简单来说，这是一个回馈贴。自己在实习和秋招从牛客获取了很多有益的知识，看了很多很优秀的面经，在此先谢谢各位大佬们的面经！
我自己很懒，面试不少，但是面经一直懒得写。今天想到自己复习的时候正好有一些简单的总结和记录，所以整理了下，给需要的同学参考下，也算是回馈牛客啦~
介绍
秋招从7月中开始准备，8月初开始正式投，到9.15结束。最后拿到了美团百度滴滴快手字节的意向书。都是算法，但是不全是NLP，百度是MEG机器学习，字节data广告算法，滴滴国际化机器学习，车辆调度啥的吧，快手是内容与风险管理。主要问的还都是NLP+机器学习+算法之类的知识，我自己的笔记和复习也都比较偏NLP和机器学习的基础。具体的面经我就懒得写了，内容太多了
个人笔记
笔记主要包含：
1）机器学习有关笔记和深度学习有关笔记；包含了面试常见的机器学习和NLP有关的问题总结
2）算法题的部分总结；这部分没能坚持下来，所以不够完善，做个参考吧。
3）常见问题的链接；主要关于机器学习、NLP等，这部分和PDF文件结合起来基本能覆盖秋招常见的NLP或机器学习问题。
4）每日学习记录；记录了每天刷了哪些题，看了哪些博客等，不是特别全。
牛客上没看到在哪上传文件，所以先放个百度云链接吧：
一些经验
秋招有一些经验，希望能帮到后面的同学。
1）时间安排和节奏把握
简单来说就是：在准备较为充分的前提下越早越好。今年秋招开始很早，字节提前批6.16就开始了，其他一些公司开始也都很早。
而且提前批一般是不用笔试的，适合部分能力强算法一般的大佬们。我自己因为实习开始的时间有点迟，所以开始准备秋招的时间大概是7月半，因为准备不足，所以也错过了一些机会。
举个例子猿辅导8.1晚上第一次算法笔试，但是我简历投迟了，所以就没赶上。结果算法hc第一次笔试后就用完了，直接gg。
当然了不要为了快而快，每一次面试的评价都会记录下来。如果提前批表现太差，后面可能会被直接pass。
这里举个例子，某节提前批的时候说，提前批是一次额外的机会，就算没面过后面还有正式批。
这句话没问题，但是我旁边也遇到了因为提前批面试表现太差，正式批人家不愿意捞的情况。当然，只要你表现不错，后面复捞的机会很多，字节的hc今年确实很多。
还有一个需要注意的问题是：简历投递到笔试或者面试是有一个时间差的，千万不要等自己完全准备好了再投简历！
某些比较慢的公司还是越早越好，比如我阿里8.14号笔试，9.10号差不多才一面（还是内推的）~
我自己的话7月中到8月初开始系统复习，8.1投递了携程和好未来准备练练手，但是一直没反应，然后8.6号开始大范围的投递。
大概到8.15左右开始了集中的面试，一直到9.15结束面了百度阿里字节美团滴滴快手。自己运气比较好，除了阿里都拿到了意向书。
感觉发意向书都挺快的，除了快手都是一周内就给了意向书，快手等了差不多三周，真的蛮慢的。
2）面试算法题
感觉算法题是秋招的基础，也是重点。
95%以上的面试都有算法题，算法题写得不对or慢or不是最优，都很危险。
算法刷题的话 推荐Leetcode的Top100+剑指offer，然后把面经里提到的算法题再刷一遍。
算法题需要多刷，比如上面的常见题可以刷2-3遍（实习期间也保持低频刷题），然后错题记录个时间周期刷直到bug-free。
我自己总共刷了350+题（有150+是去年暑假+寒假刷的），提交1100+次，面试的时候算法题基本都能比较快的给出最优解。
让我印象比较深的是字节的面试，三面总共6道算法题，大部分题还要手动输入测试样例并打印结果给面试官看，特别是三面面试官每一个边界值都要测试，挺可怕的。
算法题可以多总结，比如二分查找思想很简单，但是快速写出bug-free的代码并不容易（二分查找左边界，查找右边界我面试都遇到了）。
还有二叉树、链表、背包类的题目都可以多总结，这样面试的时候就算紧张靠肌肉记忆也可以写出来。
《labuladong的算法小抄》里有一些总结，可以参考下；这本书内容有点多，可以选择性看，在刷的基础上结合看就好。
结束
学习和复习的过程中有各种各样的经历和想法，本来想写长一些，但是回头想想很多都是自己个人的经历，值得参考的倒也是不多。也有很多优秀的帖子总结了各方面的经历，我就不画蛇添足了吧。
最后祝愿秋招的同学最后都能找到满意的offer
全部评论
(9) 回帖