比亚迪博士面经

✅第一面和二面连在一起面的，有部分题记不住，算法都是先讲思路，再白板写代码，然后给面试官解释代码含义。1、算法：找第K大的数（快排）2、算法：从n个数字的数组中任取m个为一个组合，返回所有组合，顺序不一样的算一个组合（递归遍历+回溯）3、LR损失，推导，并且求导4、L1、L2的区别， L1为什么图像是菱形我说菱形可以用取点值画出来，面试官问怎么取点，我就有点懵住了，面完才想起来菱形应该是 |x| + |y| = 1 的函数图像5、梯度下降系列算法有哪些我有点蒙住了，后来才想起来应该问问 momentum adam 之类的算不算6、xgb介绍一下7、你知道有哪些损失函数？8、FM 与 LR对比一下9、softmax 与 二分类 比有什么特点。✅三面面试官很严肃，而且问的很细，有的题还很偏1、看过什么论文2、看过哪些开源项目3、看过哪些开源框架的源码？看过tensorflow源码没？4、看过xgboost源码没？5、开源项目一般就训练个模型吧，就很少量的代码。看过什么大的工程的源码吗？没看过源码别问了QAQ6、让你学 C++ 你认为你多久可以上手？7、算法：一个排好序的数组 arr 中，可能有重复数字，给定一个数target，求 arr[i] + arr[j] = target (i < j) 的对数。提了两个方法：一个字典记录出现过的数字和对应的索引列表（因为可能有重复，所以是列表）。然后一边遍历一边查询字典中是否出现了 target - arr[i]，如果有则计数。双指针。但是有重复的数很麻烦，我考虑了一般的重复数情况，和两个重复数之和恰好为target的情况。但是面试官说还有别的情况，我就想不出来了，然后面试官说先到这吧。。8、auc介绍一下，给出计算公式9、xgb怎么并行运算（除了自带的并行找特征分裂点，还说了一般模型的按数据和按特征并行）但是面试官一直追问详细的并行方法。10、xgb与LR各自的优缺点11、LR为什么更容易并行12、有哪些常见的模型优化算法13、adam公式写一下（同时介绍了adam是momentum和RMSprop的结合）14、RMSprop为什么比adgrad好？15、为什么 adagrad 简单求和不好？16、GMM介绍一下，损失函数写一下17、EM算法介绍一下18、进程线程的区别？进程和线程相比有什么好处？19、用户态和内核态📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

all in华子的鼠鼠迎来了胜利投的车bu前端Bg9硕研究方向做过控制，无相关经历，大概率是目标院校的原因时间线：4.16投递：笔试&机考：4.245.17技术面5.23主管面5.27HR面6.11保温电话6.16OC电话6.17准OFFER

👏offer1：杭州小厂做量化券商，Python开发数据分析处理，400/天全勤2000房补💯offer2：上汽下的延峰，搞ai agent开发，150每天包三餐，员工宿舍1000多/月引流关键字：华为 小米

拿到华子实习offer的那一天，一切都将作废，之前的所有面试都作废，简历作废，八股作废，项目作废，绩点作废荣誉作废奖学金作废星星作废月亮作废银河系作废作废作废……timeline：4.8投递 4.17 笔试 5.16 一面 5.24 二面 5.25 入池 6.6保温 6.162次保温 6.24oc 6.26offerbase：华为成都研究所 无线网络产品线 通用软件开发工程师继续加油吧，拿到offer挺侥幸的，本来6.22被告知没hc了，后面被捞了一把。感谢全程陪同的hr姐姐！