BIGO C++后端 三面凉经

背景介绍 :19级两年制专硕,19年4月提前到学校才开始搞NLP,除了两篇一作论文(一篇被拒一篇还没来得及投),一个开源项目(入门作品)外啥经历都没有。
提前批不知天高地厚,全部投NLP算法,折戟之后投了一些后台开发(不!要!这!样!),主要结果如下:

1、百度,NLP算法,第一次一面挂,捞起来换个部门拿了意向书。面经地址:https://www.nowcoder.com/discuss/509068?source_id=profile_create&channel=1009
2、网易算法,第一次一面总共聊了30分钟,发现我不懂Java也不懂特征工程,说再见;第二次问的都懂,但人家根本没hc,说再见。
3、OPPO,NLP算法,走完HR面,已offer排序,已经开了一部分奖了,那我是没了。面经地址: https://www.nowcoder.com/discuss/470159?channel=666&source_id=home_feed
6、腾讯,WXG后台开发,一面先不说话给四道题限时写完,嗯太高估我的写题能力了。


BIGO在招聘群里说C++缺人速来,我一看还有机器学习平台的C++。想着虽然我平时不写C++,但以前写过,上网补了补相关概念就冲了。昨天收到拒信,果然该挂害得挂。所以吧,从算法转后端还是要慎重呀铁汁萌。

笔试(8月18日)
选择+编程,编程还是问答题,不运行的那种,应该是写了就能过。

第1轮技术面(8月31日 10:30)
时长:60分钟
面试官印象:时间久远,记不得了。
主要内容:
1、论文相关:简单讲解了论文。
2、C++相关:这个大家去搜一下其它面经,真的问来问去就那几道题,比如虚函数和虚函数表、友元函数这些。不过也问了些C++11的新特性,包括具体语法,这些是真不会了。
3、算法题:时间久远,记不得了。能够没啥印象,应该是很常规的题目。

总结:
因为平时不写C++,所以面试前专门搜了一下面经,基本上就是照着面经问的,所以兄弟萌以后面试前都去看看这个岗位的面经,挺管用的。

第2轮技术面(9月7日 17:30)
时长:60分钟
面试官印象:时间久远,不记得了。
主要内容:
1、C++相关:随便问了几道C++相关的题目,估计还是一面的题库。
2、算法题:1)对数组的每个数,找出从左往右数第一个大于该数的数。经典单调栈问题,我刚好面试前写过,所以写的飞快。可能就在这一刻,他可能以为我很勇,于是噩梦开始了。
2)对数组的每个数,找出其右边有多少个大于它的数,要求O(nlogn)(其实就是leetcode中的逆序对数量问题,hard难度,大家去搜一下还蛮经典的)。我以为会是1的衍生,结果发现根本不是!在那边挠了一会儿头都想不出,然后跟面试官说logN的复杂度,应该是要用到树了。面试官说他记得是有个跟树有关的解法的,但他也不记得了。然后继续挠头,挠到最后也没挠出来。面试官说算了吧换道题。
3)给一个圆环分成N段,共有K种颜色,要求相邻两段不同色,共有几种上色方法。这只能算是个medium的题目,而且是很明显的dp问题,但因为前面挠了半小时头,心态已经崩了,所以依然不会!他给了提示之后还是在那干挠头,直到我的电脑提示电量不足。他说啊你都要没电了,那今天就到这了吧。

总结:
我 不 行 啦。但居然给过了。

第3轮技术面(9月11日 19:30)
时长:60分钟
面试官印象:没开摄像头,礼貌男人。
主要内容:
1、论文相关:介绍一下我的论文,这应该是部门主管,对机器学习也懂,揪着其中几个点问了一下。介绍完之后问我想做算法还是做C++后台,我说能做算法最好,但现在不是竞争很大嘛。
2、场景题:1)服务器显示多个客户端处于time_wait的状态,问可能是什么原因?哇我根本没啥后端经验,对这些状态也没啥认识,就照着TCP4次挥手瞎扯。结果没扯到点子上,尝试引导之后也没有说出合适的答案,这题就算没了。
2)分布式训练一个模型,可能会出现什么问题?我们平时都是多卡训练,多机还真没遇到过,想着多机不就是一个batch分到多机上去算,最后loss再到模型机上更新不就好了🐎,所以也没说出个所以然出来。他问知道某两种同步方式的区别吗(不记得名字了),我按着自己的理解说了一遍,他说这确实是你自己的理解,有些对有些不对。
应该还有些场景题,但我回答上来了,就记不得了。他最后说看来你对算法更熟悉,我去和做算法的同事联系一下,让他过段时间联系你。言外之意就是,你面C++挂了!

最后总结:
靠着面经通过了第一二轮,但遇到第三轮的场景就完蛋,果然还是不要轻易投后端的岗位,要求并不会比算法低,也不要相信很缺人这种鬼话!跟海量hc一样都是耍流氓!
#面经##BIGO##校招##C++工程师#
全部评论
第二轮第二题是逆序数,用归并排序做。
2 回复
分享
发布于 2020-10-03 17:29
分布式训练模型可不可以参考xgboost论文里的说,比如多个worker负责不同的特征子集或者不同的样本子集,然后涉及到worker之间的通信问题,再比如会不会数据量太大,内存不够需要用到外存算法这种
点赞 回复
分享
发布于 2020-10-09 22:15
联易融
校招火热招聘中
官网直投

相关推荐

3 23 评论
分享
牛客网
牛客企业服务