本人双非本，985硕，研究方向自然语言处理，比较渣，从大概6月份准备秋招，大部分压在了提前批，七月份疯狂投简历，投了大概有二十几家，收到面试有五六家，目前作业帮收到意向offer，百度确定已有offer，国庆节左右谈薪资，京东已收到录用函，职位软开，其他有些还在流程中，有结果了会在本帖更新，仅供大家参考。

百度提前批（百度地图，算法岗）

共三面，可以说三面都是技术，不过第三面夹杂了点职业规划什么的

一面：时长90分钟

1、 自我介绍

2、 介绍一下你的项目

3、 机器学习算法都用过哪些

4、 说一下决策树吧，节点划分有哪些方法，如何剪枝

5、 SVM了解吗？有什么优点？优化方法？

6、 Bagging和boosting？

7、 还有很多，记不清楚了，不过大部分时间都在怼项目

8、 面试体验极好，面试官水平高

9、 有什么想问的，问问部门方向之类的

二面：100分钟

1、 自我介绍

2、 说说第二个项目吧

3、 项目中遇到什么困难？

4、 Batchnorm了解吗？

5、 你知道哪些优化函数？

6、 实习中你担任什么角色？

7、 实习项目用了什么方法？

8、 效果怎么样？

9、 为什么xgboost效果不如随机森林？

10、 选取了哪些特征？

11、 机器学习的优化方法了解吗？

12、 相似度计算除了神经网络的方法还有什么方法？

13、 针对文本和离散特征的情况呢？

14、 我看你本科学硬件的，传感器了解吗？

15、 手机上有哪些传感器？（可能是手机地图的部门）

16、 中间电话打到没电关机，联系了一下加上微信接着聊

17、 情景题：如何检测藏头诗？机器学习可以吗？神经网络呢？为什么可以？如果是不是诗句，普通的文本如何检测是否有人为的编码信息？有什么思路？（情景题是考验思路，一定要灵活，不对也没关系，找到问题的几个关键点，先弱化其中几个关键点，再提出思路，一步一步解决）

18、 有什么想问的？面试体验极好，可以看出是个技术大佬，后来证明是部门技术leader

三面：60分钟

1、 聊项目

2、 根据项目提出疑问

3、 前面占据了大部分的时间

4、 如果产品向你提出了不合理的要求，你如何处理？

5、 有没有很深刻的受打击的经历？

6、 如何看待工作压力大的问题？

7、 平常如何释放压力？

8、 如果我给你offer，你有多大几率会来？

一周后收到offercall，总体面试体验极好，面试小姐姐说唯一遗憾的是电话面试，没能面到代码能力，不过觉得我比较match，给了offer，真的是面试体验最好的一次了

寒武纪（算法岗）

7.19日

一面：凉

1、 浅copy和深copy的区别

2、 Python中的self关键字

3、 类的继承

4、 完全二叉树的概念

5、 一个人具有N节点的完全二叉树深度是多少 [log2n]+1

6、 链表与线性表的区别 答错了，把线性表和顺序存储搞错了。。。

7、 介绍一下第二个类案推荐的项目

8、 为什么使用transformer？

9、 分层的结构会破坏文本的连贯性吗？

10、 目前有多少数据？

11、 有什么想问我的吗？

之前拿到的免笔试直接面试资格，很晚了才通知面试，估计是走个过场。

作业帮（NLP算法岗）

一面：

1、 给出前序遍历和中序遍历，重建二叉树

2、 旋转链表

3、 聊项目

二面：

1、 N3的木板，用13的块铺满，有多少种方案？动态规划

2、 旋转数组找最大值

3、 聊项目

三面：

1、 感觉我们面试官怎么样？

2、 说说你对作业帮的了解

3、 你对薪资有什么期望？

4、 机器学习和深度学习你希望从事哪方面的工作？

5、 你希望的工作环境是什么？

6、 能来实习吗？

7、 有什么要问我的？

8、 加个微信吧

一周之后收到意向书。

科大讯飞（自然语言处理算法工程师）

一面：

1、 自我介绍

2、 你使用过的优化器有哪些，简单介绍一下

3、 类案推荐项目结果怎么样，如何评测的？

4、 一篇文书里面多个案件的情况是如何处理的？

5、 长文本的问题是如何解决的？

6、 有什么要问我的吗？

一面比较简单

二面：

1、 聊项目

2、 你在项目中属于什么角色？

3、 遇到不会的问题一般怎么解决？

4、 师兄对你帮助大吗？

5、 合肥和北京你想去哪里？

6、 对薪资有什么要求？

7、 凉凉

追一科技

一面：凉，体验很差

1、 聊项目

2、 知道graph神经网络吗？听了几次都没听清什么网络，说不了解，了解胶囊神经网络，实际上我了解图神经网络。。。。。。

3、 看论文的频率是多少？

4、 你应该多关注一下其他领域的东西，拓宽一下知识面，虚心接受

5、 说自己也在做法律文书方面的东西，有共同语言

6、 然后就开始说组里的人都很牛逼，大部分是博士，最次都是清北的。。。。。说了有接近20分钟。。。。。。原谅我这渣硕没资格

腾讯（技术研究-自然语言处理）

一面：凉，怼得体无完肤

1、 了解XGboost吗？

2、 随机森林和XGboost什么区别？

3、 隐马尔科夫了解吗？

4、 朴素贝叶斯与贝叶斯有什么区别？

5、 LR和SVM什么区别？

6、 LSTM里面有哪些门，为什么用这些门？

7、 LSTM里面为什么有些激活函数用sigmoid，有些用tanh？

8、 对于多任务模型有哪些最新进展？

9、 从理论角度讲解一下基于不确定性平衡多任务各个loss的原理以及合理性

10、 Bert了解吗？

11、 Bert里面位置向量的作用是什么？有哪些生成方式？

12、 XLnet了解吗？

13、 为什么XLnet效果比bert效果好？

14、 Word2vector原理，优化方法？

15、 聚类的算法有哪些？评价方法？优化算法？

16、 情感词在情感计算中的如何计算情感？

17、 情景题：有上亿的邮件，如何聚类？应该从哪些方面考虑？

18、 Kmeans与kNN什么区别？

19、 Kmeans的缺点？如何改善？

一面凉透，太难了，太全面了，原谅我太菜

京东（算法工程师-京东商城用户评论方向）

三面已完成

已收到录用函，不过转了软开，个人意愿不是很强烈

面经稍后整理

海康威视（AI算法工程师）

面完一面

面试未通过，我是NLP方向，面试官是CV方向，不知道这样安排有什么深意。。。。。

1、全程问项目，我估计讲的她不是很理解

2、有哪些从目标出发优化的经验

3、有什么要问我的吗？

正式宣告秋招结束（感谢牛客）