算法工程师（地平线/商汤/美团/华为）面经精华帖

在牛客网很久了，非常感谢牛客网这个平台给我的帮助，很多朋友的笔经面经非常有用，这段时间学习到了很多，以下是我自己的面试经历，希望能给接下来还有算法面试的以及未来的算法工程师们一些参考：

本人是算法方向

因为之前在滴滴实习，感觉自己可能不是那么适合做大数据相关的工作，还是想做一些跟自己比较相关的研究性的工作，只投了美团，华为以及一些创业公司，face++应该是把简历筛掉了，没消息，其他的：地平线是计算机视觉算法，美团是机器学习与数据挖掘算法，华为就不说了（进去也不知道是啥岗位），三个应该都是sp，美团价钱还没谈，但应该会去地平线了。后续国庆节后还有一个商汤科技的面试，面面看看再说吧。

华为（sp offer）
- 媒体算法工程师
- 两面(2017.8.15) ：都是介绍自己论文+项目+实习+聊人生聊工资

地平线机器人（sp offer）
- 算法工程师（计算机视觉）
- 一面：40min
- 一面内容：
  - 滴滴实习经历，引申到随机森林和gbdt，比较下区别，问了下应用时的特点
  - 问论文，详细介绍论文的思路和方法，优越性
  - 问项目，详细介绍项目的组成和分配，以及负责的主要内容
  - 物体检测：RCNN series的介绍；图像/视频分割的方法介绍：传统方法加深度学习方法
  - 深度学习平台的使用，有没有进行过caffe的二次开发
  - 基础的机器学习方法：聚类； LR和SVM区别
- 二面：30min
  - 讨论论文细节和项目细节
  - 卷积有什么用？分析一下分类、检测、分割需要的特征有什么区别？用在人脸检测上的卷积和图像识别的卷积有什么区别？
  - caffe内部的卷积怎么实现
  - faster rcnn的代码细节：如何去掉生成的多余的框框？如何将anchor得到的图映射回去？如何训练faster rcnn？
- 三面：20min
  - 自我介绍加详细解释下最拿手的论文
- hr面：10min

美团点评
- 机器学习/数据挖掘算法工程师
- 一面：60min
- 一面内容：
  - 自我介绍讲一下论文和项目
  - 讨论实习的东西怎么样提的特征做了哪些特征工程
  - 讲一下决策树随机森林随机森林的分裂节点的策略（两个随机）;bagging和boosting的联系和区别; boosting中的adaboost的基本原理; boost中的gbdt的原理和随机森林有什么区别哪个精度更高为什么
  - 特征工程有哪些方法（数据处理上的）主要是统计意义上的一些操作这块不足需要补充 (1.OneHotEncoding 2.标准化 3.归一化 4.连续特征离散化 5.L1正则 6.GBDT 特征组合 7.特征重要性分析方法卡方检验 8.FM 实现离散特征embeding)
  - 数据不平衡问题的解决办法（从数据角度正采样和负采样从损失函数角度添加scale平衡数据从评价角度用ROC AUC而不用PRC）解释ROC PRC 推导公司
  - l1正则化和l2正则化解释推导联系和区别
  - 基础的机器学习的方法 lr 推导loss函数推导sgd的参数更新结果 lr和svm的区别
  - 手写快排加上跟他讲解
- 二面 40min
  - 自我介绍
  - 手写二叉树的层序遍历循环实现和递归实现
  - 随机森林的原理 bagging和boosting的联系和区别 adaboost跟随机森林的区别
  - 对美团有什么建议对在上海工作怎么看各种聊人生聊理想
- 三面 2017.9.14 15min
  - 自我介绍
  - 解释AUC
  - 聊人生聊理想
- hr面 2017.9.14 15min
  - 期望薪资等
商汤科技
- 研究员
- 一面 2017.10.23 55min
  - 自我介绍
  - 介绍论文、项目细节，问的非常细
  - 个人对CV的一些看法
  - 算法题，二分查找
- 二面 2017.10.23 45min
  - 跟一面差不多，几乎一样地介绍了自己的论文细节
  - 算法题，两个链表的第一个公共节点
- 终面 2017.11.1 15min xiaogang老师面的紧张
  - 介绍了下自己的一篇论文就完事了
- hr面 2017.11.1 15min 主要询问手中offer情况