首页 > 笔经面经 > 社招1.5年,算法岗,微软,腾讯,网易热乎面筋

社招1.5年,算法岗,微软,腾讯,网易热乎面筋 内部员工回复

头像
LKDHS
编辑于 2021-01-11 13:53:03 APP内打开
赞 33 | 收藏 144 | 回复18 | 浏览8239
如果各位有看过我之前的帖子,楼主半年前才入职字节,结果发现字节的工作节奏是10点到10点,大小周。呆了半年,身心俱疲,不想过试用期就直接跑路。

废话不多说,直接上面筋。投递方向:广告算法工程师

微软苏州分院 bing ads。他家业务很厉害。
第一轮:
不过简历,直接考题。
2. 有一个常数n,有一个数组元素[a0, a1 ...]无重复元素。从数组里面找出所有可能的组合加和是n,并且输出。

第二轮:
过简历,面试官不是专业学算法的。如何理解kafka框架?在算子开发性能的时候有哪些优化的点?你在团队中发挥什么样的角色?如何使用mapreduce框架?
考题:

第三轮:
面试官是学算法的,未来的leader。如何构建user和item的特征?双塔模型的结构?
深度学习网络Factorize Machine相对于线性模型有什么好处?Spark用过吗?如何构建一个分布式机器学习框架?
假设有两个整数a,b. 那么a/b有可能除尽和除不尽。如果除尽,找出循环的单节。图论。

第四轮:
直接上题目:
1. 假设一个数组只有"a"和“b”两种string 组成。如何重新安排数组,使得最多有3个a相邻,3个b相邻。如果不能安排,返回None
2. 假设有a,b两个int,转成二进制后 c = a | b. 假设从0->1, 1->0理解为一个action。最少需要多少个action计算c = a|b?

第五轮:
问简历,hdfs的底层原理,mapreduce底层原理,答得一塌糊涂。不过面试官好像不在乎,说没关系,题目做出来就行。
题目:之字型二叉树广度优先遍历。要求一定要用C语言写。

第六轮:
boss面。
先问题目:如何实现a/b。a和b是string,返回double。不难。
聊人生:家是哪里人,为什么要从字节离职,对微软什么看法。你很优秀,接受平薪吗,微软开得不高。
聊完直接得到口头offer。

正式offer在3天后获得。

网易杭研:
第一面,组长面:
说一下做一个推荐系统是如何从召回,粗排,精排最终推荐的?每一个环节需要注意哪些问题?
所以说你做的粗排环节,DSSM的好处是什么,为什么不用单塔模型?
如何构建用户侧特征,如何理解静态和动态特征?用过强化学习吗?强化学习在广告中的应用有哪些?
举出一个近几年的新广告算法,和传统的算法有相比哪些好处。

第二面,总监面:
没怎么面业务,开始聊网易的团队如何如何,你来了应该承担如何如何的角色,聊完直接口头offer。

第三面,HR面:
对于未来的规划,遇到最困难的事情,最大的缺点,你是上海人打算在杭州发展吗之类的。

offer在一周后获得。

腾讯上海:
第一面,组长面:
如何理解双塔模型中cosine similarity的计算?如何理解粗排和精排的不同需求?
推导任一深度学习网络的反向传播,并且写出伪代码。

第二面,组长面:
L1范数和L2范数各自的用处?Batch Nornalization有什么好处,为什么要使用,记得公式吗?
如何防止梯度爆炸和梯度消失,如何理解RNN与LSTM的差别?
当mapreduce任务中有一个reducer执行特别慢,该如何处理?
题目:居然与微软重合了, 从数组中找出连续数组乘积最大。

第三面,总监面:
业务中,召回和粗排分别负责哪些任务?如何从海量item中一步一步选出推荐的item?
为什么需要一步一步缩小item的候选集,而不是用一个算法直接选出推荐?
时间序列模型有哪些?有哪些在广告场景中成功的应用?

第四面,HR面,GM面:
聊人生,没聊业务。

等了3周了,还没开奖,腾讯比较磨叽。

微软总包涨幅5%,网易总包涨幅10%,因为在字节只有半年经验,涨幅不是很高。

工作了这么久,一个感慨就是, 不要过多透支自己的身体。最近PDD的事情闹得沸沸扬扬,令人深思。 工作是一场马拉松,不是赚快钱,需要细水长流。

祝各位拿到顺利的offer!

更多模拟面试

18条回帖

回帖
加载中...
话题 回帖

相关热帖

笔经面经近期热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐