首页 > 2021秋招算法岗部分面经总结
头像
夏未眠
发布于 2021-08-26 07:57
+ 关注

2021秋招算法岗部分面经总结 内部员工回复

未经同意,禁止转载

美团到店一面凉经

  • bagging,boosting对比,举例
  • auc,precision,recall,acc含义
  • 过拟合怎么办
  • 深度学习优势
  • 深挖项目
  • 正则表达式
  • 推荐模型通常由哪几部分组成,item的id如何embedding,word2vec做法,从word2vec出发,该怎么做id的embedding
  • 常用推荐算法模型有哪些
  • 算法题,问的有问题,这边就不提了

字节跳动音乐一面,二面(暂时到二面)

  • 一面
  • 实习项目和论文,论文中的方法相对于传统方法有什么优势
  • lgb相对于xgboost的优势
  • 由于本人读研期间是做不平衡方向的,所以问了常用的处理不平衡数据的方法
  • 算法题,二叉树搜索中,两个节点互换了位置,找到这两个节点;用rand3实现rand7(这题可以参考leetcode中的rand7实现rand10,之前做过,但是面试的时候忘了。。是在没想起来。)还好面试官人好给了我二面。
  • 二面
  • 上来先是算法题,整数数组无序,是否存在下标i<j<k,并且值ai<aj<ak。写了dp的思路,问了时间空间复杂度,接着让我改进,讲了一个归并排序的思路,不过面试官希望我用o(n)的方式实现,没想出来,最后给了我提示双指针,这题貌似leetcode上也有类似的题目
  • 问项目和论文

b站一面,二面(暂时二面)

  • 一面
  • 实习项目,问的比较细,会和你探讨
  • 训练推荐模型的时候,有时候会负采样,分布发生变化后,如何校准
  • 用于分类的损失函数有哪些,写一下具体公式
  • hingeloss的含义,写一下公式
  • 对推荐算法了解哪些
  • 算法题,0,1组成的矩阵,从左上走到右下,不同的走法数,1是障碍
  • 二面
  • 实习项目,深挖
  • xgboost的参数有哪些,过拟合后如何调参
  • 常用的正则项有哪些
  • l1,l2正则项适用场景,特征稀疏的时候用哪个比较好
  • auc高是否一定说明auc高的模型排序能力更强,不一定,需要考虑测试数据的正负样本分布
  • 树模型介绍,树模型和逻辑回归的区别,哪个模型能考虑特征交叉(树),哪个非线性性更好,逻辑回归如何做特征交叉
  • 不平衡数据的处理方式
  • 算法题,二叉树的层次遍历,平方根
  • 反问

百度提前批一面,二面(大概率凉了)

  • 一面,三道算法题,具体记不清了,主要是考研二分搜索,递归,dp
  • 二面,算法题还是二分搜索,1到n的数字,组成二叉搜索树的个数,用递归解了,不过可以用dp优化,但是当时没想出来。。
  • 考了一个开放题,文本纠错。。没接触过,就自己瞎编。

总结

首先对于写到简历上的内容一定是自己熟悉的,并且对于简历上涉及的知识点需要熟悉,并且可能的扩展需要自己先预想一下,然后准备一下。其次,最好有一个实习,一般面试官都是对实习感兴趣,我这几个面试,他们问的基本都是实习的项目,论文也会问。然后,基础知识得多背背,当然大佬直接理解了是最好的,我主要是看《百面机器学习》和《百面机器学习》以及“西瓜书”,再加上一些面经,就差不多了。最后,就是刷题,刷题很重要,并且需要理解,做不出来没关系,但是看题解的时候需要去理解他,并且隔一段时间再去做一做,就相当于错题集一样,如果有刚开始刷题的小伙伴,可以碰到一些觉得很好的题,有启发的题,或者易错的题就把他收藏了,这样到时候方面复习总结,我就是在做的时候会把一些题收藏,然后到后面就是主要去复习这些题,当然也可以去codetop.cc这个网站。后面我也会简单整理一下自己觉得不错的题,然后和大家分享。

简历,自我介绍也要提前准备好,然后多熟悉熟悉,读一读,背一背。

早做准备,早拿offer,早躺平休息。祝愿大家都能得偿所愿,收获offer。

后续有新的面经也会及时进行补充,不要吝啬你的三连哈!!

更多模拟面试

全部评论

(4) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

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