最新的进展，好未来提前批过了哈哈，说好了8月中旬出结果就真的等来了，也希望正在找工作的小伙伴都能拿到想要的offer，对于京东，估计还得在池子里泡泡哈哈。

====================================================================================

过去一个多月投了不少简历，不过有回应的就5、6个，深感找工作的不易，不过一个月来也算有一些小的结果，所以心里还算镇定，不过希望大家也不要慌，好好沉淀，最后都会有的。我主要是找的算法方面的工作，方向有涉及强化学习、图之类的，项目中也用到了，所以面经主要会比较多关于这方面的问题。

字节（已意向书）

字节7月1号投的，一共面了6次，第一个部门到第二面的时候挂了，后面把我捞起来了，又换了个部门面了4面，非常感谢字节不断给机会，最后成功拿到意向书了，很开心，能有个好的结果。

• 一面
  1、自我介绍
  2、介绍强化学习的项目（背景、动机、如何建模、输入输出和训练算法说了一遍，说完后面试官问了一些细节）
  3、说一下DQN吧（先说了q-learning，然后说了DQN的三点改进，以及存在的问题）
  4、说一下MC和TD的区别
  4、说一下value-based和policy-based的优缺点
  5、说一下SAC（这个说的不太好，原理、policy的训练、q网络的训练说的不太清楚，面试当时还没仔细学到这个算法）
  6、说一下GBDT（这里只说了一下目标函数比较简略）
  算法题
  一道概率题：三个盒子分别放的球为：“红 红”，“红 蓝”， “蓝 蓝”，第一次取出一个红球后，取出两个红球且为第一个盒子的概率（第一次遇到考概率题的情况，还算错了）
  给定一个n*n的字符盘，和一个字符串，看改字符串是否出现在字符盘中（这个还行，写出来了）
• 二面
  1、自我接受，之后让介绍项目，项目完了就开始问强化学习
  2、AC算法的V网络和Q网络的目标函数
  3、TD3和DDPG的区别
  4、DQN和Sarsa的区别
  5、reforcement的目标和梯度是什么
  6、探索的epsilon固定不变的时候，DQN什么情况下学不到东西，举例子说明（说了一堆没答到点上，当时确实不知道）
  7、什么情况下，SARSE学的比DQN好，举例子说明（这个也没答好）
  8、前两个问题面试官看我不知道就不问了，接着他说，看你用过图卷积神经网络，那你说一下GCN的公式每个符号的意义吧，拉普拉斯矩阵为什么要做分解（额，光忙着看强化学习了，GCN这块没管，又没答上来）
  算法题
  算法题给定一个只读数组 l，长度是M，最小值是a，最大值是b，l 中的元素两两各不相等。给定内存 O(N) << M， 要求找出 l 的中位数。（当时还没怎么开始刷题，算法题也不会，没写好）

二面答得特别不好，被虐的惨兮兮，觉得自己太菜了，不过知道了自己哪一块没复习好也是值得的。收到感谢信以为与字节无缘了，后面也不打算投字节了，但是过了10天左右又收到HR的电话，就想着再试试吧。

• 一面
  1、自我介绍和项目
  2、机器学习的各种优化器了解吧，说一下优缺点
  3、过拟合怎么解决
  4、说一下GBDT
  算法题：
  1、二叉树的前序和中序遍历序列，重建二叉树
  2、2、3、5为质因子，求第100个数

• 二面
  1、问比赛细节
  2、GBDT、lightGBM区别
  3、有哪些方法可以使得RL训练稳定
  4、TRPO、PPO、SAC算法
  5、场景题：从三个不同的数据源中分别按比例将对应文档推荐给用户，使得用户的点击率最大，如何使用RL建模
  算法题：
  1、有两个很大的文本文件，里面存URL，求同时在两个文件中的URL集合
  2、一道类似求从左上角走到右下角的最短路径的动态规划题目

• 三面
  1、自我介绍
  2、介绍SAC算法
  3、介绍比赛（组队情况、任务分工、最重要的特征、自己做了啥）
  4、贝尔曼期望方程（在牛客网的编辑器里写出公式）
  5、Actor和Critic的目标函数（写出公式）
  6、一般的策略梯度的目标函数和导数（写公式）
  算法题：
  1、求多叉树中两个节点的最近公共祖先
  2、一个只包含0和1的数组，求包含k个1的最长区间
  3、朴素贝叶斯了解吧？那你实现一下它吧（额，一下子有点懵，我说代码能力不好，面试官说你这样很危险哈，额，刚想硬着头皮写，面试官看我不想写，就说，那你说一下公式以及每个部分都怎么算的吧）

• 四面（加面）
  以为三轮技术面就完事了，下一轮就该HR面了，没想到问了一下还是技术面，不知道是不是前面朴素贝叶斯没写代码，答得不好准备挂，再加面给个机会。
  1、 熟悉的机器学习算法有哪些？（LR、SVM、决策树啥的）
  2、讲一下LR吧
  3、LR一般怎么求解的？（答梯度下降）
  4、那你说一下批次梯度下降和随机梯度下降吧
  5、梯度下降法的缺点？
  6、LR能用梯度下降法得到全局最优解吗？
  算法题：
  1、不用递归，O(logN)时间复杂度，O（1）空间复杂度，实现pow(x, n)
  2、概率题：圆上任取三点，构成锐角三角形的概率

京东（offer审批中）

• 一面
  1、自我接受
  2、谈了一下项目
  3、Adaboost、GBDT、XGB、LGB区别
  4、常用的线性分类算法有哪些
  5、常用的非线性分类算法有哪些
  6、GCN原理
  7、textRank说一下
  8、word2vec说一下
  9、过拟合的现象和解决方法
  10、ResNet，以及为什么能解决梯度消失问题
  11、场景题：在无上下文的情况下如何看两个词是否是同义词？
  算法题：
  1、乱序数据找第K大的数
  2、字符流采10个字符，保证每个字符的采样概率一样

• 二面
  1、谈了强化学习的项目
  2、问了HMM（我说没用过所以不怎么了解）
  3、决策树、GBDT
  4、从多个角度分析l1和L2正则化为什么能防止过拟合
  5、CNN为什么比DNN好呢？
  6、看前面的记录说，你会bert是吧（一面场景题那里说了一下bert，说实话真不怎么了解哈），不过还是说了一下
  算法题：
  纸牌博弈问题

• 三面（HR面，10分钟）
  1、自我介绍
  2、个人优缺点
  还有几个问题不记得了

• 四面（技术面）
  突然又给我打电话约面试，我一面懵，不是已经HR面完成了吗？面试官也不知道，就约晚上8点又加了一轮技术面
  1、自我介绍、项目
  2、谈GCN相关这个项目
  3、问是否了解其他的图卷积神经网络，说了一下（GAT， 里面加了注意力机制）
  4、那你说一下self-attention吧
  5、说一下bert吧（好吧，前两轮技术面下来，面试官都觉得我会bert了，实际上还没仔细学呢，我就把我知道原理、怎么训练的，说了一下）
  6、bert的输入具体是啥？
  7、场景题：京东搜索里，输入一个关键词搜索某件商品，但是现有数据库里没有该关键词，该商品对应的是另一个关键词，这种情况下怎么解决？
  8、反问环节里问为什么又加了一轮技术面，面试官说他也不知道，就他同事给了一份简历让帮忙面一下，最后面试官说平常心对待，加面呢肯定是有原因，不好说。

好未来（面试结果审核中）

好未来面试效率很高哈，一下子把3轮的面试链接全发了，一轮面过了马上接着下一轮，不过就直接短信告诉你，就不用继续了。所以半天下来就面试完成了。

• 一面
  1、自我介绍、项目
  2、讲SAC算法
  3、讲Actor和Critic算法
  4、怎么学的强化学习？看过哪些书？
  5、算法题：
  从一个数组中，找出所有长度不小于k的连续子序列中，最大的中位数

• 二面
  1、自我介绍、项目
  2、主要讲比赛
  3、从初赛到复赛进步的主要原因是什么？
  4、怎么构造特征哈？怎么评估特征的重要性哈？交叉特征怎么验证有效性哈？
  5、讲回项目，讲GCN的原理，与CNN的区别
  6、讲SVM
  7、核函数怎么选择？
  算法题：
  求连续最长乘积子数组

• 三面（HR面）
  HR小姐姐很热情，就大概聊了几分钟，最后快结束时还说辛苦了，快回去休息吧，对好未来好感倍增哈哈。

大概就这些啦，有很多还不足的地方，8月继续努力吧。