不授权转载到其他平台谢谢（如知乎微博等）。              下面把之前没写的面经补充上，以及直接写过的复制过来。所有面经略过了与项目相关以及从项目引申出来的部分。       0x00凤巢        一面：       算法题，写一个json的load方法。（不需要优化比如自动机最小化之类的）       其他的问了问简历项目，比较水，互相吐槽了现在的业务部门和研究院的差异。       二面：       算法题，集合的子集，无重复和重复。              原理题       GBDT原理，推导。       特征工程理解。       归一化的理解。              系统题       python 深拷贝，浅拷贝       python 反射                             场景题，一个东西上线了跟线下实验不一样咋整。              场景题，设计推荐系统，只有两个字段 item_id，item_price_range. 比如1asdha, [4399，5399]                向量相似度计算方法       欧氏距离非欧距离       向量召回加速方法，FAISS。                     0x01快手               一面。算法题：归并排序，O(1)空间复杂度          场景题，广告主给了一批高转换人群包，问我们怎么用来提升业务。          原理题，推导一个NN的dense layer weight初始化为0的情况下，会出现什么现象。          其他的忘了，比较简单吧。                    二面，算法题，找第k大，写出建堆的代码          如何判断NN是神经网络结构的问题还是优化的问题，比如学习率优化器之类的。          其他的忘了，也比较简单吧。                    0x02腾讯                    1.重复数字的二分查找，找到始末位置             问了问最近两年的腾讯广告算法比赛有什么不一样。                                       问了个场景题，如果有用户历史的阅读文章，怎么做兴趣点的挖掘。            问了问文本的分类算法。                               问了个给一个query，怎么找相关的文章。             匹配和检索算法。             都有哪些方法，问了word2vec及预训练语言模型的发展。                          CTR 与 NLP 深度模型的区别。                          0x03头条                           零面             旋转数组查找，一个二维DP。             一个数学题可以看我的知乎，LightGBM varience gain 的推导。GBDT搜索分裂点O(n)算法的证明。                        一面          介绍项目          算法题，带括号的加减乘除字符串运算。当时拿到这个题，第一时间按照编译原理的套路，词法分析文法解析中间代啥的，搞了一套递归下降编译器。面试官说不用这么通用，其实不从这角度还挺难写的。。          算法题，棋盘上的连通棋子团数，（最基本的dfs）          问了一些机器学习基础题，深度学习基础题记不太清，应该没什么难度。                    二面，          算法题，也是个dfs的变种          其他的忘了                    三面算法题          数学题已知var(x),var(y),E(x),E(y)求 Var(x*y)          算法题 vector<vector<int> >  x 里面，求min(∑i=0n−1∣xi+1[k]−xi[m]∣)min(\sum _{i=0}^{n-1}{|x_{i+1}[k]-x_i[m]|} )min(∑i=0n−1∣xi+1[k]−xi[m]∣),就是每个数组任选一个数字，相邻求差的绝对值，然后再求和求最小\          系统基础题，进程线程的区别，优缺点          语言特性题，python GIL，C++ static关键词的作用，初始化参数列表有什么用          算法          设计能适应测试集里有缺失值的训练集没有的GBDT， 要求不能从填充数据的角度来做          设计一个在CNN卷积核上做dropout的方式               LSTM减弱梯度消失的原理                                                    0x04滴滴                         一面 热身题，leetcode 104                算法题 leetcode 64、leetcode 85                原理题，LR，FM，FFM，DeepFM的区别联系                数学题， AX = 0  X有无穷多解，问A是否可逆                                二面，场景题，                1.设计快车拼车算法                2.设计快车派单算法                3.以订单为粒度和人车为粒度做派单时召回的区别。                聊了聊天。                                三面，                场景题，设计用车需求量预估算法。                聊了聊天。                                0x05美团               一个概率题，一个盒子里面有4个白球和不知道几个红球，扔进一个球（不知颜色），再取出一个，结果是白球，问扔进是白球的概率。          场景题，如果挖掘大众点评文本中的相关词，别名。                    0x06阿里                       还有个概率题集齐支付宝五福期望张数。          Layer Normlize 与Bathch Normalize的区别。          Reset结构                              0x07 360                           Bert结构，原理。             分词算法原理，常用方法。             embedding的发展。             如何得到一个句子表示，你能想到的所有方法。           Python动态类型推导怎么实现的？eval()是怎么实现的？python的gc原理是啥。                Map的实现由哪几种方法，红黑树的原理。                还有些比较简单的堆内存，栈内存。RPC机制等等。                C++的一些特性等等                                                       0x08 网易雷火多模态方向  MFCC特征和MelFiterbank特征的区别。  tripletloss based 方法和 softmax多分类为基础的区别。         NLP对话生成，对话检索。                          有些记不太清了。               0x09 小米           算法题， LCS，链表上的归并排序，快速排序，其他的忘了。                     总结           方向比较杂，主要集中在ML，NLP，语音，强化学习。CV连碰都没碰，不跳进红海找虐了。                    算法题互联网不难，一定要作对。做不对会给人印象很差。                            要是面NLP。一定要好好看看分词算法，NER，dependency tree这些基本的东西，不要以为会embedding排列组合 bert无脑怼就能拿offer了。                          计科老本很重要，写过编译器，实现过处理器的一定会占一些便宜。至少字符串处理题难不倒你，问语言特性也能根据基本原理答一下。虽然问的最多还是操作系统的基本题。                          有广度的知识面和深度的某方向积累是bonus。                          扎实的计科基础，数学基础，顶会，有含金量的竞赛，acm，大厂实习，亮眼的github，最好能拿到3个以上。没找工作的同学可以好好准备刷简历。                                                一点经验，面试不要装逼，不会就是不会，不要装模做样的想还给一个编出来的答案，直接告诉面试官这块我不擅长。                不一样的面试官喜欢不一样的风格，如果是大佬面可以讲一些玄学和自己的思考，如果是第一面，准确，清楚比较重要，有时间再发挥吧。                                到手还不错的有，腾讯的ssp（去年46w档）和美团北斗（有户口往年到50w）的意向书，快手快star（差CTO面）的意向书，滴滴新锐oc。                        不知评级的offer 有百度凤巢，头条搜索，360（可能有户口），拼多多（往年55w） 的意向书和oc。                   小米未来星流程中。                   阿里妈妈沟通了offer情况及意向，单向放弃了流程。感谢阿里的面试官和内推同学的实时沟通。                   这块看情况删掉。先放在最后吧。