百奥,西山居,网易雷火GUI意识流面经

面试具体问题不会怎么写,毕竟太久了我也快忘了。
普一,无任何游戏相关实习经验,春招补录。

百奥

一面双面试官,当天处于极度自闭状态,因为在宿舍面试,虽然舍友都很自觉的安静了,但是还是放不开。

没有被问到测试题思路,大部分都是为什么要做游戏ui这一类的,其他是能不能接受某些风格的游戏,这里基本面试官问一句我就直接说开个屏幕共享吧,我这块做了其他练习,你直接看,顺便解释一下当初练习的想法,也没有什么特别难的题目。

一星期后二面就是hr面,hr面非常常规,常规到现在我已经没有任何记忆了,后续已拒。


西山居

一二面都是双面试官,一共四面。

一面肯定会有ui岗面试官,总体不难,我是半路转gui的,所以肯定会问到普通平面和UI的区别,为什么要转方向,如实回答就好 。

二面,项目组的其他岗位同事,面得难度大一点,专业没有什么难的问题,不要给自己挖坑,比如你前面说了某游戏ui好坏,马上会从你的答案里提问你。还有就是会问你的人生规划,(记得做好人生规划,后面几面绕不开这个问了)

三面,主管面,专业问题依旧不难,主要还是问有没有对象,对自己的规划 。

四面,hr面,同三面,最好表露出自己马上 立刻就想去工作的积极态度,以及最好不要透露还有其他大厂在等结果or已经拿到offer。 


雷火

我是一共四面,有的人面了五面。

一二面不难,笔试和作品集越好越容易过,没有被问到测试题思路,这里面试官有明确表明,测试题做的好的和差的都不会被问测试思路,做的好的会暗示/明示你的水平。(当然这个看面试官吧,不一定)
也是常规问题,为什么是游戏,为什么要选GUI等等。一二面面试官都挺好,二面面试官花了五六分钟给我作品集和测试作品提建议,但是都是比较小的问题。

三面,也就是hr前一面,不管是一共四面还是五面,都会到艺设中心的大佬面。
我是其中一个负责人面,这里面得不是很好,问题非常深入,也没有被问测试题思路 ,但是要注意自己对岗位的理解,非常多的理解性问题,并且对作品集进行了非常深入的询问,面试官比我说的多,印象很深就是他和我说这块不行那块不行,被批得体无完肤,是一度觉得凉凉但是不知道为啥过了的一面。  
Ps回忆起来一个问题,问我专业技能以外有什么技能...但是我离题了,我说我打过几次比赛排名所以擅长远程技能和武器设定,顺便激情分析了我测试的技能设定...啊..这,更加不知道为啥三面可以过了...😅

四面,hr面,依旧会问专业理解问题,不管是直接问专业,还是问生活状态,其实核心也都是专业问题。那天太困了,依旧回答离题,只记得我从小米换logo扯到了现在游戏为什么放置类会更受欢迎..😅也会注重你在过往经历中遇到困难,有没有反思等。到后面十分钟,才会问薪资等常规问题。

总体来说越好的厂面得越深,流程可能拉的越久,注意自己对岗位的理解很重要!

还有一些是我踩过坑的避雷指南
一: 简历问题
我的简历被好几个帮看简历的说不可能过筛,一度觉得自己应该去当保安,但是最后结果也看到了。所以美术岗位,简历没有你的作品集和笔试题重要。

二:面试问题
美术岗位,你的作品集和笔试题可以代替你的嘴巴,可以拉分。

三: 作品集数量少
有作品做的好,少也没有关系。
实测,质量更重要。

四:没有相关的实习怎么办 大四要先刷实习吗
有空就刷,没有空还不如做套作品集,去秋招,真正的大厂不关心这个,他们有完整的培训流程,但是,实习肯定更好,并且如果没有实习经验,你就要从能力上弥补。

其他
大三生可以实习就实习,暑期实习最好试一下,大四了就直接试秋招,春招属于补录,难度会大很多,并且你会因为毕设等问题,焦躁几个月。
美术岗位,作品可以帮你说话,作品越好,面试越轻松 。

#网易雷火##西山居游戏##百奥##面经##春招#
全部评论
楼楼雷火是第几批的啊
点赞 回复
分享
发布于 2021-05-19 16:51

相关推荐

【一面】1. word2vec的原理,skip-gram训练的具体流程,使用的损失函数,是怎么选择正负样本的,选择样本上有哪些优化算法,负采样的原理,还有哪些优化方法2. 贝叶斯调优,机器学习中有哪些优化参数的方法,为什么交叉熵会作为softmax结果的损失函数?梯度下降为什么有效,关于损失求一阶导数为什么有效?刚你提到了泰勒一阶展开,泰勒二阶展开有哪些相关的优化方法呢?3. SGD的原理,计算公式是什么,4. 在图的那个项目中担任了什么角色,做出了哪些贡献5. 介绍一下LSTM,seq2seq和transformer,介绍一下attention的原理6. Linux,bash这些有用过吗7. auc的计算方式(使用(FPR,TPR)算,排序公式去算),为什么这两种都可以计算出auc呢?它们之间有什么联系?然后就是使用sql写出auc的计算公式8. 有1000部电影,想要给人推荐,你有什么思路9. 手撕:接雨水,使用sql写auc【二面】1. cnn做bn的方式,rnn是怎么做的,bn的好处2. gpt和transformer的区别3. 机器学习中方差和偏差的理解4. bagging和boosting的区别5. 位置编码的理解,attention的理解6. transformer和rnn的区别7. lstm为什么可以缓解梯度消失8. 异构图,GCN,word2vec,fasttext,9. SGD和adam的区别,在DNN中分别适用于什么样的情形10. 用过哪些DNN模型,11. 贝叶斯在推荐中的应用12. bagging和boosting的方法有哪些13. 手撕:三数之和,柱状图中的最大矩形面积【三面】1. 会C和C++吗2. 数据结构的掌握程度3. 平常使用的技术栈有哪些4. 对推荐的了解5. 有哪些召回算法6. 对于推荐中排序的理解7. 排序算法,稳定性和时间复杂度8. 互联网每天都有很多用户搜索数据,在一天的日志中找到搜索频次最高的10个query,怎么实现(topk问题,使用堆)9. 堆排序稳定吗,时间复杂度(刚才在回答排序算法的时候,没有说到堆排序)10. 搜索的词条补全 是根据什么数据结构实现11. 现有的春招推进情况12. base地点倾向许愿许愿!!!
点赞 评论 收藏
转发
4 25 评论
分享
牛客网
牛客企业服务