【回馈牛客】非科班算法的求职之路

  灰常感谢牛客网！！

  多亏这段时间牛客网的陪伴，一方面看了很多同学的面经为自己的面试攒了经验，另一方面也通过很多帖子了解到了行业和岗位现状，也在受挫时看到好多同学还在坚持而受到了激励！现在自己的秋招基本已经结束，才有机会静下来把自己一路走来的面试经历整理整理，回馈给牛客网还在奋战的大家~

  本人非科班EE硕士，相对于有深厚CS基础和较强代码能力的同学，自己真的是“渣硕”，真的真的不是揶揄。

  面过的公司有：深信服，腾讯，美团，银联，oppo，京东。

 ↓以下是面经

  深信服（笔试+电面）- 机器学习算法工程师

  深信服的笔试题所有技术岗都一样，试卷全是考的C++。本人平时多用python，C++只是了解，因此胡乱做了一通。没想到竟有电面机会。
  然而，电话面试时接起来面试官第一句话就问我:  “你还记的那天考试的第一道编程题吗?” 彼时已经离笔试过去了约2两个多星期，真的不记得了。于是就请面试官重述了一遍题目，然后在电话里重做了一遍orz. 
  紧接着继续问：
  1.给定两个字符串，如何判断a是b的子串？
  2.有一个长度为100w的数组，有没有可能从中取出连续的1000个数字，相加等于10000.
  3.如何使用一个数据结构来缓存远端发回的图片内容，可以保证不重复发送？
  4.解释一下多道程序？
  5.介绍一下你个人最感兴趣的一个项目。
  6.你有没有什么突出的优势？
  .....非常怀疑我自己面的是不是机器学习算法岗TAT

 美团（两个部门）- 算法提前批

部门A：2:00PM到达美团点评总部，开启一个下午三个小时的面试体验。

第一轮：技术面

项目问题：详细地聊项目。非常详细= =

算法问题：

1.具体讲述一下逻辑回归的思想，手写一下逻辑回归的损失函数，为什么用最大似然求参数？

2.逻辑回归是不是线性模型？

3.具体讲述一下GBDT的思想，GBDT对损失函数求负梯度的时候，是对哪个变量求导？为什么我们要用GBDT？

4.经典问题:GBDT和XGB的区别是什么？

5.讲一讲过拟合有哪些方法？继续追问神经网络中有什么特殊的防止过拟合的方法？

6.dropout机制的原理是什么？

代码问题:

1.抛一枚硬币，正面朝上的概率为p，问掷硬币可以得到连续N次正面朝上的次数的期望。

2.求一个数组的连续子序列的和最大的值。

第二轮：技术面（压力面）

项目：又开始聊项目,这次聊得更详细，但是面试官一直质疑我项目的意义....搞得俺非常崩溃，后来感觉是压力面。

算法：

1.比较一下RF和XGB，XGB的损失函数是什么，给我写出来。

2.XGB怎么调参？一般要调哪些参数？怎么设置？为什么这么设置？

3.XGB的节点分裂是怎么做特征采样的？

4.特征工程怎么做的？

5.怎么做的数据预处理？详细说一下。

6.FM模型的前因后果说一下？

代码：

判断一个链表里是否有环以及找出环的入口。

第三轮：HR面

1.又来聊项目了（没想到HR姐姐也问项目，真的不想再说项目了...）

2.聊完说你为什么去这家公司实习啊？怎么考虑的....

3.你在实验室的课题是什么？

4.你现在投了哪些公司啊？如果都要你，你去哪儿啊？

5.你打算留北京了？

6.你期望的薪资是多少啊？

部门B：3:50-7:20PM，三轮技术面。

参加算法提前批的时候现场和面试官聊完，面试官让旁边的HR继续面了我，所以这次去三轮都是技术面。orz

第一轮

一上来聊项目，从头到尾讲你做了什么事。面试官间或问一些关于项目的数据处理的问题，问的问题不是特别深。

这一轮面试官的特点是，要你讲细节。每当你说到一个点，他都会让你更具体地描述一下。比如你的模型中参数为什么要这么设置，具体有哪些超参数，得到了什么样的结果。比如最后深度学习模型跑了有多久，怎么样进行地分布式设置。对每一个项目大概都像这样说了一轮。

然后问了一些常规的机器学习问题：比如特征工程怎么做，R平方和MSE的区别。

然后是编程的问题，这个面试官对我太好了，让我写出快排逐步改进中的所有实现方式 :)

第二轮

一上来让我给他介绍研究生的课题。 然后我就开始说，但是他说他没理解，一脸惆怅。于是我又只能继续说，他还是表示不理解。面试官说："你对你的课题掌握得不太好啊。"此时我就有些紧张了............................

然后就又开始聊项目，聊项目的过程中让我画了CNN的架构，有多少卷积层，多少通道等等，怎么计算感受野。然后质疑网络中的第二部分为什么要这么搭建，只是看论文就这么决定了？“我不是很懂你为什么这么做诶”，面试官反复说这句话QAQ。以及面试官认为我这个项目的实际应用场景有问题....

接着写代码：旋转数组的最小值。

接着是机器学习的问题：

1.讲一讲最大似然和最大后验概率建模的区别？写一下似然函数的一般式。

2.最大后验概率建模中的先验分布是指什么的先验分布？

3.逻辑回归模型如果用最大后验概率建模是什么样子的？

4.分类问题的指标有哪些？各自的应用场景是什么？

面试官随之给出了一个具体的场景要求计算F1分数。

第三轮

1.KKT条件在凸优化问题中怎么体现的？推导一下吧。

2.在美团点外卖的时候，我们会告诉用户一个外卖的预估时间。你如何设计一个模型来估计出这个时间？假设你能想象到的数据我们都能提供。

3.（承接第2个问题）如果你提出了一个模型，另一个同事又提出了一个模型，那我们怎么通过用户来评价你们这两个模型？

4.我们来聊聊，怎么设计模型才能够增强用户的体验？

5.知道大数定律吗？说一说....

6.知道切比雪夫定理吗？说一说...

编程：编个数独吧。

腾讯（电话面） - 机器学习算法

1.讲项目(根据项目提问）

2.决策树模型如何用在实际场景中？为什么用决策树？

3.数据的预处理和特征工程的pipeline你一般怎么考虑？

历时40分钟，面试官人很温柔，也给了我通过。然鹅接下来被复试的面试官鸽了两次，每次等待的时间>2小时，最后HR姐姐说联系面试官另外安排时间，然后就没有然后了，简历就一直灰掉了...还是没缘分。

银联 - 人工智能岗位

群面：感觉只要中规中矩提出自己的看法就可以过。和非技术岗群面的难度完全不一样，可能就是走个形式吧...

技术交叉面：

两位面试官，问的问题比较基础，也没有手撕代码。

1. 深度学习中防止过拟合的方法？

2. 你觉得你的项目最大的亮点是什么？

3. 激活函数有哪些？对比一下？

4.其余的问题都是一些聊天性质的，比如你的特长啊，独生子女？去上海OK吗？我们银联给户口哦~~期望薪资多少？

oppo - 机器学习算法

一轮技术面：

1. 堆和栈在内存管理的时候如何被使用？区别是什么？

2. 推导一下GBDT；公式写出GBDT是怎么拟合一棵cart树的？

3. 写一下基尼指数的公式？为什么要用基尼指数？

4. 对比一下XGB和lightGBM在节点分裂时候的区别

5. 两道编程题：一道二叉树的非递归后序遍历；一道象棋走马，给定棋盘大小，从棋盘左下角开始走，N步之后在棋盘上的位置。

6. 具体地聊项目（为什么选择这个模型，这个模型是怎么实现的..）

二轮leader面：

1. 具体聊项目（也是关于如何实现，在实现过程中遇到的问题，如何改进）

2. 深度学习中你通常怎么调参？

3. 深度学习中有哪些自适应的优化算法？你用过哪些？

4. 最近有上过什么课或者读过什么论文吗？讲一讲...

5. 其余都是非技术的问题，比如你的职业规划啊愿景啊....

三轮HR面:和HR承诺了内容保密。

京东 - 算法工程师

最坑的一次面试体验，因为面试官的方向和我应聘岗位完全不对口鸭，对方应该是做传统通信电子算法的工程师吧...还是把面试的内容记录下来，希望能有帮助。QAQ

1. 傅里叶变换的公式解释一下？（哈？哦....)

2. 解释一下什么叫做矩阵的正定？

3. 矩阵的四个空间是什么？它们之间的关系是什么？

接着是看了简历中的项目问的一些问题（但是真的，完全不在点子上啊哭）：

面试官： 啊？深度学习的问题是非凸优化啊？那你们怎么解的？不可能啊..深度学习不是凸优化问题吗？

面试官：那你说怎么定义一个凸问题？

面试官：alhpa-go用的是神经网络吗？为什么就make sense呢？解释一下？

面试官：李飞飞那个图像集是用***嘛的？

ε=(´ο｀*)))唉...

以上就是本人在提前批+秋招过程中的一些面试总结啦，希望这些面经能够稍微帮到大家一点点。

找工作不容易，算法今年更显艰难，之后的工作抉择也很艰难（地域，家人，平台...）。不过人生没有十全十美的事，全心全意奋斗过就不后悔啦！

希望大家都能去到适合自己的地方~