本人背景先说下，本硕985，就读计算机强校（不是最强的那两个），联邦&&强化方向，机器学习半瓶水，ACM选手（读研三年没写过一道题的那种），手中握有一顶会二作（面试的时候都不说了，会被嘲笑，一作肯定给博士啊），一篇一作在投，简而言之，就是没有文章。这个条件客观讲，程序员中等水平，绝对够不上稀有。

至于面试，我认为大多数面试的知识点其实我们都碰到过，有模糊印象，关键是能不能清晰化，把货倒出来，所以面试之前一定要做三件事：

1.把上次写跪的题手动实现一遍，有规划练题，我作为acm选手过于自负，结果就是自杀。

2.大方向基础知识点背一遍（c++/java/python/机器学习）

3.面试部门方向关键算法背一遍（如推荐算法中的LR model,以及只要是个AI/机器学习都大概率问到的SVM）

4.协调时间（一边写文章一边准备，真的累）

3月

腾讯

一. 犀牛鸟精英科研计划：

一面：

（1）聊天，过

（2）横向pk挂（挂的就是你这种没文章的）（当然也有可能因为工作地点）

二. 北京 teg 联邦组

一面：

（1）sigmoid函数一阶二阶导数的含义

（2）coding : 使用numpy实现下上面的两个导数，过

二面：

（1）自我介绍（总算有正式自我介绍了）

（2）coding：字符串中提取数字，再排下序，合并后输出字符串（快排）

（3）feedback：两面结果都很好，他们会加快进度，争取早发offer

hr面：

（1）自我介绍

（2）项目

（3）家乡，有无亲属在tx，个人缺点，闲聊，过（顺便提醒下，hr面准备不充分，表达不太好）

hr面结束：

加微信，暗示hc不够（？）

字节

抖音推荐算法（比较核心）

一面：

（1）自我介绍

（2）coding：1. 单调队列（没刷过这题啊）2.sqrt(x)两种方法

（3）二维平面上一个点到任意整点距离的分布（我讲了个思路，表达式给出来积分

f(x）f(z-x), 求密度函数，发现不是很好求），过

二面：

（1）自我介绍

（2）coding：大数加减法（有负数，写了个加法，磕磕绊绊，减法要讨论四种情况，这时开始感觉手生）

（3）项目难点

（4）过拟合怎么处理（探测：k-fold validation 正则化方案：L1,L2 奇技淫巧：dropout）

（5）dropout原理（随机失活）

（6）adam和sgd的区别（自适应学习率，mini-batch间防止抖动）

（7）反问环节，过

三面：

（1）自我介绍

（2）coding：sqrt(x)(小于1的情况竟然没写！写过的题竟然还忘了！开始怀疑自己coding能力)

（3）项目难点

（4）1 / t^2和1 / t衰减在凸优化问题中的优劣（真不会，从来没搞过退火，题目都听不懂）（衰减率小，长期抖动，衰减率大，过快失去动量，不能到达最优值）

（5）反问环节：推荐系统采用机器学习是否多于深度网络（被diss）

三面加一起可能有4个小时以上，面完态度模糊，表示要横向pk，hc有限

4月

开始正儿八经写题了，自信心遭受打击

字节tiktok广告：

（1）自我介绍

（2）强化学习项目，有无碰到environment feedback latency过高的问题（肯定有啊，但是不知道怎么处理，只能胡诌了一个经验回放）

（3）联邦项目，解释加密过程（说了一下同态加密基本概念，担心追问，说我不是信安的，加密研究不深，我的文章偏accuracy优化）

（4）明显感觉技术不对口，开始问基础

（5）LR模型是否是一个线性模型（懵了，感觉有坑，想到linear regression，linear啥意思啊）（其实他问的应该是是否有非线性的决策边界，但我对决策边界这概念直接懵了）

（6）LR的决策边界是线性的，还是超平面，还是曲线（都有可能）

（7）LR模型里面wx+b拟合的是什么东西（所有样本发生概率的最大似然？当时已经懵了，说的是所有特征label的频率）

（8）判别模型是后验的还是先验的（这个没问题），机器学习指标（我说了accuracy和公平性指标，还有召回率，然后让讲讲ROC，我？讲道理，这个指标在本人领域根本不会出现）

（9）后验概率属于频率学还是贝叶斯（因为是通过贝叶斯方程和先验分布估出来的，我倾向于贝叶斯）

（10）频率学和贝叶斯的区别（这个概念没啥问题，前者认为估计量是确定的值，后者认为是一个分布）

（11）开始c++基础知识面（？？合着我是全能选手啊，面面俱到）。什么是多态？（我的回答是多态是在不同继承关系的类对象，去调同一函数，发挥不同的作用）

（12）用母函数去调子函数，怎么知道调的是哪一个子函数（没懂他的意思，你调子函数，不用子函数的指针？）

（13）c++智能指针懂吧（我懵逼，c++三年没写过，面试后一拍脑袋，不就是那个new吗）

（14）开始python基础面。generator你肯定用的不多，你知道这个东西吗？（我：虽然没用过但我觉得这就是迭代器一类）

（15）你觉得他和普通的list在内存管理上有没有区别？（继续猜，既然是迭代器，就是没用到的只给一个指针，实际还在本地，用到的按需调入内存）

（16）你有过内存存不下数据集的经历吗？（我说没有，就算有，dataloader也是迭代器性质的，只在本地留一个指针，需要那个batch就拿进内存）

（17）讲一下分布式机器学习？（我讲了个spark，这个真没学过）

（18）算了，写题吧，给你两个元素相同，顺序不同的数组，用他们分别给对方排序（此时我整个人其实已经懵了，用一个数组给另一个排序，这是什么舍近求远的操作？估计是快排那一类的奇技淫巧，就先写了个快排，还有bug，后续需要不停地在两个数组之间交换元素，递归，其实我已经感觉被挂，不太想写了，大脑一片混乱）

（19）差不多了，今天就到这里吧，你是不是很久没写题了（1个多小时，每个方面的问题都答了个半吊子，不过这面试确实硬核），应该挂了。