欢迎大家投递腾讯暑假实习生招聘，具体的招聘信息和岗位咨询可以查看 腾讯招聘 。  如果有意愿需要我内推的并且未被内推过，可以将 姓名、电话、邮箱（建议QQ邮箱）  发到我邮箱 214198200@qq.com（内推后，我会回复邮件）  如果是投算法岗的，我之前的面经，可以参照我过往的帖子。  有关于面试、简历登问题，欢迎发到我邮箱，看到后会抽时间回复。 其中额外JD如下，向我内推时，可以说明情况，会择优推荐给我组里大佬发起面试 （有Kaggle、天池竞赛获奖经历、A类期刊或会议论文、Github星较高、丰富的机器学习与特征工程相关的工程...

作为一只去年从牛客网毕业的鹅，回馈牛客网。 欢迎大家投递腾讯2020年秋季校园招聘，具体的招聘信息和岗位咨询可以查看 腾讯招聘 。 如果有意愿需要我内推的并且未被内推过，可以将 姓名、电话、邮箱（建议QQ邮箱，毕竟投鹅厂的） 发到我邮箱 214198200@qq.com（内推后，我会回复邮件。实习已经内推过的，不需要再次内推，去系统上更新一下简历，就会激活） 如果是投算法岗的，我之前的面经，可以参照我过往的帖子。 有关于面试、简历登问题，欢迎发到我邮箱，看到后会抽时间回复。

牛客网真的是好平台，大家加油！ 签约了还是很爽的，好好准备，争取毕业啦！

从实习面试到内推面试再到秋招，虽然没有投递多少公司，但是前前后后也面了那么多轮，真的觉得准备和面试的过程挺累的。 今天面完了百度三面和华为，决定结束秋招了。关于我面试的面经都可以在我的帖子中可以找到，找算法的可以看一看哈😇😇😇祝大家找到满意的工作。

阿里巴巴 岗位：算法工程师 渠道：内推 1、技术一面到技术六面 除了其中第二面是视频面，其余均电话面 内容太久了，没有记录，主要围绕了几个问题： 1、项目相关：从特征工程到模型选择到最终上线都问的比较透彻 2、机器学习的常见问题，例如LR和SVM区别 3、对于深度学习，例如LSTM等的理解，还有它的改进GRU，还有梯度消失、梯度爆炸等等 4、对深度学习框架的熟练程度 5、代码考察：快排、最小的K个数、扑克牌、跳台阶等常问问题 6、语言基础：C 的相关特性、多态、对于python的熟练程度等 7、Linux：常见的操作指...

腾讯 岗位：应用研究（机器学习） 渠道：内推 1、技术一面 电话面 1、自我介绍 2、问本科专业和计算机专业有哪些区别，专业主要是学什么，必修选修 3、问项目，然后聊里面的算法，解释两个最熟悉的机器学习算法，项目里面的特征怎么处理的，为什么用这些机器学习方法去做，样本不均衡的话怎么处理 4、学过哪些机器学习课程 5、关于最优化方面学过哪些课程 6、问牛顿法怎么求解 7、最后问怎么解决过拟合的 2、技术二面 电话面 1、问了实验室方向，所做的事情？实验室的毕业生一般去哪工资？ 2、实习允许么？问不是一...

京东 岗位：算法工程师 渠道：内推 1、技术一面 1、自我介绍 2、操作系统：死锁的条件、死锁避免方法、银行家算法 3、计算机网络：OSI七层网络结构，四次挥手的等待时间，TCP和UDP的区别 4、linux系统：强制杀死某个进程的命令、其他的命令 5、数据库：mysql的引擎、事务的特性 6、机器学习：LR和SVM区别，SVM损失函数，LSTM原理 7、大数据：熟悉不熟悉spark? 平时怎么管理和调度GPU资源的？ 8、编程：数据库找第二大的数字sql语句、求N!的二进制表示中最低位1的位置、写个快排、多个字符串组成最大的数 ...

百度 岗位：机器学习/数据挖掘/自然语言处理工程师 状态：技术面完成 渠道：秋招 1、技术一面 2018年9月14号星期五 现场面 1、自我介绍 2、手撕代码 1）二维有序数组的二分查找某个数 2）找一棵二叉搜索树里面给定两个节点的公共祖先 3）最大的K个数 3、介绍思想 1）文件太大，内存太小时候，最大的K个数怎么样的求解过程？ 4、手推公式 1）讲解并推导一下SVM 5、基础问题 1）LR和SVM的区别 2）讲一下做过计算机视觉的比赛 3）对着笔试题目写的内容，问过拟合有哪...

京东 此处感谢一面和二面面试官，问了很多知识点的盲区，虽然面试的时候可能面的心态有点崩，但是找到很多不足之处，后面再好好弥补。 1、技术一面 2018年9月15号星期六 电话面 1、自我介绍 2、生成式模型和判别式模型的区别，都有哪些 3、讲一下混合高斯模型，EM的核心思想是什么？ 4、讲一下HMM模型 5、说一下CRF模型 6、讲一下贝叶斯？那说一下朴素贝叶斯？为什么朴素？ 7、朴素贝叶斯的好处？为什么那么多人用？ 8、如果某个条件之间没有出现过，那么概率肯定为0，怎么避免？只知道分子+1，分母+可能情况数，追问...

实习回来之后的秋招处女面贡献给美团。可能大公司都会有点傲娇吧，对于霸面的不太友好。 报的是机器学习算法，一上来介绍项目，把简历写的项目都问了一下，然后就质疑了一下就做成这样的东西？（顿时我心情就不好了）。而且说的有些比如GMM，LSTM，RESNET他感觉听都没有听过，所以后面也没有问任何机器学习、深度学习的内容。 然后手撕代码:一棵树里面任意两个节点间都有路径，求路径的最长长度。写了一个版本，对方质疑说这个不对，但是又说不出来哪里不对，我就说那我不会，下一个吧。 然后问了一个岛上1000个人，100个红眼睛，900个蓝眼睛，那个题目，题目熟悉，不会数学归纳法证明，就说不会。 问题:你...

LZ结合着网上的部分面经、自己看过的一些书以及自己实习面试面过的相关的一些知识，将在机器学习面试中可能遇到的基础知识问题总结如下（遇到自己相关项目或者论文相关的，就不在本总结范围之内），大家可以继续总结补充。祝愿大家在求职算法岗上面都可以取得比较好的offer。 一、机器学习 单模型 1、LR的损失函数的公式和函数 2、LR的推导过程 3、LR如何解决共线性，为什么深度学习不强调 4、LR如何防止过拟合 5、LR分布式训练怎么做 6、LR为什么使用Sigmoid 7、SVM的损失函数 ...

岗位：算法工程师 状态：完成面试 渠道：实习直通终面 1、技术终面 1、自我介绍 2、介绍一下Kaggle比赛，顺便问了简历上面的实验室项目和视觉并不相关，平时是怎么学习的呢？（Kaggle/天池比赛、CS231n、看顶会、跟博士生探讨交流） 3、介绍一个自己熟悉的机器学习项目？然后问了关于模型融合的几个方式的区别以及应用场景是什么样？ 4、因为工作和视频接触是比较多，对视频内容理解领域有没有相关的了解和接触？（回答了之前做的两个多月关于视频行为识别的一些摸索和看过的一些论文、实验过的模型；多模态模型的一些对电影分类应用） 5、对推荐算法有...

岗位：机器学习算法 状态：完成所有面试 渠道：内推 1、技术一面 2018年7月21日星期六 电话面 1、自我介绍 2、选择自己觉得做的最好的项目从需求、样本、特征工程、模型选择等介绍 3、为什么要模型融合，模型融合的几种方法，模型融合的优点 （bagging,boosting,stacking,还有我自己项目里面的方法） 4、会哪些机器学习算法（分类、聚类、深度学习都说了一下） 5、LR和SVM的区别（处理点、计算方式、损失函数、自带正则等） 6、白样本多，黑样本少，选择哪个模型更适合一些，为什么？如何评价效果（抽样，...

2018年7月22号星期天 内推投递 2018年7月29号星期天 视频技术一面 1.自我介绍 2.选择一个项目介绍 3.讲一下实习的内容，讲一下word2vec 4.最熟悉的工具是什么？tensorflow 5.Tensorflow里面有没有用过with关键字，它的作用 6.有没有了解其他python关于上下文的信息 7.Tensorflow里面的优化方法讲一下，你觉得哪个好，说了最新论文提出的adam改进的Adamw方法最好 8.研究生所做的课题是什么？说毕业设计的内容。那你这个课题的规划？ 9.项目线上部署怎么办？有些包线上...