一些算法面经（百度，有道，腾讯）
看了牛客很多面经有很多收获，一直没有写过面经，今天花时间写了下暑期面试的一些面经。
本人实习一直是风控方向，奈何有一颗想做nlp的心，结果被俩推荐团队给捞起来了🤣。
百度度秘推荐算法
一面：
1. 实习相关。
2.聊不了解graph embedding,讲了deepwalk,node2vec具体细节。
3.从度秘的一个场景题引入，问了我如何设计度秘的音乐推荐的embedding。
如果用简单的word2vec怎么做， 存在什么缺点，面试官说音乐可能不像nlp任务有那么强的顺序性，怎么改进？
【后来我查了以下就是微软item2vec的思想】
答案：1.扩大word2vec的时间窗口，2.均匀抽样，怎么做均匀抽样
3. 有nlp项目，问了下transformer，问了具体self-attention的计算过程，如何并行化，归一化的作用
4. 两道算法题：逆序对和判断一个树是bst
二面：
1.项目相关，用到了LSH，问了还知道哪些ann算法。
2.场景问题，类似于红包拉新活动的异常发现？怎么设计。
3.看我是统计专业的，让我讲贝叶斯思想，问我觉得贝叶斯和频率学派更喜欢哪一个？为什么。
之前从来没有被问道这种问题，就瞎扯了点，主要说了贝叶斯先验的设计比较难确定，比如像LDA种用迪利克雷分布仅仅是为了工程上的便利，可能不是那么可控，又扯了一点关于概率图的东西。
4. 一些基本的机器学习算法，比较常规，就是决策树各种划分准则，优缺点，gbdt和rf的区别，gbdt哪些部分可以做并行化，那xgboost呢。
5. 问了很多激活函数，然后问我激活函数的作用。本来扯了很多防止梯度消失之类的，后来想起来是引入非线性性。
三面经理面：
问了一个项目的具体实现，后面基本就是聊聊天了。
网易有道NLP
一面视频面：【时间久远，有点记不得】
1.两个nlp项目相关，问的很细。
2.讲各种attention， 我提了加性乘性self-attn，稀疏atten,局部attention等。
3.算法题：最大子序列和
4.两概率题：一个是撒谎天气用贝叶斯的题目；一个是平均要抛硬币多少次，才会首次出现两个正面。
二面现场面：
二面上来看我不是计算机专业的，对于我的专业性有些怀疑，问我会不会操作系统网络这块，答曰不会😂。
1.然后就是问数据结构：各种排序算法，写平均，最好，最坏复杂度，是不是稳定排序。讲并写堆排过程。
2.设计一个结构：（1）add (2)找中位数 （3）删中位数
开始讲了个bst的方法，他嫌复杂度高，让我再想。后来说了用两个堆的方法。
3.项目相关，两个分词算法，让我讲知道哪些分词算法，如何处理颗粒度的问题。
4.项目相关，fasttext原理。
5. 问我pytorch,tensorflow哪个比较熟，我说pytorch，让我手写multihead attention。
6. python 问题 __init__ 和 __new__区别，实例和类的区别
7. linux 相关，问我统计当前目录下所有python文件个数并排序。
三面总监面：
是一位和蔼的女士，主要是一个场景题，有道现在有一个业务是教育方面的自动批改纠错【作文，对话等】，她说和机器翻译很像，问我如何设计。
就是一个seq2seq的结构，输入错误答案，输出的正确答案。
1. 如何找正样本，如何找负样本，在最少人力情况下
2. 和机器翻译的最大区别在哪里
之后就是一些业务介绍，有道nlp目前是机器翻译和教育领域，还有一些ocr方向的。
腾讯视频短视频推荐简历面凉经
之所以叫简历面是被捞了系统状态都没有变过😂，全程电话，这个部门对工程落地比较高，很多问题没有准备。
1. c++ 虚函数相关
2.细抠简历，把我简历上两份实习问了个底朝天，问了很多工程上的细节。
（1） 写了Spark相关，让我讲原理，spark调度机制，宽窄依赖, DAG图，讲各种算子。【这块答的很不靠】
（2） 问知道不知道流式计算，答知道spark streaming还有 flink, 让我讲一些函数算子，原理。
(3) 一个项目用了tensorflow-serving， 问相关步骤，线上线下gap如何排查
3.算法相关讲LSH， kd-tree，word2vec 【kd-tree讲了没几句就打断我了，说让我回去再好好看看😂】
4.还是项目，一个nlp分类羡慕，问我问什么不继续扩充一些统计特征的方法，后来发现我这个项目是个demo没有上线，又是一堆嫌弃😂
5.最后电话快问快答几道算法题思路：判断链表是否有环，两个单链表公共节点的入口，二叉树遍历的数据结构，层次遍历怎么做，zigzag的呢。
最后说如果有二面会让我去现场，一直没有消息应该是凉凉。感觉工程能力还是偏弱，达不到他们团队的要求。
腾讯二面434人在聊