秋招面经汇总

shopee算法岗：

一面：

1. 推荐算法中的多任务模型的介绍，以及在实习工作中对模型选择的理由；
2. 常用的数据结构：队列、链表、栈、字典等依次介绍大致的实现逻辑与应用场景；
3. 哈希表的实现方法有没有了解；
4. 对线程、进程方面有没有了解；
5. 常用的hadoop、spark等分布式处理方式大致介绍及原理；
6. 机器学习中可以实现二分类的方法依次介绍；
7. 编程题：快排的实现。

百度推荐策略部机器学习算法岗：

一面：

1. 主要是对实习工作的介绍（对比学习、多任务模型等工作）；
2. 编程题1：有序二维数组的查找；
3. 编程题2：随机数生成，要求随机数分布在一个单位球面上。

二面：

1. 每一段实习工作的依次介绍；
2. 编程题1：一共有10个靶子，打出90环有多少种可能的情况。

三面：

1. 实习工作的介绍，以及一些相关指标的介绍（类似AUC等，以及指标变化的原因）；
2. 实习工作的变化是出于怎样的考虑；
3. 为什么从cv转推荐；
4. 近几年最困难的时期；
5. 最近读过哪些书和paper？分享一篇最近读过的paper。

百度搜索策略部机器学习算法岗

一面：

1. 介绍实习工作以及参加的比赛；
2. 对最近邻检索这边有无了解；
3. 对于推荐模型中特征方法的了解，FM为什么有效，写一下DCN的公式；
4. 分布式数据处理中两个大数据表进行join操作的过程是怎样的；
5. 编程题：大数相加。

二面：

1. 实习介绍；
2. 场景题：如何去做网页质量的排序；
3. 编程题1：旋转数组查找最小值；
4. 编程题2：有序二维矩阵的查找；
5. 编程题3：二叉树最近的公共父节点。

三面：

1. 实习工作介绍；
2. 双塔模型如何引入特征交互；
3. 搜索和推荐的区别；
4. 计算一个数的平方根（整数部分），如何利用优化的方法去解决该问题；
5. 实习过几家公司的有哪些不同，更倾向于哪家；
6. 对百度有哪些认识，个人抗压能力怎么样；
7. 对于工作的选择主要考虑哪些方面。

字节跳动data-推荐算法：

一面：

1. 编程题1：最长上升子序列；
2. 编程题2：轮流抽牌先手必胜的问题；
3. 一些关于实习项目的问题；
4. 一些基础知识（有点记不清了）。

二面：

1. 编程题1：交叉链表；
2. 编程题2：26进制转字母表示；
3. 逻辑回归：手写公式+梯度推导；
4. 聊实习项目。

三面：

1. 推荐算法中特征交叉方法的发展；
2. 对L1和L2正则化的理解；
3. 二分类任务的指标有哪些，AUC的计算方式和时间复杂度；
4. FM和MF有没有本质的区别；
5. 做召回时，进行迭代的目的和出发点有哪些；
6. 召回的离线指标上涨，线上就一定会涨吗？为什么？
7. 一些其它的项目和场景问题。

京东联邦学习

一面（电话面）：

1. 讲一下做召回所面向的场景以及遇到的困难和解决方法；
2. 讲一下GBDT；
3. 讲一下LR。

拼多多算法岗

一面：

1. 选择一个实习的工作介绍一下；
2. 编程题：N个无序链表合并成一个有序链表；
3. 工作中遇到线上线下特征不一致的问题的解决过程；
4. 推荐线上线下效果不一致怎么办；
5. LR的介绍，正则化方法，以及能否进行并行的训练和预测。

二面：

1. 实习经历，挨个讲；
2. 编程题1：最长递减子序列；
3. 编程题2：字符串形式的数学表达式进行计算。

三面：

1. 讲一个实习；
2. 概率题：马路上红蓝车辆出现的概率分别是ab，一个人看到红车的正确概率是c，看到蓝车正确概率是d，问当前有肇事车辆，目击者看到是红车，问肇事车是红蓝车的概率；
3. 概率题：50个人至少有两人是同一天生日的概率；
4. join和left join的区别；
5. 常见的分类方法有哪些，决策树的节点分裂标准有哪些；
6. 常用的排序算法有哪些，快排是怎么实现的；
7. python中的yield的作用是什么，举例说明；
8. 进程和线程的区别；
9. 编程题：上升序列寻找<=target值的边界值；
10. 树的层次遍历的实现；
11. 自己的优点和缺点。

美团到家推荐算法：

一面：

1. 关于实习的提问；
2. 编程题：判断二叉树是否是平衡二叉树。

二面：

1. 为什么要做特征交叉？DNN学到的特征交叉为啥不行，还要单独做特征交叉；
2. 实习的那家公司的机器学习框架是基于什么思想做的（？？？）；
3. 线上增量更新的方式是怎样的；
4. 常用的优化器有哪些？一般会用哪种，有没有做实验去进行一一比较过。

阿里妈妈广告算法

一面：

1. 对于sim模型的认识和介绍以及多任务模型的一系列介绍；
2. 正负样本的选择和构造，以及双塔模型的优缺点和改进方法；
3. 将一篇最近阅读的论文。

二面：

1. 编程题1：逆序对查找；
2. 编程题2：二维有序数组的查找；
3. 实习工作和比赛的介绍（以及所作的项目中的亮点）；
4. 多任务模型的介绍和优化点；
5. 个人对于工程和研究的偏向。

三面：

1. 对于在推荐中进行多样性探索会带来的损失是如何看待和解决的；
2. 对于样本中某些带偏置的特征，如何即能保留其所包含的相关性又去除其所带有的偏置信息；
3. 对于序列建模的工作有没有了解，对于DIN的关键点是如何理解的；
4. AUC的全称是什么；AUC的含义是什么以及AUC如何计算；
5. 编程题：合并两个有序数组到一个数组上（其中一个数组有预留空间）；
6. 编程题：整数数组连续子数组和是否存在target值；
7. 介绍一个曾经做过的有创新性的工作。

OPPO机器学习算法岗

一面：

1. 介绍一个参与度最高的实习；
2. 介绍以下推荐相关的模型；
3. 编程题：两个对象AB分别有血量和攻击力，但是A可以进行回血，问回合制的情况下，A最少用几回合可以战胜B。

二面：

1. 实习中遇到的最大困难是什么，是如何解决的；
2. 在实习中有没有遇到过一些匪夷所思的工作但是完成了的；
3. 实习中有没有取得过什么出乎意料的进展。

京东搜索算法岗：

一面：

1. 实习工作的介绍（数据量、训练时长、特征等）；
2. 多任务模型的介绍；
3. 解决过拟合的方法，L1、L2以及BatchNorm的介绍；
4. 编程题：给定1~n的数组，查找字典序排序第k小的数字。

二面：

1. 实习工作的介绍和提问；
2. 多任务模型的介绍；
3. 解决过拟合的方法；
4. L1和L2的介绍，如何从梯度下降理解L1有稀疏性，L2不会有；
5. Dropout的介绍，有没有了解底层实现原理，
6. BatchNorm的介绍，为什么要有一个scale和biase变量呢；
7. 关于混排的开放试题，来自两个排序模型的不同物料怎么混排在一起；
8. 优化器sgd，adam，adam的公式，adam的缺点；
9. 编程题：排序旋转数组查找最小值。

三面：

1. 实习工作介绍，多场景为啥不做多个塔,怎么改善优化gate网络；（召回）如果想提升cvr要怎么做，cvr样本的引入会不会带来更大的增益；用户的多兴趣点要怎么做等等。
2. 特征删减是怎么做的，如何进行特征重要性的衡量；
3. 数组包含正负零，重排成为负零正的顺序，要求时间复杂度O(n),空间复杂度O（1）。

小米广告业务中台：

一面：

1. 实习项目的介绍；
2. MIND方法的介绍；
3. 多任务模型的介绍？ESMM和MMOE分别适用哪些多任务?PLE的优化点有哪些？
4. 了解哪些特征交互的方式？CAN的优化点在哪里？
5. 双塔的优点和缺点？怎么优化双塔的交互呢？
6. 对于序列特征有哪些利用方法？
7. Embedding的意义是什么？
8. BatchNorm怎么理解？
9. LayerNorm有没有了解？
10. Attention机制你怎么理解？
11. 编程题：循环链表找起点，不利用额外的空间。

二面：

1. 为啥每段实习都比较短；
2. 介绍实习项目；
3. 编程题：合并有序数组；
4. 问了一下当前的offer情况。

联想机器学习岗

一面：

1. 介绍一个实习比较有技术量的工作；
2. 职业规划方向；
3. 在xx公司学习到了什么，xx项目的落地情况，所做的工作有没有上线、效果如何；

二面（现场面）：

1. 展示过往工作；
2. 对U2I和I2I在整个推荐系统中的理解，其差异在哪里；
3. 在推荐中对item建模和user建模的异同；
4. 讲一下匈牙利算法；
5. 笔试题：曲线的近似划分。

Bilibili推荐算法：

一面：

1. linux和win的进程有哪些区别？
2. 对linux的进程和进程间的通信有没有了解？
3. 编程题1：设计一个数据结构进行稀疏且维度很大的矩阵的存储和运算；（假设A矩阵有m个非0数，B矩阵有n个非0数，设计到时间复杂度为mn还是太大）
4. 编程题2：a，b两个数，分别在c的高16维和低16维去进行存储。

腾讯音乐：

一面：

1. 对实习工作情况的询问；
2. 对向量化快速检索有没有了解；对向量化快速检索在召回侧的应用有哪些了解；
3. 编程题：‘123’向ABC解码有多少种可能性；
4. 再用C++写一遍上题。

二面：

1. 问了一些实习工作的情况。

阿里巴巴CCO智能客服：

一面：

1. 实习工作介绍；
2. 对同一精排中对不同场景怎样去适应?场景数据稀疏怎么去做；
3. 多任务模型的介绍，对于有相关性的任务目标如何去做有没有了解；
4. 模型纠偏的工作有没有了解；
5. 对于表征学习方面的工作有哪些了解；
6. 介绍一下transfromer结构，它的设计思想和对比LSTM等所具有的优势；
7. Layernorm的作用和对比Batchnorm的差异；
8. 随机森林和GBDT在偏差和方差上的表现，为什么。

网易传媒：

一面：

1. 实习项目和比赛介绍；
2. BatchNorm的原理和作用；
3. pooling层的原理和作用；
4. word2vec的两种形式和区别；
5. 样本分布不平衡要如何处理。

二面：

1. 特征删减是怎么做的？对于多任务的改进，介绍多任务模型？线上线下的不一致问题？
2. U2I向量化召回是怎么做的？样本构建，模型，线上应用，上线效果等等？还有大致哪些召回策略？
3. 给定多个用户的action list，你可以构建多少种召回策略。
4. 编程题：给定两个数组，求两个数组中任意两个点的最小距离。

阿里lazada搜索算法：

一面：

1. 给定一个排序好的数组，哪种排序算法的时间复杂度最低；
2. 编程题：一个数组两两重复，只有一个数字不重复，怎么找？有两个数字不重复，怎么找？
3. 如何把一个数组划分成尽可能均等的两份？（
4. 实习介绍？
5. NLP有没有了解？Transformer的结构知道不？
6. 残差网络主要是解决了什么？推导一下公式解释为什么？
7. 讲一下mind和胶囊网络。

文远知行算法岗：

一面：

1. 一个路况上有很多object，如果对单个object依次进行预测的话计算量会很大，怎么样减少计算量来预测未来可以行驶轨迹的预测；
2. 编程题：二维矩阵从左上角走到右下角需要的最小步数，拥有k次消除障碍的机会。

二面：

1. 特征删减的工作是怎么做的，目的是什么；
2. 讲一下推荐的模型，从CF开始，为什么用逻辑回归而不用线性回归；
3. 训练一个LR，如果minbatch是有序的，比如前面全部是0，后面全部是1，会出现什么现象；
4. 分类模型中，如果正例或负例占95%，会怎样，如何解决？用什么指标评价其效果？
5. 编程题1：一个函数f(x)，已知它的一阶导是单调递增的，给定区间[l，r]，求改区间f(x)的最小值；
6. 编程题2：给定n*m的二维矩阵，只能向右或者向下走，求从左上角走到右下角的最大得分（各个点分数的乘积）；

三面：

1. 实习工作介绍；
2. AUC的计算方式和横纵坐标轴；
3. 二分类问题的评估指标有哪些，ACC和AUC的不同在哪；
4. BatchNorm的原理和作用；
5. python中的内存管理有没有了解；
6. 编程题：假设A中有5个数组，每个数组的长度为1, 10，从A的每个数组中进行均匀采样一个数并排序后构成数组B，再从数组中进行有放回的七次采样构成数组C，求解当给定数组A和C时，得到C的概率最大的数组B。

四面&五面：

1. 主要聊一下工作意向和过往的一些项目情况（遇到的困难和解决方案等）。

京东广告首页推荐：

一面：

1. 编程题1：生成n个括号的字符串；
2. 编程题2：给定一个整数数组，数组中每个数代表当前位置一个宽度为1的柱的高度，求这个数组盛水的容积是多少；
3. 8个球，7个一样中，1个轻，给一定天平，求找出最轻的那个球的比较次数；
4. 1000瓶液体，有1瓶有毒，问最少需要几只老鼠才能找出来。
5. 实习工作的介绍，有没有对难分负样本做工作，有没有对召回的相关性做工作，有没有针对双塔的缺点做工作；

小马智行：

一面：

1. 实习工作介绍；
2. 关于跨专业对于计算机基础课程的相关问题；
3. 没有学过数据库的话，用hadoop、sql的时候是怎么办；
4. 编程题1：给定字符串代表多米诺骨牌当前状态，求最终状态；
5. 编程题2： 给定x[1...n],每次操作可以任选两个数i,j(x[i]>x[j]),然后x[i]-=x[j],你可以任意操作使得x[1]+x[2]..+x[n]的和最小，求最小的和（1 ≤ n ≤ 10^5， 1 ≤ xi ≤ 10^9）

二面：

1. 工作的意向情况；
2. 介绍之前做CV的一个情况；
3. 网络编程有没有了解，python的grl、生成器有没有了解；
4. python中is和==的区别；
5. python中如何用print打印一个类；
6. python中dict的key的相关机制；
7. 一个圆，6个点随机落在圆的边上，问6个点落在长度为n的弧上的概率；
8. 编程题：数轴上从左到右依次放着n个宽度都为1的矩形，给出数组H，H[i]表示第i个矩形的高度。问能找到一个面积最大多大的矩形R，使得这个矩形R能放在这n个矩形构成的图形中。