只看base，不看福利（房补、签字费、股票） 腾讯 N 腾讯音乐 N+1 阿里巴巴 N+2 ~ N+4(还没开，估计这个价)

算法，有沟通说十一节后意向的么，节前肯定是发不了 感觉不是很稳啊

算法已意向

已意向

已云证，来牛客中许愿

这是第三篇字节面试凉经😁 这次面的部门非常巧，是收购的我之前实习的一家创业公司，现在变成了字节的一个项目。 字节的面试一直很硬，有些基础问题也没答上来，虽然题目做的还行，结果还是凉了，接下来就是整个面试过程复盘 首先是介绍两个比赛，详细问了比赛的一些细节，数据、特征工程、模型 有几个印象很深的问题，自己回答的不是很好 1. FM了解么，具体怎么做的，怎么解决权重系数难训练的问题，梯度怎么更新的 2. DeepFM了解么，embedding层是怎么训练的，结构是什么样的，比赛的DeepFM是自己写的么（用的DeepCTR） 3. 回归问题有哪...

面试面多了就越来越有自信了，关于项目上的东西都已经非常熟悉了，主要还是算法题得过关。 一面： 自我介绍，详细介绍项目，数据是什么样的，特征工程怎么做的，模型怎么做的，然后中间穿插着一些基础知识的提问，都比较中规中矩 算法题：字符串全排列，二叉树非递归前序遍历 二面： 面试官介绍了用户增长是做什么的，主要是提高快手APP在各个广告平台落地页的转化率，然后直接是做一道题 算法题：删除字符串中多余空格，连续空格都变成一个，要求时间空间复杂度尽可能小 还是得多刷算法题，常见题目必须得秒写，二叉树，链表，二分查找，这是目前这么多面试出现频率最高的题目，可...

在byr上邮了简历，上午发的，下午就电话过来约面试，第二天一面，效率非常高。 一面面试官听口音是两广人，有时候听不出来他说的是啥，只能再问他一遍，稍微有丢尴尬。面试主要还是围绕这简历上的项目问，我只有两个没有名次的比赛经历，但是面试官说和他们做的很匹配，就比较感兴趣，然后深入的聊了一下。首先是自我介绍（原来自我介绍的作用就是给面试官争取看简历的时间），介绍完后面试官问了一些比赛的背景，比如这个比赛面向的业务是什么，都有哪些特征等等。 1. tf-idf公式是什么，对于低频词和高频词有处理么，高频词算出来的tf-idf的值会更大还是更小 2. 特征工程是怎么做的，bal...

已经第二次一面就挂了，感觉再也没法儿进字节了吧。 面试官感觉不是很想面我的样子，接下来是面试问题： 1. 自我介绍一下：balabala。然后，“你是转专业的啊，你导师做什么方向的”，就感觉大厂对转专业的充满了恶意，哎。 2.  xgboost和GBDT的区别，怎么做并行化的 3. LSTM原理是什么，怎么解决梯度消失和梯度爆炸的 4. 还有什么解决梯度消失的方法么 5. 卷积核有哪些（不知道为什么突然问到cv的问题） 6. 了解广告系统么 7. 有做过数据生成么，比如样本不够怎么办，数据清洗怎么做之类的 8. svm有哪些核函数 ...

师兄帮忙推了简历，中午推的，晚上就安排了面试，面试官非常好，跟你讨论简历里的一些问题，当然问的题目也很刁钻，是平时自己没有思考过一些问题。最后面试官的评价是，“还是不太行，对自己做过的东西思考的还不够”。 首先是介绍了腾讯广告算法比赛，介绍完之后面试官开始问问题，（自己非科班出身，每回介绍自己是中传的都来一句，你是转专业的啊，估计他们以为中传只有艺术类专业吧） 我看你用了tf-idf，那这个tf-idf的值表示的物理含义是什么呢？ 讲一讲目标编码怎那么做的？目标编码计算出来的特征物理含义是什么？ ...