感谢牛客，已经上岸，360信息流
华为的可能面试的太晚了，现在仍然在池子里（5.20来了offer），360信息流部门发来了offer，还是决定上岸了，顺便记录一下之前的面经吧，持续了一两个月的找实习终于要结束了
我找的都是nlp相关的实习，mark一下
蔚来汽车
kmeans能迭代的数学原理
adam的特点
em算法
lstm参数量
lr为什么要使用sigmoid
dropout
手撕代码：
二维前缀和
最长回文字串的长度
（拿到offer）
腾讯：
腾讯是通过部门直推的，直接三面一起上，感觉有点压力面的感觉
介绍论文以及改进点
lstm能解决rnn什么问题，并通过数学公式推导
相交链表
求数字的平方根
如何在海量数据中快速查找最相似的文本
逆序双向链表
去掉字符串中违法的单括号
（挂掉）
阿里：
阿里被反复捞了三次，都挂在了电话面，大概的面试点有这些：
阿里小蜜：
直接上bert
bert的改进
transform为什么这么好
bert的损失
bert的mask相对于CBOW有什么相同与不同
手撕代码：
写一个multi-head attention（直接懵逼）
阿里优酷（电话面试）：
讲一下textcnn
讲一下lstm各个门
文本分类的发展
华为：
印象中具体只问了双向lstm比lstm到底好在哪
360:
大搜部门：
讲一下word2vec
哈夫曼树与负采样
实现哈夫曼树手撕代码
transform 的mask到底有什么作用
lstm门到底那个门更新细胞状态
信息流部门：
大搜hc满了，被信息流捞了
LR推到
如何用word2vec的方式构造sentence2vec
CBOW的损失函数
大概就这些 好多都记不太清了
最后我的经验是：面试算法的同学还是要自己吃透自己的简历 大多数的面试官问题都是出自你的简历
#阿里巴巴##腾讯##360公司##华为##蔚来汽车##算法工程师##面经#
