首页 > 春招算法面经
头像
Patrick柳
编辑于 2020-05-25 16:05
+ 关注

春招算法面经 内部员工回复

渣本渣,第一次发帖,如有问题,尽力修改。
因为大数据方面我了解的太少了,所以在面试过程中很多关于大数据的问题我都回答不上来。

背景相关:

硕士澳洲八大,IT。本科末流985,非IT。硕士因为跨专业,学的是Course Work,期间运气比较好,有机会和几位老师一起做了几项ML相关的项目,因此毕业后找的工作都是算法相关的,希望能够帮助到正在找工作的小伙伴。


面经:

无论面试通过与否,都十分感谢在面试中遇到过的每一位面试官及HR小姐姐。

大多数的面试官都非常nice,都在有意的引导我回答出正确答案。

感觉面试比较玄学,面试过与不过,主要取决于基础知识,除此之外也取决于眼缘。

腾讯算法(一面挂):

一面:

1. 自我介绍

2. 项目细扣

3. LSTMRNN的区别

4. 梯度消失/爆炸产生原因

5. 梯度消失解决方法

6. 梯度爆炸解决方法

7. Word2vec方法有哪些/区别

8. 集成学习了解吗

9. XGBOOST/GBDT简单介绍,区别

无手撕


字节跳动算法(三面挂):

一面:

1. CNN中感受野/权值共享

2. Resnet理解

3. Resnet相比全连接什么区别

4. Alexnet/VGG/Densenet/Googlenet

5. 什么是梯度消失/爆炸

6. RNN/LSTM解释

7. LSTM怎么缓解梯度消失/Resnet怎么缓解梯度消失

8. 有什么方法能解决梯度消失

9. 集成学习

10. XGBOOST理解

手撕两道:

1. Two sum

2. 最长公共子序列(理解成子串-子串手撕一遍,子序列在子串基础上修改)


二面:

1. 自我介绍

2. 项目细扣

3. 如何避免过拟合

4. LSTM理解

5. XGBOOST理解/损失函数/正则怎么算

6. XGBOOSTGBDT对比/ Random Forest理解/BoostingBagging对比

7. 为什么XGBOOST在大赛上表现很好/GBDT相比优势

手撕两道:

1. 岛屿问题

2. 编辑距离


三面:

1. 自我介绍

2. TCP哪一层

3. HTTP/HTTPS区别

4. HTTPS为什么Security

5. 线程与进程

6. /悲观锁乐观锁

手撕一道:

1. LC Hard。题目忘记了,只记得dfs+dp,撕了20多分钟才撕出来。


360算法:

一面:

1. 自我介绍

2. 项目细扣

3. 特征工程

4. Precision/Recall/F-score/ROC/AUC

5. AUC计算

6. 项目为什么选用AUCF-score,为什么不选用Recall

7. LSTMRNN的区别

8. 梯度消失/爆炸的原因及解决方法

9. word2vec方法介绍

10. Transformer了解吗/Bert了解吗

11. 除了神经网络,传统的机器学习算法了解吗

12. BoostingBagging区别

13. 简单介绍下XGBOOST/GBDT

14. XGBOOSTGBDT区别

15. SVM/SVM核函数

无手撕


二面:

1. 自我介绍

2. 项目细扣

3. Precision/Recall/F-score/ROC/AUC

4. LSTMRNN

5. CNN中怎么做的卷积/卷积的优势/卷积之后接什么层/为什么做pooling/都有哪些pooling

6. 卷积层/Pooling层(mean/max)的反向传播

7. 卷积层参数量计算

8. 梯度消失/解决方法

9. Resnet

10. XGBOOST/GBDT/SVM/RF

11. 特征工程

12. 学过什么课/看了下成绩单

13. MapReduce/Spark/Hive

14. Mit6.824

手撕一道:

1. 记不太清了,没有Hard那么费劲,应该是Medium/Easy难度。


HR面:

1. 自我介绍

2. 跨专业/Gap一年干什么了

3. 爱好等个人问题

4. 城市选择

5. 部门选择理由

6. 期望薪资

7. 入职时间


华为硬件研究院算法(一面挂):

一面:

1. 自我介绍

2. 部门介绍

3. 岗位不太相符/为什么选择

4. 各基本算法理解/时间空间复杂度

5. 口述链表翻转

手撕两道:

1. 二分

2. 堆排序


东芝语音识别算法:

一面:

1. 自我介绍

2. CNN/RNN/LSTM理解

3. SVM/RF理解

4. Precision/Recall/F-scor/ROC/AUC

5. 语音识别算法

6. 特征工程

无手撕

笔试:

1. 前四道题都不难,LC Easy难度

2. Python Keras 搭一个基本的CNN


二面(全程英文):

1. 自我介绍

2. 为什么选择东芝

3. 澳洲生活

4. 入职时间


花椒直播算法:

一面:

1. 自我介绍

2. 项目细扣

3. 激活函数/比较

4. RNN理解

5. LSTM门控/作用/各门的激活函数选择原因

6. SGD/BGD/momentum/Adam对比

7. Adam优点

8. Resnet理解

9. CNN各种模块/名词解释

10. 梯度消失/爆炸的原因/缓解方法/解决方法

11. 常用的语言//tensorflow-Keras/Theano/Pytorch

12. 卷积层/Pooling/dense层细扣

13. 集成学习/Boosting/Bagging

14. XGBOOST/GBDT/Random Forest

15. XGBOOST的损失函数

16. XGBOOST怎么避免过拟合/ XGBOOST正则

17. 随机森林的随机性体现在哪儿

18. LR/SVM理解

19. SVM核函数/作用

20. Wrangling/项目Wrangling解释

无手撕


二面(相当帅的一个小哥哥/眼睛带笑):

1. 自我介绍

2. 项目细扣

3. Word2vec理解/CBOWSkip-gram对比

4. Bert

5. SVM理解/手推(太久没看了没推出来)

6. LR手推

7. XGBOOST/GBDT/Random Forest

8. 各模型参数解释/不同场合不同参数的影响

9. RNN/LSTM理解/对比

10. LSTM的方向传播

11. Kaggle比赛中LSTMGRU的选择

12. CNN细扣

手撕一道:

1. 二分

2. 记不太清了,LC Medium难度


Boss直聘算法:

一面(面试官小姐姐很好看):

1. 自我介绍等

2. 项目细扣/各种参数/方法/架构等设置及原因(非常非常细)

3. 主要是关于大数据方面的考核,这方面并不擅长。

手撕一道:

1. 大数据相关的题

面试官小姐姐非常非常nice。大数据并不擅长,小姐姐一直在引导我,人也很美!


二面:

1. 自我介绍

2. 项目细扣

3. Word2vec理解/CBOWSkip-gram对比

4. Bert

5. SVM

6. XGBOOST/GBDT/Random Forest

7. 激活函数

8. Optimizer对比

9. Adam优点

10. LSTM/RNN

11. 梯度消失/爆炸

12. 项目细扣

无手撕


三面:

1. 自我介绍

2. 项目细扣

3. 各种真实场景下的解决思路/例如做推荐都需要哪些特征,每种特征该怎么得到

无手撕


HR面:

1. 直切主题,很干脆,nice


以上列出的是我能回忆起的比较有代表性的面试,其他公司例如其他互联网企业或国企银行等,如果有小伙伴需要也可以告诉我,if面试过,我会单独列出。除此之外,以上列出的面试经历也有很多问题记不太清了,可能或有一定程度的缺失。

希望大家都能拿到心仪的offer,也希望大家在日后的工作中更加努力,加油,加油,加油!


更多模拟面试

全部评论

(19) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

近期热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐