的實現(xiàn)方式

10. 協(xié)同過濾中UserBased和ItemBased的區(qū)別和應(yīng)用場景

11. GBDT介紹一下

12. 協(xié)同過濾中的一個較深的知識點(diǎn)，忘記了证膨，反正我沒會回答上

13. 算法題：求n個篩子和為s的概率如输，leetcode原題，媽蛋央勒，我寫出來了的不见，但是有一個判斷條件寫錯了，結(jié)果出錯崔步，然后算法題就10分鐘稳吮，面試官說8點(diǎn)要去面下一個，指出了我的錯誤就說ok了

經(jīng)驗：

1. 為了表示我的謙虛井濒，在詢問某一個知識點(diǎn)的時候灶似，我用的措辭有“我記得是列林，我印象是.....”，然后面試官說酪惭，面試的時候不要說這次詞匯希痴，一定要表示自己掌握了的

2. 可以刷一些項目（諸如競賽啥的），面試官知道我是學(xué)術(shù)型碩士春感，理解我沒有參與過工程項目

3. 面試官人很好砌创。我感覺可能撈我的這個團(tuán)隊真的是做推薦的（廣告？視頻鲫懒？）嫩实，可惜我沒把握住。

內(nèi)容生態(tài)產(chǎn)品崗窥岩，問題記不太清了甲献，大概如下:
1.我現(xiàn)在實習(xí)負(fù)責(zé)的短視頻的內(nèi)容生態(tài)，然后針對于這個內(nèi)容生態(tài)細(xì)挖颂翼，例如:生態(tài)存在什么問題竟纳，怎么解決的
2.原創(chuàng)和搬運(yùn):怎么定義視頻/圖文是原創(chuàng)的，如果兩個視頻非常相似疚鲤，先發(fā)的就是原創(chuàng)嗎
垂直搬運(yùn)需不需要打壓，怎么打壓缘挑，原創(chuàng)怎么保護(hù)
3.生產(chǎn)者激勵:怎么給生產(chǎn)者劃分等級集歇，對于每一級生產(chǎn)者評估的緯度是什么，激勵的措施是什么语淘，希望不同身份/等級的生產(chǎn)者的占比達(dá)到多少
4.B站的內(nèi)容生態(tài)有什么問題诲宇，B站如果想主打別的品類，B站還可以在哪些品類找突破點(diǎn)惶翻，怎么找到這些品類找到自己的用戶姑蓝，怎么做用戶泛化
5.平時使用微博主要是干什么，能滿足你什么需求吕粗，頭條和微博的區(qū)別在哪
6.頭條有關(guān)的一些策略纺荧，比如如果要打壓新聞品類，怎么控制內(nèi)容品類的流量閥
7.信息傳播類app例如抖音颅筋、小紅書宙暇、頭條、微博等等议泵，他們的天花板用戶量級是多少（具體的數(shù)字）占贫，你怎么分析的，怎么驗證你說的是對的（這個題差點(diǎn)逼死我先口，答的一塌糊涂）
每一條進(jìn)行了細(xì)挖型奥，但是面試官態(tài)度非常好瞳收，我中間掉線了兩次，面試官都沒有不耐煩厢汹，是我答得太菜了Ｃ睢！坑匠！
頭條的面試官用實力告訴我血崭，我不應(yīng)該拒西瓜的offer，謝頭條爸爸教我做人

主要問了人工特征工程和lighgbm模型特征處理厘灼，有啥不一樣的夹纫，你為啥要構(gòu)造這特征。

然后就是一些樣本不平衡處理（重點(diǎn)聊了小樣本只有一個的時候）设凹，

神經(jīng)網(wǎng)絡(luò)利用dropout和多項式回歸利用正則項減輕過擬合的本質(zhì)是什么（為什么就能減輕過擬合了）舰讹，

我項目有用到lightgbm和xgboost模型融合，就問了為啥要這兩個模型融合闪朱，lightgbm是xgboost的改進(jìn)月匣，那你為什么還要融合呢，懵了...

項目的主要問題還是特征構(gòu)建奋姿，會問你為什么要這樣構(gòu)造特征锄开。

1. wide&deep等相關(guān)介紹。

2. 面臨的困難/注意做了啥部分称诗。

3. 怎么改善呢萍悴？現(xiàn)在讓你重新思考這個ctr預(yù)估場景上線后的場景如何提高？

下周一再不變寓免，基本上就可以等簡歷釋放其它bg撈了癣诱。

簡單總結(jié)：

0. 講話要自信，不要遲疑袜香，唯唯諾諾撕予；

1. 項目要講清楚，所有點(diǎn)盡可能保證深度/廣度到位蜈首，突出自己的貢獻(xiàn)实抡；

2. 回答問題的時候，做好條理清晰點(diǎn)疾就，不要想到啥說啥澜术，會顯得很沒邏輯，面試官聽著也很難受猬腰。

一二面：

1. 算法題：無序數(shù)組找前k大的數(shù)鸟废，描述思路+復(fù)雜度分析

2. Python：callable，垃圾回收

3. 機(jī)器學(xué)習(xí)分類指標(biāo)有哪些姑荷？AUC如何計算盒延？

4. SVM和GBDT的比較缩擂？

5. attention說一下？

6. xgboost添寺？lightGBM說一下改進(jìn)點(diǎn)胯盯？

7. 隨機(jī)森林描述一下？

8. 深度學(xué)習(xí)模型壓縮有哪些方法介紹一下计露？

9. 關(guān)于項目的討論：關(guān)鍵工作博脑？負(fù)責(zé)角色？難點(diǎn)及解決方案票罐？是否有落地應(yīng)用叉趣？

10. 連續(xù)值數(shù)據(jù)特征離散化的好處？原因该押？

11. 正則化的方法疗杉？作用？原理蚕礼？

12. 常見Loss烟具？物理意義？

13. 工程相關(guān)：項目中學(xué)到的東西舉例奠蹬？如何解決bug朝聋？代碼優(yōu)化？量化代碼效率囤躁？緩存機(jī)制玖翅？

14. 操作系統(tǒng)是如何執(zhí)行C++代碼的？C++智能指針介紹一下割以？

15. 統(tǒng)計學(xué)習(xí)算法舉幾個例子來？能夠如何分類应媚？分類的標(biāo)準(zhǔn)如何定義严沥？

1.lr公式推導(dǎo)
2.算法題，求a^n
3.DNN反向傳播公式推導(dǎo)
4.CNN反向傳播公式推導(dǎo)

一面問了我實習(xí)的項目中姜，考了道算法題:長度為n的數(shù)組里放了n+1個大小在[1,n]的數(shù)消玄，必然至少有一個重復(fù)的數(shù)，找出來丢胚。

二面面試官對我不敢興趣翩瓜，全程不咋說話，讓我講了一下自己對NLP的理解携龟，講了一下文本分類的發(fā)展史兔跌，主流分類方法的發(fā)展，然后考了一道概率題:求一根繩子被切兩刀能組成一個三角形的概率峡蟋。

三面主管面:FM推導(dǎo)坟桅，deepfm原理华望，graph embedding，問了之前的一些項目仅乓。

四面交叉面:模型上線時應(yīng)該注意的事赖舟，如果請求過高模型服務(wù)掛了怎么辦，tensorflow和torch的區(qū)別夸楣，如何降低模型復(fù)雜度宾抓。

一面，算法題：快排非遞歸豫喧，旋轉(zhuǎn)有序數(shù)組找某個值

二面石洗，算法題：一個二維數(shù)組，上有0和1嘿棘，把所有相鄰的1給連起來劲腿，求最終有幾塊連起來的1。 L1和L2正則區(qū)別鸟妙，softmax損失函數(shù)焦人。

三面，MapReduce原理重父，聊人生理想花椭。

一面，算法題：bitmap
二面房午，算法題：鏈表去重矿辽，擴(kuò)展：刪除鏈表中的所有重復(fù)值
三面，聊人生聊理想

一面問了實習(xí)項目郭厌，算法題：旋轉(zhuǎn)有序數(shù)組找某個值
二面也偏重項目袋倔，算法題：使用O(N)復(fù)雜度完成GBDT分裂
三面還是項目，算法題：找出無序數(shù)組中相隔距離最長的逆序?qū)?br> 四面只問了項目

一面問了項目折柠，算法題：一個數(shù)組里只有0和1宾娜，把0換到1前面，不能使用統(tǒng)計次數(shù)的方法扇售。擴(kuò)展：如果有0膏斤，1赫冬，2三個數(shù)咋辦赠涮？
二面項目芭挽，算法題：無向圖的迪杰斯特拉算法實現(xiàn)。

一面困乒，算法題：在大量文本中匹配詞表

二面寂屏，算法題：字符串編輯距離，求第n個丑數(shù)，最長公共子串

三面凑保，算法題：設(shè)計一個hashmap

算法精英加面一面：算法題：長度為n的數(shù)組里放了n+1個大小在[1,n]的數(shù)冈爹，必然至少有一個重復(fù)的數(shù)，找出來欧引。

算法精英加面二面：純項目频伤，聊人生理想。

一面芝此，算法題：鏈表快排
二面憋肖，智力題：100個球，甲乙兩個人依次拿球婚苹，每次只能拿1-5個岸更，甲先拿，求甲必勝的方案膊升。

一面：聊項目怎炊，XGB與LGB區(qū)別，Bagging和boostting區(qū)別廓译，概率題：一個袋里有很多紅球和白球评肆，隨機(jī)拿出10個球，其中7個紅球3個白球非区，求取出一個球為紅球的概率最大是瓜挽？ 這個概率題求大佬解，不會

二面：聊人生理想

三面：聊人生理想征绸，10萬個手機(jī)號排序久橙。

一面：聊項目，然后面的組是做倉儲物流算法的管怠，考了一個場景題淆衷，一個訂單調(diào)度系統(tǒng)，每個訂單可以有多個商品渤弛，每類商品對應(yīng)一個貨架吭敢，倉庫里有10臺運(yùn)輸車，每臺運(yùn)輸車每次可以拿10個訂單暮芭，設(shè)計算法求如何安排訂單才能使運(yùn)輸成本最低。

二面：聊人生欲低，項目辕宏，然后考了道英文題，用英文介紹自己最喜歡的科目砾莱。

筆試：前兩道很容易瑞筐，第三道是一個線段樹的應(yīng)用
一面：聊項目，手寫代碼腊瑟，最長遞增子串聚假。
二面：聊項目块蚌，手寫代碼，大量數(shù)據(jù)中找中位數(shù)膘格。

熟悉C++/java編程語言峭范，主要研究方向是深度學(xué)習(xí)、NLP方向瘪贱，一直有l(wèi)etcode刷題的習(xí)慣纱控，有過阿里天池的比賽經(jīng)歷（大概是top15）和實驗室的項目經(jīng)歷。最后是在去年4月份的時候拿到了騰訊應(yīng)用研究崗校招提前批的Offer菜秦。

一輪面試

往年騰訊算法崗的一面是在3月中旬左右甜害，一般都是一些基礎(chǔ)的技術(shù)問題，考察你對常見機(jī)器學(xué)習(xí)算法的了解球昨，建議去Letcode尔店、牛客網(wǎng)主慰、七月在線等平臺多刷一些算法題嚣州，以及多看《劍指offer》這類面試必備的書籍。
（1）LR河哑、XGB避诽、隨機(jī)森林的原理、優(yōu)缺點(diǎn)以及應(yīng)用場景璃谨。這類問題幾乎逢面必問沙庐，不光是騰訊，美團(tuán)佳吞、頭條等其它公司也是經(jīng)常會問拱雏，建議大家好好準(zhǔn)備一下這類問題；
（2）LR和XGB算法做特征處理有什么區(qū)別底扳？隨機(jī)森林怎么進(jìn)行特征選擇铸抑？等特征處理方面相關(guān)的問題；
（3）如何判斷一個單鏈表是否有環(huán)衷模？以及環(huán)的入口鹊汛？二叉樹的求解等一些常規(guī)算法題；（鏈表和樹這類問題會常被問到）
（4）最后也會問一些簡歷相關(guān)的問題阱冶，比如：你簡歷中的項目刁憋、比賽等，而且會問的比較細(xì)木蹬。（比如：我當(dāng)時和師兄一起做了一個天池工業(yè)大數(shù)據(jù)應(yīng)用的項目至耻，被一直追著問......）

二輪面試

二面也是在3月中旬，一般是和一面隔2-4個工作日左右，我當(dāng)時是一面結(jié)束后的3天收到了二面尘颓，整體感覺和一面問的內(nèi)容差不多走触，但除了常見的機(jī)器學(xué)習(xí)問題外，還會問一些算法上的優(yōu)化疤苹、論文相關(guān)的問題互广。
（1）常規(guī)的機(jī)器學(xué)習(xí)算法問題，比如：XGB和GDBT相比有什么優(yōu)勢痰催？
（2）深度學(xué)習(xí)相關(guān)兜辞。問了RNN、Text-CNN等一些神經(jīng)網(wǎng)絡(luò)的原理和應(yīng)用夸溶；
（3）簡歷相關(guān)逸吵。相較于一面，除了比賽和項目缝裁，還問了我論文的情況扫皱，感覺二面的面試官對論文比較感興趣。捷绑。韩脑。
（4）論文相關(guān)。大概給我講一下論文的核心思想粹污，你的方法和別人的方法有什么不同段多？論文中的方法還有哪些可改進(jìn)的地方等；
（5）可能當(dāng)天面試的時間沒有那么趕壮吩，面試官還問了我有什么問題想要問他进苍？通常遇到這類問題，我的一般做法是詢問面試官針對上面某個問題的答案鸭叙，或者是針對自己簡歷中的某個比較熟悉的項目往深了探討一下觉啊。（個人的一點(diǎn)經(jīng)驗，僅供大家參考沈贝。）

三輪面試

二面后其實還是有點(diǎn)忐忑的杠人，感覺自己有幾個問題沒答好，感覺自己可能會跪~~~宋下。不過大概是兩天后還是收到了三面的邀請嗡善，感謝面試官的不殺之恩。学歧。罩引。
（1）項目相關(guān)，講講你天池工業(yè)大數(shù)據(jù)的這個項目撩满，遇到了些什么問題，如何調(diào)優(yōu)，你覺得還有哪些不足等等伺帘；
（2）常規(guī)算法題昭躺，鏈表、topk的解法等伪嫁。因為從本科就一直有在Letcode刷題的習(xí)慣领炫，所以最不擔(dān)心的就是這類問題，哈哈张咳；
（3）對深度學(xué)習(xí)了解的多嗎帝洪？Bert有用過嗎？講講Attention脚猾，講講深度學(xué)習(xí)不平衡分類算法葱峡；
（4）最后就是一些討論，有問過我如何去落地一個機(jī)器學(xué)習(xí)項目龙助，并且面試官給了他的看法砰奕。感覺騰訊的面試官，人都非常nice提鸟，沒有想象中的那么嚴(yán)军援。

四輪面試

三面過后等了大概一周左右，迎來了四面称勋。騰訊技術(shù)崗的四面才是總監(jiān)面胸哥，后來才知道我四面的面試官是隔壁中心的一個總監(jiān)，據(jù)說都快要上GM了赡鲜】昭幔總監(jiān)面相較于前面的三輪面試，最大的感受是他會問針對某個問題或是項目的解決思路蝗蛙，不會針對某個算法扣的太細(xì)蝇庭。
（1）針對高維數(shù)據(jù)，如何做特征選擇的捡硅？
（2）問了幾種評價指標(biāo)哮内，以及在項目實際上線時候關(guān)注的指標(biāo)；
（3）ID3壮韭、C4.5北发、CART樹是什么？分別說下它們的優(yōu)勢喷屋？
（4）問了一下簡歷中項目是怎么完成琳拨，怎么落地的，自己在團(tuán)隊中扮演什么角***r /> （5）聊了一下論文和學(xué)校的事屯曹；
（6）最后還讓我做了個簡單的自我評價狱庇，問了我有什么缺點(diǎn)惊畏，哈哈~

HR面試

通常，過了總監(jiān)面有80%以上的概率差不多可以上岸了密任，只要你在HR面中規(guī)中矩的答下來颜启，盡量用肯定的語氣讓HR覺得你很想留下來，盡量多說浪讳，引導(dǎo)HR的思路缰盏，不要只說一句，也不要做杠精淹遵。口猜。。
（1）談?wù)勀阍谛Ｆ陂g最難忘的經(jīng)歷透揣；
（2）項目中遇到最大的困難是什么济炎？如何解決的？
（3）怎么看待AI整個行業(yè)的發(fā)展淌实？
（4）有女朋友嗎冻辩？讀書還是工作？（典型的查戶口啊......）
（5）除了騰訊拆祈，最想去的公司是哪恨闪？為什么？
（6）還有什么要問我的嗎放坏？
......

最后咙咽，大概是將近一周多的時間拿到了Offer，后面就順利實習(xí)淤年，感覺我們組的工作氛圍還是蠻不錯的钧敞。

【總結(jié)】

騰訊機(jī)器學(xué)習(xí)算法崗的面試算是非常正規(guī)的了，整套面試流程下來幾乎能把你幾年所學(xué)的東西都問到麸粮。所以溉苛，不要存在僥幸心理，踏踏實實的刷題弄诲，復(fù)習(xí)好常規(guī)機(jī)器學(xué)習(xí)算法愚战，尤其是算法的原理和應(yīng)用場景。

另外齐遵，項目和比賽經(jīng)歷非常的重要寂玲，往往面試官都是根據(jù)項目里用到的方法拓展提問，對項目的優(yōu)化和改進(jìn)也問的比較多梗摇。還有就是能內(nèi)推的一定去找學(xué)長學(xué)姐或是其它資源去內(nèi)推