终于在立冬当天正式结束了秋招。。。休息几天后今天来发个总结纪念一下。。找的算法岗（感觉有点难） 由于比较菜。。秋招历时整三个月（8月初-10月底）只拿到了一个正式offer。。中间面了的公司得有五六十家，大部分死在一面、、所以、、重点提一下部分我觉得比较有意义的面试。 8月初美团北斗计划  秋招的开始。第一次面试，贼紧张，去的火车上把西瓜书又看了一遍。。然而还是去学习的。看似好像挺好，北斗都面过。。实则是去学习的 主要问题：      讲项目。介绍了两个简历上的项目，问了一些细节，大约二十分钟。还比较顺利。       项目里用到了XGBoost，问了一些相关问题，损失函数、节点划分依据、并行怎么做的、和GBDT、LightGBM的区别和各自的优势等。。答得不好。。       LR的损失函数写一下，极大似然和最大后验的区别？       深度学习了解吗？CNN 1*1卷积核的作用？       最新的模型了解哪些？提了BERT。BERT里Transformer的多头attention是怎么做的？不知道。。       编程题：数组的最大连续子数组和。   印象比较深的有这些。。其他忘记了。持续一个小时。之后整个秋招再也没收到来自美团的任何消息。。。问题基本上都没答出来。。面试官人还是挺好的，临走还给说了点需要准备的东西。。学习了。。  之后就开始继续准备，投简历啥的。中间也面过几家。。都比较惨就不提了。。。提一下，面试过程中发现李航的《统计学习方法》比西瓜书要好。。很多问题西瓜书里没怎么提到的。。 八月30号，快手提前批：  一面，牛客在线面：      写代码：最大的k个数。用的最小堆，堆没有写实现只定义了一下。       写代码：有序链表的合并还是啥了。。忘记了。。也比较简单。       问项目，基于项目问问题，又讲了一遍XGBoost。。这时候是会的。。       问项目，项目里涉及了文本相似度的计算，问了为什么用词向量算不用别的方法，优缺点是啥。。结合项目说了一下。       SIMHash是怎么做的？一时忘了，没答上来       有什么要问面试官的？给我介绍了一下他们主要做的东西，发现是做推荐相关的，但是推荐相关 的东西我都没怎么看过。。感觉好像又要gg       在线等二面。。全程五十分钟。。   二面：      问项目，讲了讲，有一个项目里用到了NDCG。问NDCG的意义，怎么算的。。没讲明白。。       问推荐算法都了解哪些？协同过滤。。新的方法知道哪些。。不知道。。给我说了几个。。然后就结束了。。全程二十分钟。。凉了   总结：额。。还是太菜了。。欠缺太多。。之前也没做过推荐投了个推荐算法。。可能是疯了。。 9月4号，keep：  一面：      GBDT原理。       GBDT时间复杂度。       其他的忘记了。。后来看了一下面经，发现大家的问题都差不多。。       编程题。。忘记题目了。。过程比较曲折，写出来了思路也对，但是线上编译不通过，有段错误。。面试官也觉得奇怪，和我一起debug。。。中途还因为电脑没电了掉线了五分钟。。回来发现面试官居然在等我。。真的很nice。。体验极佳。。经过一番努力终于编译通过了，改了一下小bug之后没啥问题了，面试结束。。五十分钟左右。。   二面：一面之后两周多      问项目。。讲的不大好。。随便聊了聊。。二十分钟结束。。凉凉。。   9月20号，小米：  小米的一个部门来学院招人。。之前做完笔试之后一直没面试。。现场沟通之后第二天就给安排了。。 一面：电话面      LR损失函数的推导。口述一下。。       SVM的损失函数、核函数、非线性怎么做。       GBDT\XGBoost相关知识。。和之前差不多。。       决策树有哪几种，节点划分依据，回归树呢？       介绍一个项目吧。。       谈人生，谈理想，为什么想去工作、、想做什么样的工作。。   二面：一小时后。。现场，来的部门的大佬面。。      场景：1亿搜索记录找被查询最多的10个关键词，机子都是1g内存，但是用的数量不限。现场发挥。。硬盘建索引用文件存，靠文件指针随机访问来查找。。       场景：红绿灯优化。。没什么思路。。和面试官一起讨论也算是给了个方案出来。。       IP地址转10进制数。。不能用任何库函数。。位操作。。但是现场脑抽了就是不想用位操作写。。也还行吧。。       谈人生，谈理想。。为什么想搞算法。。聊了快一个半小时。。。   三面：本来以为都凉了。。都准备春招了。。隔了一个月又来了个三面。。转到别的部门了。。看来。。      GBDT\XGBoost相关知识。。必考题。。        CNN 1*1卷积核作用。参数共享是指的哪部分参数？        深度学习怎么防止过拟合？        梯度消失和梯度爆炸的原因和解决方法。        RNN和CNN的区别，优缺点。        LSTM结构。        编程题：多个有序数组合并。        编程题：给定整数数组，里面的数首尾相接组成的最小数。    HR面：第二天 谈薪资，谈offer，谈人生，谈理想。。。 第二天offer就下来了。。 感谢雷总给的机会。。要不就失业了。。 9月23/24号，OPPO：  一面：现场      问项目，项目里用到了泊松过程，让写了一下泊松分布，还有项目里的损失函数。       项目里写了PageRank，让讲了讲。       PCA推导。       编程题：忘记了。。不难。。       其他的问题也忘记了。。给过了。。   二面：第二天，现场      问项目，每个项目大致看了看，总共十分钟，感觉对我的项目很不感兴趣。       编程题，字符串模式匹配。写了一个，他看了看也没说对错。。       谈人生，问我平时喜欢什么活动。。我说下棋。问你从下棋中学到了什么。。我。。人生哲理？       后来了解到那个面试官是做强化学习的。。行吧。。然后就凉了。。二十分钟吧。。   中间还面了一次陌陌。。具体哪天忘记了。。学习面。。笔试20分（满分100哈哈哈）给了个面试机会。。😅 一面：      挨个问项目，问的特别细。。讲了得有一个小时。。        深度学习相关问题，过拟合，梯度消失梯度爆炸，LSTM结构RNN结构。。        样本不平衡问题怎么解决        问最新的推荐算法了解哪些？我说了协同过滤、FM、FFM，他说这些都比较老了。。给说了一堆最近提的。。记下了回去好好学。。学习面。。    二面：HR、、 说是二面技术的面试官不在，先面HR。。聊了聊。给了个小礼物。。说回去安排二面技术、、也没安排。。凉凉。。 10月26号，贝壳补招：  具体问题忘记了。。总体比较常规，比较基础，上面基本上都提到过。。编程题也很简单。。快排。。。简直和笔试题不是一个难度。。 二面让推了FM。。面试官说我基础挺好，但是项目创新度不够，新技术了解也不多。。（其实我了解的还行，就是他没问我也没说，这习惯真的是很吃亏了。。项目里确实没用到。。比较伤。。） 最后说如果我保证去贝壳就给我offer。。这。。我咋保证嘛。。这不是欺负老实人嘛。。 最后果然没有offer。。  总体就是这样吧。。只有一个正式offer。。不过也还好。。省得选了。。中间面过很多家，一面死的可能有70%？很多都是死于手写代码写不出来。。硬伤。。还有的感觉没啥问题就没过。。还有的就是手推XGBoost没推出来。。  二面基本死于项目。。这个真的有必要好好准备甚至提前练习一下。。。不是所有人都善于临场发挥的。。我的项目也都是自己做的。。问起来讲的还是乱七八糟，自己都觉得不行。给人一种在项目里划个水就说成是自己做的东西的感觉。。。 唯独小米这个编程题简单且不怎么问项目的让我捡了个漏~