作业帮1,2,3面面经(不包含hr面)

岗位 推荐算法
8.20 作业帮一面
主要问实习
然后讲讲xgboost,每个叶子节点的值是怎么确定的,如果换一个loss 函数还是一样吗(我不太确定,瞎扯了一下)
两道编程题:
1  求x的平方根,精度0.01
2  input 一个string 例如'aacab' 求所有可能的分割使得每一个substring 都是回文数
例如 [a aca b] [a a c a b] [aa c a b]
最后加问了一句,dssm模型是怎么进行召回的
反问环节:
斗胆问了一句您觉得我怎么样,他尴尬的笑了笑,说不错,两道题都写出来了,但是xgboost要多看看paper,和同事商量一下过没过
感觉凉凉,基础还是一个大问题,不熟
面试官挺好的,话不多,也不打断
后来晚饭的时候接到hr消息,过了~~~~

8.22 作业帮二面 
自我介绍
实习
讲下auc,xgboost,没有特别要求,知道的都说
LR懂吗? LR怎么加入非线性?
怎么解决过拟合?
最后一个问题,auc 和log loss的区别? 这个确实我不知道到底想问什么。在我粗浅的知识体系中,auc是用来衡量模型好坏的一个指标,log loss 是lr 的损失函数
这两个东西没有什么太大的可比性,当时就随便扯了一下
最后反问环节
问部门后续发展主要是优化什么模型,就算过不了,我也可以下去多看看相关paper
问后续安排大概什么时候会通知,然后他说很快,后面部门老大可能还需要给我聊聊(听到这里就放心了)
果然晚饭的时候就收到面试安排
8.27 作业帮三面 
作业帮推荐方向的算法leader,人很好,也不为难
怼实习,做了什么事,调了什么参
如果接触一个新的模型,学习方法是什么样的,从刚听说到落地
机器学习领域很多,图像,视频,音频,图文,推荐,你以后的职业规划是什么
过拟合的方法,如果让你做,你会选哪个,我说会选bn,说说bn的原理
面试官说,你最近刷题多吗
我说都在刷,要找工作嘛,他说那我就不考你了,你说说你遇到的一个有趣的题目
我脑子蒙了,想不到一个笔试题,我说笔试做的有点多,一时半会想不到
面试官于是说,那我还是考考你吧,我说没问题
从作业帮的题库里随机选了最长公共子串~
神奇的一幕来了,我说...这个题我刷过,一个m*n的2维状态矩阵做dp,要不要换一个?
我的天,遇到做过的题目不是应该偷偷装作没刷过,然后顺利写出来吗? 看来我是飘了
换了一个 input 是一个数组,一个target 返回所有相加等于target 的子序列,一个数只能用一次;backtracking 3分钟写完
面试官说,讲讲backtracking的思路,说了一下就进入反问环节了
问后续安排,问作业帮推荐主要是那些场景
几个小时后,约了明天的hr面

整体来说,面试难度中规中矩,主要看重的是实习,可能是实习做过相关的业务,所以问业务比较多,机器学习基础是回答实习问题的过程中带出来的
面试官都挺好的,不会刻意为难,不会的我就坦白说没有了解过,面试官都会说ok,那我们换一个,也没有因此就挂掉
期待明天hr面有个好结果

如果想看本菜鸡其他面经的移步,听说发面经会有好运气
#作业帮##算法工程师##面经#
全部评论

相关推荐

4 41 评论
分享
牛客网
牛客企业服务