一面1h：（8.17，时间隔得有点久记不太清了，反正感觉面的不好）
女面试官
说说自己用过不同分类模型的区别，我随便说的感觉没有头绪。
介绍过拟合，梯度消失，
transformer的优缺点
LSTM+attention这个模型为什么要在加attention，这个我没答好
（基础知识记得不清了）
模型评估指标知道哪些？
然后是一些场景下的问题：
query短文本长文本的一些处理，短文本不能很好的表达语义怎么解决，
（倒排？向量化召回）
然后问项目，说我做过推荐，简单的介绍了一下项目。
Linux一些小问题
算法题：
两数之和，但是让我考虑输入的类型判断，忘了isinstance()这个函数
反问：
公司做哪一块的搜索业务的，base地在哪里，过往经历是否match。
-------
二面1h：（8.26，隔了9天，1面感觉面的真的很拉，一度觉得自己挂了）
自我介绍
问推荐实习项目，业务背景，一些细节：特征有哪些，怎么处理，加了那些特征，
怎么评估特征有效，nn模型特征怎么改造。
问NLP项目，质疑了我某一个小trick的有效性，我说是别人工作中借鉴来的。
八股文：
好像没咋问八股，记性也太差了。
算法题：
1.n个点(x,y),求每个点的max(|x1-x2|,|y1-y2|)，简单题
2. n个10进制的数，求这些数中存在相同的位数的pair对的个数，比如（12，13这2个数，其中1是相同的位数，所以这算1个pair对，12，21也只能算1个）
反问：
希望能换base到上海，然后后来打电话和我说上海没hc了。
-----------
三面40min：（8.27，下午突然发来邮件面试，下午我一共3场面试，累的一批）
自我介绍完后，
怼基础，
LR，SVM，LSTM，CNN，xgboost, LDA。
LR的原理，手写损失，手写反向传播
SVM的原理，核函数的有什么特点
CNN原理，RNN原理，LSTM的公式
LDA主题模型原理，我其实不太懂这个，瞎说了几句什么学习文档-主题分布和主题-词汇的分布，矩阵分解类似。
快排复杂度，堆排复杂度，建堆复杂度。
能不能毕业前来实习，答：导师不放
问职业规划，家乡哪里等等
反问：
先表明一下有些基础挖的很深自己需要再补一补，
然后问了团队做的啥，然后我就舔了一波百度搜索，
问他对应届生求职选择方向的建议。
-----------
27晚上发了测评了，不知道能不能等到oc，
感觉只有二面面的还凑合，二面面试官很和善。
全部评论
(6) 回帖