最近准备结束自己的秋招了，也有时间整理一下面经，回馈一下牛客和大家，毕竟有时候自己也看过一些面经，得到一些帮助

楼主背景，985本硕，均是cs科班，岗位主要是“机器学习”（数据挖掘、搜索推荐方向，偶尔也投递一下nlp方向，cv也懂一点分类模型，有时候也投递着试试）

PS：（！！！！除牛客官网，其他平台禁止转载！！！！面经怎么使用，还是看大家自己的情况哈，我可能随时删除这个帖子，因为会怕误导大家，或者信息保密之类的，所以希望大家还是需要多注重基础知识的积累）

1.注重基础知识的积累，多多实践，不能只是看别人的总结，人云亦云。

2.为找工作早做准备，尽量去实习，这样基本投了都有面试，面试也有东西说。

3.要有自信，积极乐观，面试也很看运气，我一直认为，50%运气，50%实力，而且有时候，运气起到主要导向作用！

4.心态平稳一点，拿多拿少offer，其实在于每个人的意义不同，我们要关注自己想要的就行。

实习一共面试了7-8家(阿里、腾讯、携程、招行信用卡中心（上海）、蘑菇街、华为，网易互娱的2018年底专项实习招聘)，拿了4家(阿里、携程、招行信用卡中心（上海）、华为)，最后去了阿里实习，做搜索推荐

一面：2019-04-02

1.AUC的计算。
2.XGBoost的优化点，与传统GDBT的区别？
3.为什么二阶泰勒展开？
4.展开有没有效果的损失？
5.TensorFlow 的参数初始化机制？？？
6.LSTM原理，其中的参数是否相同？
7.无偏估计和有偏估计
8.凸优化问题
9.牛顿法与SGD的区别？
10.牛顿法能用于非凸函数吗？
11.L1、L2正则化区别，为什么稀疏的解好？
12.其他就是比赛介绍，面试官自己做过比赛，所以问比赛多。
13.模型融合、模型、特征？

二面 2019-04-16：

本来突然打电话过来面试，但是我因为有事拒绝了，请求改到晚上，面试官同意了，但是晚上鸽了我，第二天，简历就过期释放了（正好隔了两周，所以千万不要乱改时间）...

然后简历被小组捞了，时间比较久，很多都忘了，当时也在出差，很忙，没记录，大致如下：

一面（技术面）：1小时

1.决策树的一下细节，GBDT，各种熵的计算，简历提问......

二面（主管面）：1小时

1.前缀树（字典树）、排序算法（快排、堆排）、python、c++内存管理、深度学习优化方法......

三面（总监面）：20分钟

1.给你淘宝的商品总量，怎么预测拼多多的商品总量

四面（交叉面）：10分钟

1.项目介绍

五面（hr面）：20分钟

1.导师怎么评价你，怎么处理导师的关系，怎么学习？有什么缺点？...

本来一直想去腾讯，后来阴差阳错，越来越去不了——腾讯面试，我现在回想起来都觉得命中注定去不了腾讯，后面在秋招一起写吧。

投递的华为消费者BG，华为商城里面的推荐算法，华为在实习招聘的时候，还是2轮面试，比较简单。

然后秋招的时候，hr在8月初让我重新投递这个岗位，说到时候直接给我offer，我就没有再关注过了。结果后面说，面试政策调整（改成部门直招+3轮面试），导致这个岗位在提前批就招满了，于是后面我没有面试机会了。

1面：30分钟

围绕简历，然后问了spark这些分布式大数据工具，sql里面的引擎，决策树算法

2面：20分钟

简历提问，然后问加班，聊聊华为，家庭背景...

1.笔试：

选择填空 + 三道编程（其中一道肯定与机器学习相关，我那次是，写一个朴素贝叶斯，然后一个sql + leetcode那种题目，秋招也做了一次笔试，有一题是，计算auc）

2.一面：

不知道是不是因为实习，面的不难。而且就一面。自我介绍以后。就是介绍项目，聊细节，聊算法，很多为什么？有什么效果？全程没有问其他的算法问题，基本都是围绕项目展开。然后开始聊比赛，聊特征工程，全程30分钟，因为安排30分钟一批人。面我的是数据分析，他说他是部门leader，决定权在他，就一面，主要是做金融风控。

3.hr面
面完三天之内给反馈，周五下午四点半的电话，hr小姐姐问了基本情况，给了口头offer，然后发了意向书，携程金融风控方向，机器学习岗位。

ps: 两面都是程序媛，二面体验稍微比一面好一点，不知道是不是因为二面面试官是妈妈级别的，感觉和蔼很多。

一面:4-18

1.自我介绍
2.手写代码，反转链表
3.围绕项目谈论，一些细节，一些知识(反正就是简历上的，你写了的，都会提一下)
xgb,lstm，损失函数，正则化之类的？参数有哪些？怎么做特征工程，特征选择…
4.提问环节。
一面结束，感觉答得不错，但是全程面试官有一种不感兴趣的感觉，而且很多都给你一种，他不明白你说什么那种感觉。以为会gg的。

二面:4-25

1.自我介绍
2.项目谈论(这个真的，可以说无限多，然后她提问了很多她们在实际应用中。xgb遇到的问题，包括，过拟合，难以优化，特征构造，特征怎么选择，继续添加特征效果不明显，实际线上效果不好等，问我有没有遇到过，怎么处理？有什么想法？聊了半个多小时)
3.代码：非递归实现，前序和中序遍历。
ps: 二面面试官，不过个人感觉，她的态度非常和蔼。说话声音很温柔，整个过程非常的轻松。

hr面：4-28

工作中优缺点
选择工作的侧重点
选择大公司还是小公司
自己的offer
结果:hr最后给我挂了，发了感谢信（主要有两点需要注意，自己的缺点，和与大公司怎么选择）

这个因为我是参加了他们每年都会举办的一个校园比赛，拿了第五名（三等奖，5000块钱），然后去霸面的，最后拿的是数据挖掘岗

一面：（视频）

一定会涉及sql知识

二面：（现场）

两个面试官，HR和主管

一人问一点，简历提问，boosting和bagging,然后决策树，然后语言栈（他们主要是Java，所以学c++有点吃亏）；有没有做过社团活动，举个例子，怎么组织的；怎么学习？你的优点？

因为秋招实习转正，所以投递的时间比较晚，而且选择比较明确（例如，听说加班多得不投，地点不想去的不投（例如北京））。

秋招一共投递了10家左右（只投递杭州、上海、深圳岗位），面试了5家左右（腾讯、百度、美团、网易互娱、平安科技），有些因为个人原因放弃了（哔哩哔哩、头条、拼多多、京东、新浪、滴滴....）。

腾讯的面试，注定过不了，首先实习的时候，第一场处女面试是腾讯，简直问啥啥不会，所以还是要提前准备啊（最好上学期就开始准备刷题之类的，这样实习面试就很有把握和自信），然后后面被捞了几次，自己都作掉了。

实习：

TEG里面的AI lab平台什么的，一面：

1.直接项目介绍，然后各种问题：做了什么工作，为什么这么做，
2.为什么不上采样、下采样，怎么划分数据？指标是什么，多少？....
3.LSTM介绍
4.注意力机制
5.svm非线性，核函数怎么选择？你有没有用过？介绍你怎么用的？
6.比赛怎么做的？有什么优势？怎么取得好成绩？
7.算法：
怎么判断链表有环？
二叉树搜索的复杂度？
与红黑树的区别？
哪些容器用了红黑树？
红黑树怎么调整？
红黑树的左旋，右旋？
8.用过多线程没有？
9.偏向工程还是算法研究？（我说工程）
10.什么时候能来实习？（感觉越快越好的样子）

然后被做游戏的捞了，岗位是“后台策略安全”

一面：

1.简历

2.说一个开发的项目

3.简单的说一下机器学习常用算法

然后我中途问了这个岗位是做啥的，他说，是游戏里面的，反外挂，主要涉及数据挖掘和游戏开发。我一听话做游戏，我就SB的说，“不好意思哈，我不想做游戏，你把我简历释放了吧，我感觉不合适？？”

蜜汁操作之后，就没有然后了~~~

秋招：

提前批两次被捞：

一次是我在8-15更新了简历，自动激活了实习时候的内推流程，所以8-20左右，约了一次面试，我官网一查，岗位是“后台开发”，然后面试之前，他说先聊一聊，我就问他主要做啥，说是基础平台架构开发，有涉及算法的架构设计，开发为主，然后因为自己当时8-23答辩，所以不想面试，直接拒绝了~~~（其实后来觉得这个岗位还不错，毕竟是架构系统设计，应该蛮有技术积累）。

然后实习回来，在9-11号，约了一场面试，岗位又是“后台策略安全”，以为又是游戏里面的反外挂，当时差点点了拒绝面试邀请。

一面：1小时06分（CBG微信支付的风控部门）
1.自我介绍
2.实习项目（20+分钟）：任务，角色，使用方法，深度模型结构、语言，训练时间。。。。
3.机器学习基础：SVM，核函数，lr,bagging,boosting,(介绍之后，再提问)
4.模型特征选择，特征共线性，
5.场景题:就一个简单的短文本，怎么挖掘对应的相关的文本，或者挖掘相关的信息？
6.数学：大数定理，最大似然估计，几种分布（正太分布、二项分布、几何分布、泊松分布...）蒙特卡洛。。。

一面挂，感觉有两三个基础知识没回答上来，而且面试官不是很明白我做的东西，所以基础很重要啊！

09-18，一面：1个小时（现场面，说是统一面试，然后后面再分配，当时觉得，这不是以前华为的操作吗？）
1.自我介绍，
2.实习项目介绍，场景，怎么做，上线情况
3.C++：
虚函数，纯虚函数，构造一个基类需要注意什么，怎么使得子类不能使用父类的拷贝函数（private?），
函数指针（int (*fp)(int a)），回调函数，....c++11
4.python:
list,tuple的区别，python3中类似纯虚函数的东西（abc模块+装饰器）...
5.机器学习：
过拟合，欠拟合，无监督，有监督，决策树，随机森林，GBDT...
6.场景题：
你做一个算法，在训练集上效果一直不好，你会怎么做？
7.编程题：
1）.两个链表的交点
2）.翻转链表
8.数据结构：
给一个前序，中序，画出一个二叉树
9.智力题：
1-10000，每次删除奇数位置的数，问最后剩下的数字（2**13）

平安科技nlp岗位（深圳）

这个nlp岗位，主要是投递试一试，因为自己做过一点text match的相关工作，所以就试试，结果被吊锤！

（1面问了XLNet，因为这篇论文确实没看，所以就这个不会，面试官说，我基础挺好的，实践也多，就过了；没想到，二面又是问了XLnet，又栽了，就这样挂了~~）
09-25 一面，40分钟
1.自我介绍
2.实习经历：做的text match ，针对这个问题进行提问，
3.介绍场景，怎么使用，怎么处理数据......
4.BERT,XLNet区别?
5.有没有用过BERT，有哪些调的参数？
6.详细说一下transformer的结构，怎么看待这个多头注意力机制？
7.编码器和解码器的区别点，self attention的机制？
8.看看对nlp的知识面广度，（有哪些分类？有哪些NER实体识别模型？）
9.TensorFlow的掌握程度，模型固定，模型压缩有没有接触过？
10.能不能实现一些网络结构？
11.c++ python，SQL掌握的怎么样？

09-26 二面 30分钟
1.简历提问
2.xlnet和bert说一下
3.LSTM与rnn
4.研究方向和毕业课题...

网易互娱（广州）

（实习的时候，在2018年12月的样子，投过那个什么实习专项招聘，简直裸面，啥也不会，直接去面试，问到最后，直接叫面试官别问了，问了也不会！自己简直SB操作）

09-25 一面，一个小时：

（机器学习——推荐系统方向）
1.自我介绍
2.项目：（实习 + 简历项目）怎么做的，场景，问的很浅
3.针对简历提问:
w2v，原理，负采样，分层softmax，怎么处理文本词典，停用词，unknown token (讨论很多)
rnn原理，画一下，然后就是lstm,soft-attention,,,画一下seq2seq的attention机制
4.传统机器学习：
写一下lr的损失函数，加上l1 /l2正则化；然后解释原理，分析不同点，怎么用
特征筛选经验和方法？，pca，卡方校验，
5.python：写一下不定长参数的一个函数def func（*args,**kw）
6.会不会分布式spark这些，聊一聊...
7.说一下推荐系统的框架和流程

09-26 二面（主管或总监面），20分钟：

1.自我介绍
2.基本围绕简历提问，看你做的东西和水平层次
3.会不会spark？
4.然后就是，聊天，为什么选择网易游戏，与阿里offer怎么选择？
5.平时看什么直播？

09-26 hr面

1.介绍实习的工作内容，怎么与团队的合作，与开发，数据，运营，产品这些怎么协调？
2.拿到那些offer，投了那些公司？
3.期望薪资？
4.选择网易游戏的原因？

美团（上海）

一面：46分钟

1.自我介绍
2.围绕简历实习问：场景，方法，指标，样本，......（20分钟）
3.随便说一个算法（说的决策树——特征选择方法区别，分类和回归，）
4.大数据 and 分布式
5.auc的作用
6.编程题：一维数组[1,n],n可以认为正无穷，然后输入无数个区间[a,b],保证b>a，求所有区间长度。
（按照a对区间排序）
7.最后一个智力题：扔鸡蛋问题。


二面：1小时10分钟

1.自我介绍
2.直接一个场景题：怎么做搜索中的联想页——方案设计，怎么落地，什么指标。。。（怎么得到字典树）
3.然后又一个场景题：怎么做美团app的猜你喜欢，只能用LR模型，（特征，那些特征，怎么获取，怎么处理）
特征怎么离散化、怎么设计整个逻辑，在线怎么获取用户的特征...
4.然后实习项目：模型，场景，（介绍优缺点，cnn 作用，esim模型的优缺点），point wise 和pair wise的优缺点
5.GBDT怎么处理类别特征，例如ID特征
6.word embedding 的api原理
7.最后一个智力题：一个无穷的数列，一直输入，直到收到停止的命令为止，怎么使得返回一个数的概率是
1/n，因为是无穷的，不能存数字（蓄水池算法）

HR面：20分钟

1.大学做过自己觉得有成就的事情？
2.怎么学习课外知识？
3.比赛经历？实习经历？
4.阿里和美团怎么选择？为什么还投递美团？
5.能不能承受大的工作压力？

祝各位，心想事成，万事如意！