19校招算法面经,腾讯美团已拿offer,百度阿里面试中

更改了之前的帖子,随着校招的进行,会不断更新我面的面经,目前已有美团的腾讯的offer,谢谢大家关注
收到了非常多的私信,希望大家能在帖子评论区直接询问,这样大家都能看到讨论的内容,更好的让大家一起讨论,我也不用同样的问题给每个人私信一遍,感谢!

美团AI算法提前批(已拿两offer)
第一轮:
17号清华双选会,一人可以选两个部门面试,每个面试就大概15min
两个部门共问到的问题有(模型多是根据项目问):
1. xgboost原理,怎么防过拟合
2. gbdt推导
3. boosting和bagging在不同情况下的选用
4. DBSCAN原理和算法伪代码,与kmeans,OPTICS区别
5. LSTM原理,与GRU区别
6. 算法题:翻转中间由各种符号隔开的字符串

第二轮第三轮:
20号在望京,每个部门两轮
共问到:
1. EM算法推导,jensen不等式确定的下界
2. xgboost和lightgbm的区别和适用场景
3. LR的推导,损失函数
4. gbdt推导和适用场景
5. DNN的梯度更新方式
6. 算法题:2sum,3sum
7. 算法题: 从右边看被遮挡的二叉树,求露出的node
8. 概率题,抽蓝球红球,蓝结束红放回继续,平均结束游戏抽取次数

第四轮:
hr面
23-24号左右,两天把offer都发了,让意向选择

此外,正在面试另一部门,等终面,等拿到offer再更新!

---------------------------------------------

更新分割线,美团另一部门面完终面,在等offer,应该差不多,具体面经不方便透露,这个部门相对在起步和保密阶段
只说考到的点有 apriori,KM算法,匈牙利算法,模拟退火,贪婪,蚁群对比


--------------------------------------------
腾讯应用研究-机器学习提前批(已进入offer报批阶段,走流程)

腾讯一面应用研究-机器学习
面完直接说过,等二面

1. 扣简历的项目,扣的很细
2. xgb,rf,lr优缺点场景。。。真的逢面必问,有不了解的可以留下评论,我可以提点拙见,最好还是自己去网上扣一下这题
3. 算法题,单链表判断是否有环 (leetcode easy),以及判断环入口,这题卡壳了没想出来
4. 算法题,给前序和中序,求出二叉树
5. 是否写过udf,问udaf,udtf区别和一些细节

腾讯二面应用研究-机器学习
面完没有直接说过,说等通知,感觉凉的一比,可能只能走到这儿了

1. 扣项目,问简历,其中涉及的算法和上面差不多
2. 问推荐算法,fm,lr,embedding
3. 算法题,10亿个32位正整数,求不同值,只给1GB内存。。。我只答出来4GB的情况,时间负责度还不是最优的,所以稳稳凉了,如果有人知道怎么解1GB,求回复,感谢

腾讯三面应用研究-机器学习
估计还有最后一面技术面。。。

1. 算法题: topK给出3种解法
2. 协同过滤的itemCF,userCF区别适用场景
3. 扣项目,问简历,其中涉及的算法和上面差不多
4. 对项目中一些技术选型产生质疑,并友好的一起讨论了这个问题
5. 推荐系统的大概步骤,解决冷启动。。。

腾讯四面应用研究-机器学习
最后技术总监面,onsite

1. 算法题:名人问题,给出最优解法
2. 问了一下项目和简历
3. 自我评价优缺点,怎么改进
4. 描述一个算法项目从kickoff-落地的全过程

腾讯五面应用研究-机器学习
总监面完立刻就hr面了

hr面就是常见的问题,城市啊,薪资待遇啊,对部门的评价,对总监的评价
然后就在系统中提示offer报批中。。。
希望大家都能找到自己喜欢的工作
--------------------------------------------

阿里一面机器学习算法工程师 (数据技术与产品部)
面完让等通知,不知道凉否

1. 扣简历,问得太细了,每个项目都要回答如果再做一次,有什么改进的地方,both算法上和模型选择上
2. 算法题,反转链表
3. 算法题,trim二叉搜索树

阿里二面机器学习算法工程师 (数据技术与产品部)
过了三周才二面,以为凉了,接下来继续等3面

1. 扣简历
2. CNN为什么比DNN在图像识别上更好,这题我答得很烂,有好答案的欢迎留言
3. 用mapreduce实现10亿级以上数据的kmeans
4. rf和gbdt基分类器区别,里面的决策树分别长啥样,怎么剪枝
5. 说一下gbdt的全部算法过程
6. 反转链表。。。这个倒是简单

--------------------------------------------
百度一面机器学习算法工程师 (搜索)
感觉有点凉

1. 聊简历项目,对搜索推荐算法的了解
2. 现场用collabedit写代码,一个怪异的归并算法。。。之前没遇到过,直接把归并写出来,但是说复杂度太高,优化了三遍还不行,最后说出用小顶堆解决了。。。反正这题做的不太好,百度对代码的细致和性能要求还是很高的。这题因为耗了很久,我之后又有事儿,也就没在面了。。。。感觉凉凉了,加上我之后可能也去不了北京onsite,估计机会不大了。

---------------------------------------------

蚂蚁金服一面算法岗

1. why LSTM,和Naive RNN区别
2. lightgbm优势
3. 简历上项目为何适用xgb和lr,对比其他分类算法的场景优势 (这题基本上逢面试必问)
4. 简历上聚类项目用到的ISODATA算法比kmeans有哪些改进
5. 算法题,单调函数求零点 (简单的二分法)

一面说过了,之后等二面了再更新

#面经##校招##算法工程师##美团##腾讯##阿里巴巴##百度#
全部评论
10亿个32位正整数,求不同值,只给1GB内存,如果允许存在误差的话,感觉使用BloomFilter更好。总共1G个整数,为每个整数分配8个bits的话,总共需要1G*8bit = 1GB的内存,时间复杂度为O(n)。误报率为约为pow(0.6185, 8)=0.02141497795
点赞 回复
分享
发布于 2018-08-10 15:08
10亿个32位正整数,求不同值,只给1GB内存。。。 这个用bitset存储一下不是很好实现了么
点赞 回复
分享
发布于 2018-08-09 12:33
秋招专场
校招火热招聘中
官网直投
我也拿到了  外卖平台 和 nlp中心 现在hr让选一个   打算怎么选?
点赞 回复
分享
发布于 2018-07-30 16:26
感谢分享~
点赞 回复
分享
发布于 2018-07-30 23:45
大佬。。。
点赞 回复
分享
发布于 2018-07-27 21:02
大佬
点赞 回复
分享
发布于 2018-07-27 21:06
美团提前批有网申吗?
点赞 回复
分享
发布于 2018-07-27 21:06
看不懂
点赞 回复
分享
发布于 2018-07-27 21:07
是大佬
点赞 回复
分享
发布于 2018-07-27 21:44
直接简历没过 简直了
点赞 回复
分享
发布于 2018-07-27 21:56
这种就是真的大佬
点赞 回复
分享
发布于 2018-07-28 00:17
真大佬
点赞 回复
分享
发布于 2018-07-28 00:33
你好,能不能请问下,你是收到了offer的电话或者意向邮件是么?请问是啥时候收到的?同面完了hr面,没收到消息,如果不方便在这里回复,也可以私信回复我,我发了私信
点赞 回复
分享
发布于 2018-07-28 19:12
问一下怎么反选啊,有没有网上流程?我把我简历给了几个猎头,不知道谁帮我投了美团金服,然后现在说我过了,还得再去几次跟CTO聊聊定薪什么的。 重点:反选怎么操作啊,十分懵逼
点赞 回复
分享
发布于 2018-07-30 10:51
请问你拿到的是哪两个部门的offer啊?在等hr面结果,想问问看是不是同一个部门
点赞 回复
分享
发布于 2018-07-30 16:34
是清华的大佬吗
点赞 回复
分享
发布于 2018-07-30 18:38
已更新蚂蚁腾讯,若有也面过的,希望也能发点面经,后面虚的一比
点赞 回复
分享
发布于 2018-07-31 23:26
同一面了蚂蚁,腾讯的算法,不过我是强化学习方向的,围绕项目比赛聊了很多,机器学习算法还没开始问。 大佬当时对于RF的适用场景是怎么答的啊。感觉RF降低方差,抗过拟合,效率高可并行....似乎都是优点......XGB也一样
点赞 回复
分享
发布于 2018-07-31 23:39
GBDT、xgb、RF的应用场景,都是从算法实现层面讲的区别,能从数据层面讲讲吗?比如说适合啥样的场景啊?为什么你这个模型适合xgb和lr?求指教。
点赞 回复
分享
发布于 2018-08-01 16:41
妈耶,果然是大佬
点赞 回复
分享
发布于 2018-08-01 23:46

相关推荐

38 582 评论
分享
牛客网
牛客企业服务