我的秋招小记录

猫眼：
一面：
（1）单链表的逆置
（2）项目介绍
（3）有序数组，数据成对出现，只有一个单独出现。O(logn)
（4）SVM的推导
二面：
（1）论文公式
（2）聚类，KNN
（3）海量数据找M个最大的
三面：
（1）论文
（2）红蓝墨水

小米：
一面：
（1）项目介绍
（2）哈希表冲突，表扩展
（3）判断二叉树
二面：
（1）项目，batch随机梯度下降
（2）单链表首尾相接（分段->后半段匿置->链表拼接）

百度：
一面：
（1）矩阵从左上到右下的最短距离
（2）编辑距离
（3）项目（看公式）
二面：
（1）写快排
（2）论文

美丽联合
（1）项目+论文，快速图像检索的其他方法，如何使用神经网络（直接调用，还是自己设计并训练）
（2）基础：PCA中的矩阵意义，Boosting中数据是否会变，knn的特征选择方法，信息增益比的形式
           C++的继承，java的继承，java类，linux动态链接库
（3）神经网络训练的方法有哪些？lr和冲量的区别
（4）boosting里数据会有变化吗？
（5）结构风险和经验风险的区别

新浪
（1）做了C/C++的一套卷子。CPU调度以线程为单位。这卷子不难，还挺有意思的。
a.30亿个无符号不重复的整数，如何判定给出的几个数在其中
b.如果是url呢？
c.大规模的用户登录，大规模的待推荐数据，大规模的访问量，设计推荐算法及流程。
d.输出链表的倒数第k个节点
e.二叉树的广度优先搜索。
（2）聊项目，聊基于内容的图像检索，快速计算海量的图像相似度，图像去重。推荐算法的分布式处理和冷启动等问题。

京东
玄学面试
一面：推lr，lr的优缺点。
二面：人生规划，面试官说得挺有道理的。

滴滴
一面：
1.项目介绍
2.推lr，写联合概率公式
3.描述SVM，与lr的区别
4.画CNN并介绍细节（卷积，激活，pooling，用过哪些，为什么）
5.激活函数有哪些，在什么场景中使用，优缺点是什么，为什么会梯度消失
6.正则有哪些，有什么作用，数学原理是什么
7.防止过拟合的方法
8.概率发射器
9.有监督无监督的区别
10.生成式和判别式的区别，代表算法，适用场景，哪种更简单
还有一些，但是忘掉了
二面：
1.项目
2.搜索推荐中的二次排序
3.推荐算法，无监督
三面：
1.项目
2.项目中的细节，特征提取，优化算法，效果等等


实际上聊的比列的多，时间比较久远，捡印象深刻的写了写。
#百度##小米##京东##美团##滴滴##算法工程师#