[211渣硕] 腾讯/阿里/携程 详细NLP算法实习 面经
【未经许可请勿转载！谢谢！】
楼主211菜硕，手里2篇水文。听说之前算法很卷，头铁一次试试。
回答的不好大家见谅😂
——4.17更新——
最后签了腾讯，PCG事业群
阿里（等HR面）
一面：4.6没打招呼突击电话面试（30min）
1.地点ok？时间ok？（base杭州，暑期，全部ok ok ok）简单自我介绍一下，项目经历选一个说说？
2.项目中对于没有标签的数据，怎么处理，还有什么别的方法？（我用的远程监督，别的还有one-shot zero-shot label embedding）
3.假设一个情景题，微博创立初期，短文本，10w数据集，无监督，分类怎么做（我答的用label embedding做或者用embedding+聚类kmeans）
4.embedding怎么实现？（fasttext or word2vec，不能用BERT，数据量大不合适）补充：你说的是词向量，句子向量怎么做呢（+average pooling最常用，还有别的方法没列举）
5.除了你说的方法，还有别的方法可以吗？U-learning听说过吗？（没听清？啥learing？这个真不知道，只听说过Q-learning）
6.kmeans的k怎么选择，这么做效果好吗？为什么？（k不知道，具体情况具体分析吧（编不出来了），效果不好）
7.那如果不用聚类，别的方法怎么做，提示：抽取关键字（关键字抽取可以用词与句子做相似度匹配）
8.按你说的做不具有通用性，那如果是长文本，又怎么做，有什么区别（长文本用词频统计+停用词过滤）
9.你没回答出我想要的答案，因为一个微博可能属于多个类别（多类别无监督分类）
10.快排知道吗？稳定不？（不稳定，因为会交换顺序）
11.bagging、boosting知道吗？（知道，属于ensemble，叽里哇啦叽里哇啦）
12.用啥语言，用啥框架（python，pytorch）
反问：
1.实习时间？
2.表现如何？
个人体会：
面试官人超好，很客气。感觉工程能力还有待提高，很多东西还是停留在理论上。kmeans自己挖的坑，无语了。。。
后面问了大佬，这个情景题可能是LDA之类的主题模型，或者是手动标记数据，再训练。或者是用迁移学习。
二面：4.9约好的电话面试（30min）
1.自我介绍，问论文（简单介绍一下）
2.问比赛，效果怎么样，名次之类的（问啥答啥）
3.二叉树有了解吗，遍历有哪些（前中后层次）项目用过哪些数据结构（好像没有，都是用python做的）
4.动态规划了解吗，解释一下，填表是怎么做的（吧啦吧啦）
5.操作系统了解吗？（本科学过，现在忘了。。）
6.Linux会用吗（会，一般用来跑实验和配环境）Linux debug的时候怎么做的（我用的nohup，输出log日志来debug）
7.计算机网络学过吗？（本科学过，现在忘了。。）那学过哪些课（ML DeepL NLP）DeepL的课程作业有吗（没）
8.BERT模型说一下，历史、演变说一下（RNN、LSTM、ELMo、Attention、Transformer、GPT、BERT、Auto-Encoder、Auto-Regression、Positional Encoder）
9.情感分析怎么做的说一下，对你后面有没有什么启发（根据项目说的，样本不均衡、评价指标等等）
10.别的语言会吗，java，c（本科学过，熟练度不高，现在捡起来很快）
11.有没有关注什么学术平台，或者线下的学术活动（知乎、群、机器之心、自己组织线下交流活动）
反问：
1.表现如何
2.钉钉这边的业务是什么
个人体会：
面试官很客气，像聊天一样，很顺畅。
——4.14更新——
二面已过，等hr面啦！
携程（二面结束等消息）
一面：4.8（1h）
1.自我介绍，实习时间，22年可以嘛（22年看情况）
2.分词知道嘛jieba说一说（知道，维特比算法巴拉巴拉）
3.分词种新词发现怎么做？（几里哇啦扯了一堆）你说的好像和我不是一个东西，新词发现有哪些常用方法（啊。。。不知道）
4.维特比算法中的DAG知道吗，怎么构建的（知道，扯了一堆）
5.所以DAG怎么构建你没有说（构建。。？不是根据统计信息得到的嘛？不知道）
6.看你熟悉维特比算法，HMM知道不（知道的...（西麻哒！！））
7.logP(O|A,B,pi)怎么变成只有ABpi的式子（啊这。。。扯了一堆，三个问题，参数估计，d-separated，动态规划（完全扯错了方向））
8.感觉你说的和我不在一个频道上（哭，真忘了，没想到会问这么细）
9.看你论文用了BERT，说一下BERT和transformer的positional embedding有啥区别（多了一个矩阵，多了一个dropout几里哇啦）
10.这个positional embedding怎么生成的（cos，sin生成的，相当于一个look up tabel）
11.positional embedding公式写一下吧（啊，这个没背啊）
12.sigmoid当数据太大的时候不敏感怎么办（normalization）
13.最后做个笔试，用np实现一个LSTM，初始化权0.5（啊，能不能写伪代码？）不能写伪代码，要跑出来。（啊这。。。我好多np函数用法没背下来怎么办）你让我有点惊讶，居然没记下来这些常用方法（啊这个sigmoid怎么调用来着？）你自己写（啊好的好的，还好记得公式）
——20min后——
14.能运行下不（可以，然后炸了）你这bug在哪你知道不（应该是矩阵搞炸了）是的，怎么改（矩阵操作函数名忘了）好吧我提醒一下，把math.exp改成np.exp（啊好的好的）你这又有一个bug（啊变量名写错了，改一下改一下）
15.跑通了，说一下思路吧（简单解释了下代码思路，理论应该是对的）
反问：
1.表现如何？
2.一共有几面
个人体会：
铁凉凉，不用看了，这也太难顶了，手撕LSTM还问了一堆机器学习东西，本来是准备的论文，BERT，word2vec，结果都没问。这波死的及其惨烈~HMM，新词发现，这俩不熟，赶快补，还有coding能力不够，找机会多写代码！！！
二面：4.12（40min）
1.自我介绍，聊项目论文。
2.BERT和RNN之类的区别（Auto Encoder与Auto regression，吧啦吧啦）
3.BERT的缺点，什么情况无法处理，双重否定，数值可以处理吗（应该不太明感）
4.BERT的输入长度多少？（最大512）超出怎么办（截断，数据预处理减少无关数据。实在太长直接上LSTM、Transforemer-XL）
5.实体抽取怎么做的，有了解吗？（没有具体做，但是大概知道上NER这一块的东西，其他不清楚了）
6.一个算法题，求一个大于等于输入的正整数的最小降序序列，比如，325->330, 4->4, 1234->2000, 4321->4321（20min没做出来，说了下思路，暴力递归）
无反问
个人体会：
这个面试官又迟到10min，携程感觉不太守时，不喜欢，然后办公环境看起来也不太行，总的来说不太行。最后算法题没写出来，估计是凉了，不过这个面试官比上一个态度好很多。
腾讯（HR面结束）
一面：4.9腾讯会议面试（30min）
1.自我介绍，每个项目，一个个讲讲
2.论文1中样本怎么获取的（远程监督）继续深挖
3.论文2介绍一下（吧啦吧啦）
4.BERT怎么做分类的说一下（feature based fine turning）
5.比赛做了什么，改动了什么，和第一差距在哪（吧啦吧啦）
6.多任务用和不用的区别在哪（pipline存在误差传递，多任务2个loss加一起）
7.2个loss的超参数怎么获取（经验+网格搜索）这样可能很慢，贝叶斯优化了解吗（不是很了解，只记得是启发式算法）
8.tf会用吗，和pytorch有什么区别（不会，一般都是pytorch，tf有session、graph什么的比较麻烦记得好像，其他不清楚了）
9.其他语言会吗（本科学过、捡起来很快）大数据开发会吗（不会，只听过）
10.树模型和深度学习的区别（只知道效果有差距，具体不太清楚）二者可以结合吗（不是很清楚）
11.树模型介绍一下（决策树、GBDT、XGBOOST、随机森林）核心思想介绍下（吧啦吧啦）
12.Adaboost和GBDT区别（Adaboost对错误给更高的权重，GBDT多个子树加起来（不知道说的对不对））
13.树模型和机器学习比如LR有啥区别（树模型有比较好的可以解释性（这个答案好像不是很满意，应该是稀疏性的问题））
14.稀疏性问题怎么解决（变成dense向量，说了一些分布式表示和one-hot的区别（不知道答偏了没有））
15.推荐系统了解吗（不是特别的了解）想做哪一块（NLP这块吧）推荐转岗可以吗（可）
反问：
1.业务有哪些呢
2.技术栈要求
3.面试不足的地方有哪些
个人体会：
面试官语速快的飞起，有种压力面的感觉，前面说项目的时候打断了好几次，把我说话节奏都带的快了。还有就是coding能力不够，工业界的一些东西还是缺乏
二面：4.12腾讯平台面试（1h20min）
1.自我介绍，问项目。
2.attention知道吗，用过吗（BERT里用过，不是我写的）写一下公式（从attention说到self-attention）
3.q、k、v是啥意思（解释了一下）qk可以用别的方法代替吗（可以，只要是计算距离的方法就行，比如说余弦距离）
4.self-attention和attention的区别（说了一堆好像没答道点上，最核心应该是attention只计算q和v）
5.BERT和其他序列模型区别（BERT不是序列模型，Auto-Encoder的模型，其他比如LSTM是Auto-Regression）
6.推荐算法了解吗（不太了解，只知道协同过滤）
7.机器学习了解吗（了解），LR损失函数写一下（吧啦吧啦写了下，最后y写错了，应该放log外面）
8.FM了解吗？（不了解）Wide&Deep了解吗？（不了解，好像都是推荐系统的那边）
9.XGBOOT说一下（说了下和GBDT区别，之类的）为什么二阶导数好（信息更丰富）二阶导数也会更好的拟合（对对对）
10.LSTM解决了RNN什么问题（长依赖，梯度消失梯度爆炸之类的）
11.LSTM还有一个什么特点？（啥。。。不知道了）做加法比做乘法快（喔喔喔，可能想问三个门并行化？没太理解）
12.转岗推荐可以吗（可）
13.说说对推荐系统理解（只知道协同过滤，时间一致性吧啦吧啦）
14.Embedding的理解，说说（表示学习吧啦吧啦说一堆）
15.写一个二叉树的后序遍历，非递归，手写（双栈法，输出的时候有点小问题）
16.算法题手写：最大子段和（暴力法）
反问：
1.面试表现
2.推荐的技术栈
个人体会：
体验很好，就是写代码有点紧张。腾讯的速度还是很快的，不得不感叹。
HR面：4.13腾讯会议面试（18min）
1.自我介绍，实习时间，信息确认
2.挑一个项目说一下
3.项目中的收获是什么
4.说2个项目中的难点，怎么解决的
5.希望实习获得什么
6.别的公司进度
7.有重大疾病吗
8.如何和别的部门协调资源
9.实习和实验室做项目区别
10.给自己之前2个面试打分
反问：
1.表现怎么样
2.base地（北京、深圳）
个人体会：
腾讯速度真的快的飞起，结束了就云证。昨天2面今天就HR，不得不说太快了。HR态度很客气，体验很好，许愿一个offer！
#实习生招聘##实习##面经##阿里巴巴##腾讯##携程##算法工程师##自然语言处理#
TP-LINK一面42人在聊