如果各位有看过我之前的帖子，楼主半年前才入职字节，结果发现字节的工作节奏是10点到10点，大小周。呆了半年，身心俱疲，不想过试用期就直接跑路。
废话不多说，直接上面筋。投递方向：广告算法工程师。
微软苏州分院 bing ads。他家业务很厉害。
第一轮：
不过简历，直接考题。
1. 有一个数组元素[a0, a1 ...]，从数组中找出连续的数组和为最大。
2. 有一个常数n，有一个数组元素[a0, a1 ...]无重复元素。从数组里面找出所有可能的组合加和是n，并且输出。
第二轮：
过简历，面试官不是专业学算法的。如何理解kafka框架？在算子开发性能的时候有哪些优化的点？你在团队中发挥什么样的角色？如何使用mapreduce框架？
考题：
有一个数组（对，全是数组题目），从数组中找出连续数组乘积最大。
第三轮：
面试官是学算法的，未来的leader。如何构建user和item的特征？双塔模型的结构？
深度学习网络Factorize Machine相对于线性模型有什么好处？Spark用过吗？如何构建一个分布式机器学习框架？
假设有两个整数a，b. 那么a/b有可能除尽和除不尽。如果除尽，找出循环的单节。图论。
第四轮：
直接上题目：
1. 假设一个数组只有"a"和“b”两种string 组成。如何重新安排数组，使得最多有3个a相邻，3个b相邻。如果不能安排，返回None
2. 假设有a，b两个int，转成二进制后 c = a | b. 假设从0->1, 1->0理解为一个action。最少需要多少个action计算c = a|b？
第五轮：
问简历，hdfs的底层原理，mapreduce底层原理，答得一塌糊涂。不过面试官好像不在乎，说没关系，题目做出来就行。
题目：之字型二叉树广度优先遍历。要求一定要用C语言写。
第六轮：
boss面。
先问题目：如何实现a/b。a和b是string，返回double。不难。
聊人生：家是哪里人，为什么要从字节离职，对微软什么看法。你很优秀，接受平薪吗，微软开得不高。
聊完直接得到口头offer。
正式offer在3天后获得。
网易杭研：
第一面，组长面：
说一下做一个推荐系统是如何从召回，粗排，精排最终推荐的？每一个环节需要注意哪些问题？
所以说你做的粗排环节，DSSM的好处是什么，为什么不用单塔模型？
如何构建用户侧特征，如何理解静态和动态特征？用过强化学习吗？强化学习在广告中的应用有哪些？
举出一个近几年的新广告算法，和传统的算法有相比哪些好处。
第二面，总监面：
没怎么面业务，开始聊网易的团队如何如何，你来了应该承担如何如何的角色，聊完直接口头offer。
第三面，HR面：
对于未来的规划，遇到最困难的事情，最大的缺点，你是上海人打算在杭州发展吗之类的。
offer在一周后获得。
腾讯上海：
第一面，组长面：
如何理解双塔模型中cosine similarity的计算？如何理解粗排和精排的不同需求？
推导任一深度学习网络的反向传播，并且写出伪代码。
第二面，组长面：
L1范数和L2范数各自的用处？Batch Nornalization有什么好处，为什么要使用，记得公式吗？
如何防止梯度爆炸和梯度消失，如何理解RNN与LSTM的差别？
当mapreduce任务中有一个reducer执行特别慢，该如何处理？
题目：居然与微软重合了，从数组中找出连续数组乘积最大。
第三面，总监面：
业务中，召回和粗排分别负责哪些任务？如何从海量item中一步一步选出推荐的item？
为什么需要一步一步缩小item的候选集，而不是用一个算法直接选出推荐？
时间序列模型有哪些？有哪些在广告场景中成功的应用？
第四面，HR面，GM面：
聊人生，没聊业务。
等了3周了，还没开奖，腾讯比较磨叽。
微软总包涨幅5%，网易总包涨幅10%，因为在字节只有半年经验，涨幅不是很高。
工作了这么久，一个感慨就是，不要过多透支自己的身体。最近PDD的事情闹得沸沸扬扬，令人深思。工作是一场马拉松，不是赚快钱，需要细水长流。
祝各位拿到顺利的offer！
全部评论
(21) 回帖