首投简历过了

个人背景：- 985硕士，计算机专业，研究方向为机器学习/数据挖掘- 有推荐系统相关项目，Kaggle竞赛经历- 面试岗位：滴滴出行-算法工程师（机器学习/运筹优化方向）📝 面试全流程回顾1. 笔试（线上编程+数学）-算法题（2道，LeetCode中等偏上难度）- 动态规划：最长递增子序列变种（需优化到O(nlogn)）- 图论：Dijkstra算法实现+路径还原- 数学题（概率统计+线性代数）- 贝叶斯定理应用题（拼车场景下的概率计算）- 矩阵分解（SVD）的原理与优化意义2. 技术一面（1小时）- 代码能力- 手撕：实现带权随机抽样（Reservoir Sampling变种）- 代码优化：如何减少时间复杂度？- 机器学习基础- XGBoost vs LightGBM的差异？如何选择分裂点？- 如何解决推荐系统中的冷启动问题？- 业务场景题- 滴滴拼车订单匹配如何建模？（聚类+贪心算法的取舍）3. 技术二面（1.5小时）- 项目深挖- 详细介绍Kaggle竞赛方案（特征工程、模型融合技巧）- 追问：如果数据分布偏移（如疫情前后出行规律变化），如何调整模型？- 系统设计- 设计一个实时ETA（预估到达时间）系统：- 数据源（GPS/交通路况/历史数据）- 模型选型（时序模型+在线学习）- 异常情况处理（突发拥堵如何动态调整？）- 算法发散题- 如何用算法减少司机空驶率？（转化为图的最短路径问题）4. HR面（30分钟）- 团队协作经历、抗压能力举例- 期望薪资与工作地点偏好🌟 滴滴算法团队特点业务驱动：算法直接影响亿级用户体验，成就感强技术栈前沿：时空预测、强化学习、因果推断等均有落地成长快：技术大牛密集，新人可接触核心项目🚘投递方式【内推链接】https://app.mokahr.com/m/campus_apply/didiglobal/96064?recommendCode=DSW46Dg7&hash=%23%2Fjobs#/jobs【内推码】DSW46Dg7立刻投递，快人一步，抢跑未来全流程跟进，投递的同学评论区留言，方便后续跟进，秋招加油！#实习# #应届# #春招急招# #滴滴# #滴滴出行#                                                                                   

上下班不打卡，包晚餐，9点后打车免费。有商保报销90%，过节有公司礼盒。有人情味，相较其他厂老人（3年以上司龄）相对更多些！内推码：DSy9pZxc一、面试流程：‌自我介绍、‌项目介绍、‌技术提问等环节。‌自我介绍后，‌面试官会深入了解简历中所做的项目，‌包括使用的技术、‌遇到的困难及解决方法。‌技术提问可能涵盖编程语言、‌数据结构、‌算法、‌计算机网络等多个方面‌。‌面试内容深度：‌涉及基础知识的深度考察，‌如Java集合、‌多线程、‌锁等，也可能手撕代码面试氛围与感受：‌整体面试氛围较为轻松，‌面试官态度友好，‌会给予应聘者积极的回应和引导。‌答不出来也会给予提示，耐心引导，整体比较愉快岗...

刚开始投第一份日常实习的第三天  这个要简历的响应率还算可以吗 感觉看了简历都没后续了

30分钟草草结束，不管啦，金五银六未来可期用户行为分析项目项目是否有明确用户需求，还是单纯练手？项目全程独自参与，如何规划拆分任务？作为 “产品 + 开发 + 测试” 角色，做查询分析的核心目的是什么？项目中遇到的最大技术问题是什么？用户分群指标体系是自主设计还是参考开源项目？手机竞争力分析项目分析过程中程序如何介入（工具 / 方法）？数据集来源是整体获取还是手动拼凑？图像处理去噪项目项目技术选型和问题解决的核心思考过程是什么？处理的图片数据量有多大？其他你有什么想问我的？#牛客AI配图神器#