秋招面试小结,希望能帮到大家

现在距离秋招结束也好长一段时间了,今天总结一下自己在秋招中的一些经验和教训,希望可以帮助到学弟学妹们。

先介绍一下我自己的情况,我本科211,硕士985,软件工程专业。我投的都是算法岗,最后有幸拿到了腾讯、百度、美团、网易游戏、华为公司的offer。19年秋招中算法岗竞争很大,不过20年情况貌似更惨了,大家加油。

我对于秋招、春招的建议,其中最重要的一点就是一定要多投简历多面试、积极主动(对于很厉害的人,当我没说😑)。因为每个人的侧重点不同,把过多的时间放在看帖子、复习基础上,可能会导致走偏了还一直没有发现,面试可以看出来哪些东西是重要的,纠正方向。

多投简历多面试可以针对性的发现自己的问题,一定要记录面试内容,方便后序复习。

积极主动更加重要,有很多的情况是投完简历就石沉大海,能获得面试的机会寥寥无几。我的建议是尽量找内推,至少保证自己的简历被看到,一旦发起面试,要主动跟进面试流程。

可能大家都懂这些道理,但是据我观察到的,做到这样子的真的不多!

废话就说到这里,下面是一些实际操作!!


秋招面试一般有笔试+三次技术面+hr面。

笔试在线上做一些题目

一面问基础知识和做一些算法题目。

二面会问一些项目或者场景题,但是如果一面的算法题目做的不好,也会继续做做题目。

三面就可能会继续聊聊项目论文,我的三面一般问的更多是解决问题的想法,这个就看不同的面试官啦。

hr面就是hr小姐姐问问自己的情况之类的。不过走到hr面就基本稳啦,不用太担心啦。

一、基础复习

基础复习部分主要包括:笔试+一面

笔试刷一些题目就好了,《剑指offer》上面的算法题目过一遍就可以了,时间充裕可以刷刷leetcode。

一面比较侧重于基础知识和算法能力。现场做题目不会有特别难的,大部分都是动态规划,套路也比较固定,看看之前面试的帖子,就可以啦。基础知识部分主要是算法、数据结构、计算机网络、语言基础这些,如果非科班的同学,可能需要在这一部分多下些功夫啦。对于机器学习岗,推荐看一下《百面机器学习》,因为我是机器学习岗位,其他不是很懂,就不乱讲了。

二、针对性复习

二面和三面对侧重于实习、论文、项目的东西,所以建议大家一定要把写在简历上的东西都搞懂,禁得住问,不然还不如不写了。。。

这个部分就是我前面建议多面试的关键,这部分内容其实自己很难复习的,需要面试过几次,了解面试官对于你的项目会问哪些问题,怎么问,然后针对性复习。

当然前期自己可以将论文、项目的介绍背的熟练一点。

其实说的经验不是很多,我比较主张实战练习,看了太多的帖子,也是别人的经验,没办法完全照搬。


下面是我的一些面筋,如果能帮到大家就很开心啦。

腾讯 cdg 一面

  • Lr和树模型区别
  • gbdt和xgboost
  • rbf和xgb同等效果下,哪个更深(rbf更深)
  • 过拟合
  • 项目说说异常检测
  • 统计:从大数据中抽取m个样本,怎么保证可以代表原数据集

腾讯 cdg 二面

  • 自我介绍
  • 说一下异常检测项目
  • 开放问题:时针分针一天重合多少次
  • 自己的优缺点

腾讯 cdg 三面 总监面

  • 自我介绍
  • 图像和文本在做的时候,有些什么区别
  • cnn rnn attention 在文本上怎么用
  • 为什么现在cnn 和 attention用的比较多
  • AE,VAE随便说说
  • 图像生成方法怎么检测异常
  • 传统机器学习和深度学习怎么看
  • 深度学习的解释性
  • 网络异常怎么回事
  • 我主动讲了多分类方法


百度 一面

  • 自我介绍
  • 会什么机器学习算法,说了lr、树模型
  • 分类和回归有什么区别
  • 讲讲lr,公式,做多分类怎么办(说多个二分类或者softmax)
  • 讲讲svm,推一下公式,没推出来,怎么处理非线性,说说核函数,具体怎么做,软间隔
  • 异常检测项目,简单说一下,目前有什么方法?
  • 机器学习和深度学习有什么区别?
  • 正则化有什么,l1,l2,分别有什么作用,怎么做到的,对应到概率是什么,拉普拉斯和高斯,具体说一下
  • 文本分类,bert了解吗?输入有什么改进
  • 说一下fasttext,有什么好处
  • 做个题目,爬楼梯(动态规划)

百度 二面

  • 简单介绍一下异常检测
  • 图像数据cnn介绍、物理意义
  • 生成方法为啥可以保留住信息
  • 稀疏图像进行压缩,hash,查找值多层hash
  • 怎么判断哪些位置是不是0问题,用二进制
  • 多标签情况下,如何判断一个标签该不该留下,考虑绝对值和相对值
  • 用假设检验方法
  • word2vec ,分层softmax,用的什么树,哈夫曼树,怎么做分层softmax


美团一面

  • 自我介绍
  • 说到xgb,说说优点
  • 梯度怎么用的,体现在哪里,怎么求
  • lr的公式以及梯度求解
  • 过拟合,l1,l2,分别有什么用,怎么做到的效果(特征选择和防过拟合)
  • 场景题:一个query,一些结果商品,怎么做点击率模型,怎么处理商家恶意点击
  • 概率题:一个硬币,一直到一个人为正面停止,分别计算先手后手赢的概率,2/3,1/3
  • 算法题1:两个有序数组,求中位数
  • 算法题2: 翻转数组,找一个值
  • 平面一些点,距离近的算一类,输出可以有几类(我用的dfs,复杂度高了点)
  • 希望复杂度降下来,怎么办,提出用树,这个树怎么用?参考knn

美团 二面

  • 自我介绍
  • 介绍项目
  • 项目亮点
  • 为什么异常检测没有异常数据训练
  • 随机森林怎么计算特征重要性
  • 分词方案个数:给了分词,给一个句子,有多少种分法,dfs 2^n
  • 说动态规划方案,简单写一下代码


网易游戏

  • 自我介绍
  • fasttext word2vec
  • lightgbm 和 xgboost
  • 介绍项目 异常检测 一分类
  • python使用 哪些模块 list 元组 python迭代器
  • linux命令行 tail grep


作业帮 一面

  • 代码题目:用先序遍历结果建树(带有空指针),后序遍历
  • 验证分布是否一致(假设检验、t检验)
  • 不均匀硬币,扔5次,3次正,2次反,求正面概率
  • 加了正则化后,梯度方向是怎么样的
  • Lr公式,为什么lr是凸优化的

作业帮 二面

  • 问了公司的内容
  • 扔硬币,一个双面(花字),两个都是字,两个都是花;第一次是字,第二次还是字的概率(4/5)
  • 林业局统计树木特征,有噪声(高度),如何去噪;(1、特征筛选(与高度有关的,种类、树龄);2、划分数据;3、去噪方案)
  • 两个二叉搜索树合并(先有序数组,合并,建树;时间O(n))
  • M*N矩阵,左上角开始走,一直走到右下角,只能向右或向下,多少种走法(递归或动态规划:f(m,n) = f(m+1,n)+f(m,n+1),数学方法就是C_(m-1+n-1)^(n-1) )
  • 业务拍照搜题,月活下降,可能是什么原因(时间周期、技术、运营活动结束、法律政策、同类商品竞争、公关新闻)


华为一面

  • 做试卷题目
  • cnn计算,1*1卷积核作用
    • 数据增广、清洗
    • 找代码错误 主要是char 最后需要加上 ‘\0’
    • 代码:开平方,不能用乘,只能用移位做

华为二面


商汤 一面

  • Lgb简单说说
  • 写写代码
  • 二分查找、拿硬币问题(dp)、最长回文
  • 上面的问题,计算时间复杂度

商汤 二面

  • 题一:1000以内所有质数
  • 题二:根号n问题,优化方法,梯度下降,还有哪些
  • c++ python 解释性语言区别
  • pyc文件
  • c++ 编译过程
  • python 迭代 生成器 装饰器怎么用
  • c++ new malloc free del 区别
  • del [ ] del区别
  • 卷积操作 怎么加速
  • Gpu为啥比cpu快
  • 模型部署,怎么加快inference,剪枝之类
#腾讯##百度##美团##华为##校招##算法工程师##面经#
全部评论
刷了一遍剑指offer,还是很菜怎么回事,哎
1 回复
分享
发布于 2020-03-26 09:13
感谢分享!
点赞 回复
分享
发布于 2020-02-14 14:14
百信银行
校招火热招聘中
官网直投
楼主有论文吗?
点赞 回复
分享
发布于 2020-02-20 12:19
学长你好,我也是做异常检测这个方向的,我主要用深度学习做的,机器学习用的少,你是有专门准备机器学习的分类模型的基础知识吗
点赞 回复
分享
发布于 2020-03-13 21:16

相关推荐

8 66 评论
分享
牛客网
牛客企业服务