9.21一面 (40min)总结：腾讯会议，都没开摄像头，做题用聊天框，很奇怪的面试感觉。自我介绍 项目介绍，主要是我这边在叭叭叭 一些基础知识：几道数学题：反问业务：搜广推风控 9.28二面 (20min)

一面 (40min) 总结：问基础+撕题，面试氛围很好，很轻松愉悦，体验不错。  自我介绍 问项目，自己在里面承担的工作和职责 操作系统学过吗？进程和线程的区别 问编程语言 Python装饰器，字典，多线程 数据结构熟悉吗？红黑树 coding能力怎么样？写一道题吧 撕题：LC原题“字符串的全排列” 反问  二面 (30min) 总结：问项目+聊天，氛围很轻松，寒武纪两次面试体验都挺好。  自我介绍 讲一个项目 自己平时的时间分配 业余时间一般会做什么？ 用Python多久了？ 问了一些C和C++的基础 生活中其他人一般用什么词评价自己？ 反问：工作强度如何？八点多到六点多的样子，中间一个半小...

9.7一面 (50min)  自我介绍 项目比赛提问，问具体的细节 GRU与LSTM的区别 GBDT的原理 XGBoost和LightGBM与GBDT的区别 BN在训练和测试阶段的区别？BN在训练时是如何更新参数的？ 手撕算法题： 在一个m*n的矩阵里，一个机器人初始在x,y点，并且每次只能向相邻的上下左右四个方向移动一步，那么在最多移动k次情况下，一共有多少条路径可以逃出矩阵？ 输入5个参数：m,n,x,y,k 输出成功逃跑的路径总数 例子1：input -> 2 3 0 1 2; output -> 6 例子2：input -> 2 3 0 0 2; output -&g...

9.7一面 (约40min)  自我介绍 项目比赛介绍，没有深挖 进程和线程区别 数组和链表的区别 递归和非递归的区别(除了栈这方面) 快排的时间复杂度，快排稳定吗 类似的基础问题等等(想不起来了。。。) 二叉树了解吗？还行 撕题：非递归中序遍历二叉树 反问总体感觉面试比较简单，上午面完，下午通知下周二面  9.13二面 (约20min)  自我介绍 问了一个比赛，大概十来分钟 反问面完下来一查秒挂，不知道oppo什么意思

9.6一面 (30min) 面试官先说流程，一共考察两部分：一，简历上的项目提问+基础知识；二，个人综合素质与沟通交流能力。感觉更注重模型和特征的解释方面，说是因为要经常跟学统计的人打交道和合作。  自我介绍 项目提问，并穿插着问基础，比如讲一下特征选择的方法，特征重要性等等 问懂数理统计吗？讲一下假设检验的流程。特征选择的卡方检验。 碰到给客户解释不清的东西，或者他听不懂，怎么解决? IT领域裁员，尤其是算法工程师，怎么避免自己被裁？ 反问：业务场景？人(比如人力流失预测)、财(比如招标)、物(比如物料分配调度)三个方面。 反问：面试一共几轮？往年一般是2轮技术面+1轮HR面，面试结束一般3...

更新：已挂9月1号投递的算法工程师-机器学习岗，高德部门 9.5一面 (50min) 总结：面试分四部分：简历项目+基础知识+场景题+做题  自我介绍 简历项目比赛介绍+提问 问了许多深度学习和机器学习的基础知识： 卷积 vs 全连接 怎么理解卷积？ 图片的物体发生位移或扰动，对CNN有影响吗？ 池化的作用 随机森林 vs GBDT 随机森林和GBDT的基分类器可以改成线性分类器或者其他吗？ 分类问题的损失函数CE(交叉熵)可以换成MSE吗？ MSE有一致性(预测值的均值与真实值的均值接近一致)，CE有一致性吗？ 已知一个模型在测试集上的偏差较大、方差较小，分析原因并解决 暂时只能想起来这么多...

9.3一面(1h)  面试官先做了自我介绍 自我介绍 简历上项目比赛介绍、提问 附加问题：矩阵乘法，前向网络计算和反向传播计算梯度哪个更耗时？矩阵C = A*B，已知Grad(C)，计算A和B的梯度 手撕算法题：类似LC上合并k个有序链表，将一个二维数组合并成一维数组，二维数组每行是有序的，合并k行到一行并保证有序。用堆做的，并分析算法的时间复杂度。 反问：业务内容？主要是做自动驾驶里的Planning  9.9二面(50min)  自我介绍 问了两个项目，问得很详细 穿插着问的： 过拟合有哪些解决办法 Dropout训练测试时的区别 BN训练测试时的区别  反问 总结：问项目问得比较久，没有...

8.1号投递，base深圳 8.20一面 总共30分钟左右，没有撕算法题。  自我介绍 挑个项目讲解，讲一下流程和效果 讲一下研究方向 北京的岗位比深圳多，为什么选择深圳？ 有没有女朋友？ 未来的职业规划？ 遇到的最大的挫折？从中学会了什么？ 最有自豪感的事情？ 有什么爱好特长？ 反问1：部门规模？三四十人 反问2：业务内容？做视频内容安全相关的，偏策略多一些，中间处理

8.6笔试 四道算法题+三道多选题，算法题简单到中等难度 8.15一面 总结：全程1个小时，面试官人很好，会引导，会告诉你简历怎么改还有面试方面的问题，并且提问问题我回答之后面试官都会说一下自己的看法和正确的解答，我觉得还挺有帮助的。  先确认面试者信息，并介绍了下自己，然后让我自我介绍 挑一个自己参与度高的项目讲一讲 挖各种细节，挖的很深，所有流程都问得很仔细，并且看得出面试官有在思考和针对提问 问有没有在数据中发现一些比较有意思的规律? 喜欢对比性提问，比如他说一种策略或者模型，问我的看法，跟我采用的哪个更好 中间穿插问一些基础，比如BN和LN的区别，整体来说没什么八股 撕题： 买卖股票的...

岗位：算法平台开发工程师7.31笔试 三道力扣题：1.合并两个树 2. 爬楼梯改编 3. 滑动窗口最大值8.8一面 全程将近一小时，偏开发相关，没问到机器学习和深度学习相关   自我介绍 撕算法题1：二叉树的层序遍历 撕算法题2：笔试最后一题“滑动窗口最大值”，时间O(n)，空间O(k)，用最大值队列做的 Python数据类型，哪些可变，哪些不可变？ Python闭包了解吗？写一个简单的装饰器 hash表解决散列冲突的方法 HTTP的请求命令有哪些？HTTPS相比HTTP的不同，怎么实现的？ 场景题(只要求设计一个数据结构) 反问：用到的语言和技术？GO为主，k8s等云原生和虚拟技术balab...

7.27一面 面试官人很好，问到我不会的就换别的问了，全程一个小时。先自我介绍，再根据自我介绍里的内容进行提问，关于研究方向的问题，想了解我的研究方向大致是怎样的，让我大概就研究任务和主要方法还有数据集方面做介绍。关于语言情况，我说我主要是用Python，她说他们C++用得多，我说本科用过，但是研究生期间没用了。她说他们Python只是拿来实验一下算法，主要还是用C++做底层的开发和改进优化。她说关于语言这一块，表现出你想学的意愿就行了。问我关于Transformer和BERT这些，有什么见解，我说我不是做这块的，了解不深，只是停留在概念上，就不再深问了。因为他们是做大规模广告推荐、排序、文本...

更新：7.18一面，7.22收到感谢信，8.9流转到正式批，8.24二面，9.5三面，9.15HR面 7.18一面 (20min) 总结：没聊项目，只问深度学习的基本知识。1.用什么语言？2.用过什么优化器？哪个收敛快？哪个泛化性好？3.用过哪些激活函数？激活函数有什么作用?4.leakyrelu和relu的区别?5.用过relu6吗?有什么好处？6.讲一下交叉熵7.softmax和hardmax，softmax好处？什么时候用hardmax？8.讲一下牛顿法和拟牛顿法9.遇到梯度消失，有什么解决方法？10.LSTM有几个门？分别讲一下11.LSTM里hiddenstate和输出有什么关系？1...

ps：6.17投递，6.30测评 7.13一面 全程没问图像处理的东西，也没撕题......先自我介绍。。。然后问是保研还是考研的？本科成绩排名多少?研究方向是什么？有成果吗？介绍一下简历上几个项目。。。(项目都和图像处理没太大关系)反问环节。。。最后下来一共20多分钟，不到半个小时。。。 7.21二面 先自我介绍。聊简历上的一个项目，问细节。聊研究方向，讲自己的工作。穿插着问一些基础：比如GRU和LSTM比怎么减少参数量的？你知道多少种卷积核？卷积和FC的区别？反问环节。。。跟一面差不多，也是20多分钟，也没撕题。 8.3三面 自我介绍。。。介绍简历上的项目， 就项目进行几个提问。兴趣爱好。...

写在前面：主要记录暑期实习面试中的手撕算法题，面试岗位均为机器学习算法工程师 3.30腾讯一面  逆时针打印矩阵，考察模拟，注意边界处理。 (类似LC剑指offer 29:顺时针打印矩阵 ) 旋转数组的最小值，考察二分查找，注意重复数字情况。 (LC原题 剑指offer 11:旋转数组的最小数字 )  4.2字节一面  记不清楚了。。。应该不难  4.13美团一面  面试官：写个二分查找吧。我：???  4.15字节二面  不用内置函数和幂运算符，计算x的平方根，考察二分，注意x是否大于1。(LC 69:x的平方根 的进阶)题目描述：给定正浮点数x，err；计算x的平方根res，要求满足收敛条...