2018春招秋招算法机器学习岗面经（阿里、腾讯、美团、携程）
先介绍情况：本硕末流985，性别女，无算法比赛。春招运气比较好的拿到了大厂实习，秋招因为转正了所以投的很少（又因为比较好吃懒做，所以目前在大厂和银行间犹豫不定。。。）感觉牛客上容易碰到熟人，哈哈，就不鸡汤了，直接总结一下面试遇到过的题吧。求攒些人品，助我做出正确的选择~
【春招】【阿里】
一面（40分钟）：
1.自我介绍
2.介绍项目
3.xgboost和gdbt
4.你知道的防止过拟合的方法（回答了正则化项）
5.L1和L2的区别，数学上解释（等高线）
6.用到了矩阵分解，所以讲一下。
7.你还知道哪些机器学习的方法.
8.写代码：二叉树的深度。
深度学习完全没问
面试官评价：知道的机器学习的算法广度不够。
二面（30多分钟）：
没自我介绍 没项目介绍 直接问问题
二分类的评价指标都有哪些：
数据不平衡问题如何解决（adaboost就能做到！）
KNN 复杂度高，怎么解决
相似文档，相似图片。LSH
xgboost gbdt
NLP的问题都答的不好。感觉面试官就是做NLP的。
深度学习做过哪些？深度学习+推荐？
LSTM的原理大概说一下，解决RNN的哪些问题。
如何衡量两个句子的相似度，sentence embedding的方法（给了很多提示我都没达出来）
三面（1小时+）：
聊项目，主要是两个推荐方面的项目。问的很细，每说一步都会提出问题。
场景题：判断用户遇到的问题，做推荐。从数据来源到模型，问的很详细。
评价：知识面窄。
自我介绍
数据处理的流程
聊项目
java中实现list的容器都有哪些
LR和SVM的区别，哪个是参数模型
怎么解决过拟合 为什么会过拟合
100！末尾有几个0
场景题：判断用户query是否是时效性query
自己的优缺点是什么
遇到过的最大的困难 有什么反思
性格是内向外向
在团队中是扮演什么角色
hr面（20分钟）：
就是一些很常见的问题：
你一个印象很深的项目。
读研对你的提升。
最近看什么书。
你有什么优点。
你能为团队贡献什么。
三个词对自己性格描述，怎么体现的。
【春招】【腾讯】
初试1（1个小时）：
写卷子：操作系统，TCP，C++，快排。（10道题左右的卷子，只写了一道快排）
问项目，主要是计算广告相关
智力题：1000瓶水有一瓶毒药，需要几只小白鼠（10只，二进制编码）
初试2（部门领导面（10多分钟的闲聊））：
对特征选择的想法
职业规划
做过哪些项目
复试（总监面）：
推荐项目的介绍
如何验证模型结果
42亿排好序的QQ号， 找到其中某个
全程argue我初试为什么交了白卷（捂脸哭），操作系统、算法基础不好
实习期间的内容
面试官给的建议：操作系统、网络（我是算法岗啊？？？？！）、数据结构、算法，这四部分是基础，是必须要会的。
1.电话面 20分钟
自我介绍
关于计算广告的一些问题
平时用什么工具
分类样本不平衡
场景题：如何判断刷单
2.现场面 40分钟
自我介绍
写代码：二分查找
问项目，问的很详细
场景题：找top10个常出现的ip
场景题：判断是不是垃圾信息
防止过拟合的方法
L1 L2如何选择
自己的优点是什么
3.HR面 20-30分钟
自我介绍
哪里人 哪年的 毕业时间 能实习的时间
学校 实验室的情况 有没有认识的人在美团 等等
给之前的面试表现打分
项目中遇到的困难
开放性问题：一杯水等分成30份，没有度量工具，怎么做
【秋招】【携程】
一面（40分钟）：
介绍项目，没问到技术问题，也没写代码。
二面（15分钟）：
部门主管，一共面了15分钟，主要是聊是哪里人、杭州上海怎么选、北方人咋不去北京、觉得上海哪好 什么的。。。
问了个场景问题：怎样给没登录或者没历史行为的用户推荐度假产品。。（整体推荐框架介绍，热门+地理位置）
没有HR面就直接发offer了。。
【秋招】【美团】撕了三轮代码，今年美团真是难。。
初试第一轮（50分钟）：
自我介绍
项目
写代码：数组的全排列（我说我不会写），换了个简单的判断是否是回文数，用两种方法。
初试第二轮（40分钟）：
自我介绍
项目
场景题：推荐附近商户 完整流程，其中涉及到如何判断一个店是网红店
写代码：找第k大的数（leetcode原题，类似快排的思路），用堆怎么做
复试（1小时+）：
介绍项目，每说几句会打断，问怎么做的。
前向传播和反向传播
画出DeepFM或FNN或PNN的图
写代码：一排排的球，从上向下求路径加起来最大（DP）。写好后一行行的看，问这里这样写会有什么问题，如何改进。
然后闲聊很久。。
HR面：
实习做了些什么
用没用过点评
闲聊中问HR小姐姐是不是今年HC很少，得到了肯定的回答。。
————————————————————————————————————————
总的来说，今年算法或许是红海，但是有大厂实习或比赛或论文感觉还是比较有优势的。
还有一点我觉得很重要，也是我很欠缺的地方，就是平时的积累和思考。算法工程师需要具备解决实习场景问题的能力，这种能力并不是背完《统计学习方法》和西瓜书就能有的，在面试中如果能回答好这类问题，或许可以脱颖而出吧。
以上，就这些，希望对大家能有所帮助！
（哪个好心人能告诉我互联网和安稳的银行到底该怎么选，比心）
