楼主是社招，今天面完三面，从面试官的表情感觉自己凉了。 前两面的面试官都很nice，问的问题也相对基础，基本都答上了 三面面试官标准的理工男有点严肃，而且是编程算法全能（汗颜），问了很多又偏又细的问题，应该凉了。 面试前几天从早上七八点复习到夜里十二点多，临阵磨枪毕竟不行，功夫还是要下到平时啊。 不说废话了，下面回馈牛油分享一下面试题目。 一面、二面 一面二面连着一起面的，有部分题记不住了，不过都是比较基础的简单题目。不过我还是犯了很多弱智错误了。。。 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 然后三面就比较恐怖了，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QAQ 6、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：  1）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。  2）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？（答：利用了系数维护梯度平方，不是简单求和） 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  总结 总体来说一面二面问的比较基础，也比较顺利，三面不知道是不是压力面，但是看出了面试官很有实力，问的也很细，确实这样才能区分应聘者。 本来还以为三面是问一些场景题，还准备了一道，结果没用上。。。  还是自己太菜，不能怪别人，坐等感谢信。