发面经，攒人品，热乎乎的小米算法技术面经

一面 1小时

自我介绍

拿offer了吗？（上来就这么直接？？）

怼实习项目

介绍项目，为什么这，为什么那？

1.质疑项目里的模型有点冗余？（刚入门NLP 2个月的我也不敢反驳...）

2.模型调优看哪些指标？业务又有哪些指标？半监督训练？

3.未来想做推荐还是搜索？

怼基础（问了一下选机器学习还是热门DL，lz选了机器学习）

1. LR损失函数公式

2. softmax的损失函数

3. LR和SVM的区别，并深挖，如LR和SVM的推导可不可以用梯度下降？

4. 了解CRF吗？

怼题

升序旋转数组找最小

（lz暑期实习3个多月没刷题了相当生疏，想静静思考一下，但是面试官是那种我5秒钟不说话就开始引导的那种风格，有点难受，花了些时间）

如果是不知道升序还是降序呢？

问问题

二面 1h

自我介绍

聊项目

对着简历上写的实习内容一条一条问（时间基本全花在这个上...），其中引出来的一些基础问题：

1.介绍一下word2vec？CBOW的网络结构啥样？输入输出中间层啥样？两个trick？Hierarchical Softmax的哈弗曼树怎么构造的？怎么训练的？怎么算概率的？负采样？（问到头秃...）

2.LR和GBDT的区别（感觉总结的不太好唉）

算法

topK的两种思路/快排的partition部分

一些比较大的问题（问题太大了，感觉有点懵）

1.搜索/推荐业务整体框架的认识？怎么个过程？

2.平时怎么学新的东西？

问问题

本菜鸡十分不擅长刷题，基本处于放弃状态，昨天在某个牛油的帖子下许愿二面千万不要碰见使劲写题的面试官，今天真的就没怎么写题！现在再玄学求一波过。。感觉面得好晚，也没有表现特别好555。