秋招算法面经
秋招其实早就差不多结束了，感觉没有面几家，好像没啥干货不想总结的，但现在也不想写论文了，还是记录一下吧，记录一下除了项目外还另外问了哪些问题吧，也方便自己以后复习。我是8月底从实习地方离职的，所以9月才开始面试的，这也是我没啥面试的主要原因，本来就菜还投的晚🤣，在七八月大家疯狂面试的时候，我还在实习摸鱼中。
有赞一面（9月4日）（看这个公司不用笔试投的，然后顺便捡了一个offer😅）
1.boosting和bagging框架的对比，各自的方差和偏差情况
2.xgb和lgb的对比
3.讲了一下lstm,主要解释了如何缓解梯度消失的
4.说了一下梯度消失的原因
5.问了CRF和HMM
6.问了Kmeans，这儿只让说了Kmeans的具体步骤是怎么做的
7.问了一个场景题，如何做新词发现
8.有个概率题，不太记得了，不过不难
有赞二面（9月4日）
1.又问了Kmeans,不过这一次问了kmeans的缺点有哪些，然后我说了下kmeans++
2.又问了CRF和HMM，并说了下CRF和LR的联系，HMM和CRF的对比，我简历上压根没有提这俩，但被问了两次，我感觉面试官是拿着题库在问我🤣我就只说了我的理解
好像还有很多基础问题，不过不太记得了，都是常规问题
快手一面（9月3日）
1.问了标准化，那些模型需要对数据进行标准化，标准化有什么用，LR中是否一定需要标准化
2.问了l1正则和l2正则
3.问了logloss和交叉熵损失函数
4.说了下梯度消失
5.说了BM25，这个是项目里面有
6.又被问了CRF
7.问了常用的假设检验，详细讲了下卡方检验
8.做了一个题，是版本号比较，挺简单的
快手二面（9月3日）-------------------（后续是连着面完两轮后我成为了超级大备胎，至今无后续，HR小姐姐国庆前说是因为跟我一批次的流程都比较慢，叫我耐心等待，我才不信呢🤣就是备胎其实）
1.深挖项目，非得问我的论文，我说了后，他说这是常用做法吗，没什么特别创新的啊🤣我的内心是，我要是很有创新，我就发顶会paper了，早就写在简历上了啊
2.还有啥，没有印象了，反正面试官一脸的不屑，我就卑微地回答
3.做的题是，一颗二叉树，找到找到叶子节点的值等于给定值的那条路径，虽然之前我没有做过，但不是很难。
阿里一面（9月9日中午）---------------------阿里其实是我9月7号才投的，没想到这么快就面试，接到电话有点懵
1.详细介绍gbdt
2.然后问了bagging和boosting，bagging里面树的深度和boosting里面的不同，为什么
3.对比了xgb和lgb
4.对比讲了cnn,rnn和lstm,并讲了transformer相对于他们的优点，transformer有啥缺点，transformer里面的两种mask操作，反正问了很多transformer里面具体的实现细节，然后讲了一下bert
5.如何选择模型，从数据量，特征量方面分析了一遍
6.随机森林里面的两个随机，随机森林为什么是减小方差
7.概率题，有一苹果，两个人抛硬币来决定谁吃，先抛到正面的先吃，问先抛者吃到苹果的概率
阿里二面（9月9日晚上）
1.问平常训练模型有没有遇到什么问题，说了显存和batch-size,然后面试官一路问到底，就各种问题如何解决，有个地方我说到了静态rnn和dynamic rnn,例如如何提高显存利用率，一个模型如何发现性能瓶颈在哪
2.CNN的反向传播
3.为了下SVM，高斯核实映射到多少维，为什么
4.做了一个medium的题，一个二维数组，有0和1，把所有相邻的1连起来，问最终有几块
阿里三面（9月18下午）
1.一上来就是还有没有前两面你没有表现出来你又想展示的东西🤣一脸懵，又是一顿瞎逼逼，逼逼完了后，大佬问还有吗，又硬着头皮扯了一堆，结果还问有没有，我只能说暂时想起来就这些了
2.问了些平时除了导师给的东西自己还有没有做什么，又是一通瞎讲
3.问了一些场景题，因为面的是风控，就是各种瞎扯，反正就是面试造火箭
阿里HR面（9月20日晚上）
本来以为上一面挂了，结果突然接到了HR面，然后又是说了一堆，HR面自己也没有做啥功课，反正全都说了实话，最后HR小姐姐说，我好喜欢你的性格啊，哈哈哈，我都以为因为自己全说了实话都挂了呢
阿里四面（9月21日下午）
突然又接到一个阿里的座机电话，本来以为都面完了HR面了，没我啥事了，不会有技术面了，结果又打过来说是蚂蚁那边过来的交叉面，好吧，只有硬着头皮面，主要在讲实习的一个项目，面试官很感兴趣，问了很多，还加了个微信让我晚上回去画个图给他，为了offer当然是很高兴的答应了，然后问了下常用的评估指标啥的，最后出了一个智力题。
华为（9月21日）
投的算法结果转成了开发岗位，跟面试官没啥交流，做了一个题目后然后问了我JIT,好吧，我只听说过，并讲不清楚，面试官估计也挺无语的，我也是很尴尬，最后问了下面试官做啥的，他说他是做分布式的，最后给了我一张餐券，我就去吃了一顿自助就回来了
美团一面（10月9日）
1.又问到了我没有写在简历上的论文，然后详细阐释了Bert，还有就是transformer为什么要加残差啥的，说了xgb和lgb，关于lgb里面的直方图加速是怎么实现的
2.做了两个题，链表相加和链表排序
美团二面（10月9日）
1.实现字典树
2.有一个hard题目，是最小覆盖子串
3.cnn,lstm,transformer的对比
4.全程问我论文，写卡方检验公式啥的，论文里面损失函数啥的
其实美团是我挺想去的一家，但是HR最后说我排序并不靠前，在waitlist里面当备胎，还是挺难过的，感觉两个面试官都是一副很难相处的样子，特别是第二个面试官大概觉得简历不够丰富吧，看完第一页还翻过来看，结果背面啥也没有，我当时看到这个动作也是一脸尬，这个动作还重复了三四次，我？？？🤣我知道自己菜，但这个动作实在是🤣
搜狗一面（10月9日）
吐槽一下，电话面试另一端是两个面试官🤣两个人交替着问
1.又问到了bagging和boosting
2.xgb和lgb的区别（真是高频，反正被问了无数次，我每次也不光说个level-wise和leaf-wise，还会说xgb里面的block怎么样的，lgb怎样从空间和时间上优化，直方图是怎么构建的都会说）
3.xgb里面不同参数主要是什么作用，问了防止过拟合有哪些参数可以调节
4.dropout中训练和测试阶段有什么区别
5.BN的原理
6.平衡二叉树的插入查找的时间复杂度，每个排序算法讲了一遍，稳定的排序算法有哪些
搜狗二面（10月17日）
视频面试，视频对面又是两个人🤣🤣🤣🤣搜狗是什么操作啊🤣
这一次就是各种场景题
面完不知道后续，面试官说正常流程中，然后啥也没说，我也不想问了
到这，秋招差不多就结束了吧，还是有挺多遗憾的，最想去的百度没有理我（虽然百度日落西山，但我做nlp的，它在我心中仍然排前三，奈何他不理我），想去的美团自己成为了超级大备胎，ibm投了没反应，微软错过了笔试，ebay给了个面试直通卡估计自己后面也不想面了（因为面试官面完后说了句，我给你一张直通卡，但我感觉你面不过🤣，不想再去找挫折了），最后到底去哪自己也还没有想好，想等忙完毕业论文有空准备一下明年春招吧。我的秋招就匆匆地来匆匆地结束了~~~希望大家最后都能拿到适合自己的offer，offer不求多好适合自己就行~~~希望大家的付出最后都会得到回报
#有赞##快手##阿里巴巴##搜狗##算法工程师##面经##校招#
腾讯HR面257人在聊