4.15 27min，联想似乎都是半个小时hhh1.自我介绍2.然后就是一直在问项目了3.反问感觉面试官项目听得很认真，所以面试体验相当好反问岗位具体业务，才知道这是research岗位，因此鼠鼠相当想去，但我明白知道以我水平不可能碰瓷research岗，所以我并不抱什么希望但还是非常希望能有二面4.16更新 已感谢信

4.11 约25min，视频面试。有这次面试的前情提要是前天携程HR电话告知我原部门该岗位已招满，询问我是否愿意转部门，答应了，遂追加了一个新部门的HR面1.自我介绍2.算法岗分很多类，你最喜欢/擅长哪个方向3.你认为算法和数据科学有什么不同?那数据分析呢4.你对我们部门了解嘛?5.以后意向在什么城市工作?6.一些基本家庭情况7.你为什么选择来上海读书8.现在的实习为什么不继续干了9.平时爱好可能还有一些别的问题 记不太清了，剩下的就是反问了。我主要问了1.如果被录用，具体会在哪个团队（暂时未确定）2.是否要求立即到岗（不要求，可根据自己时间确定）3.啥时候出结果（1-2周）4.注意到已经收到了英语测评，但我原部门HR面后已经做过了，还要再做一遍吗（做过就不用再做了）更新：已oc

4.11 45min视频面试。岗位是数据研发工程师-数据科学方向，面下来感觉，这岗位确实很数据科学，没有太数据研发。基本是简历面，绝大多数时间都在问项目，而且经常不是拷打技术细节，而是会让我用业务的角度思考我的项目，我感觉是比较想看看我的业务思维咱也不知道面得好不好。除了简历外，提到的几个问题主要是1.自我介绍2.数据仓库分层3.纬度建模和范式建模4.hdfs5.hive6.对数据科学的理解4.15更新，过了，约二面

4.2 40min 无手撕1.自我介绍2.对大数据，分布式技术的了解3.介绍一下Spark4.介绍一下Hive5.问实习项目6.场景题，数据科学/算法应用相关的吧，给我讲了一个业务场景，让我设计算法/技术方案来解决问题。感觉很难，答的不好7.后面就是闲聊了，问了一些个人基本情况我的评价是寄，面完试打开手机，同学还告诉我老师点名我被捉了😭腾讯就直接发个邮件，这时候我正好有一节课，只能翘课面试。结果课程被捉了，面试感觉也寄了，我麻了4.3 更新：又过了，状态HR面。只有两次技术面，我觉得原因是一面有两个面试官，直接省去一次流程，还不错4.3 更新 约了当晚的HR面，腾讯流程真神速啊更新 已oc

4.2 19min HR小姐姐说话很温和，主要是问职业规划和个人发展，然后让我简单介绍了一下我在实习中的工作，整体感觉是聊天，不是单向地提问，因此整体感觉是比较nice的反问了一下部门，告诉我了（看其他人的面经，我以为这时候部门还没出来）;然后问了一下是否有英语测评，说会在明后天发到邮箱里; 最后问了一下结果啥时候能出，说是四月中下旬听说携程包括英语测评在内的每个流程都可能挂人祈愿能oc，程子带我走吧4.3更新 早上十点就收到英语测评啦。当天做了一下，感觉有点难希望别为难我，速速offer4.9更新 早上接到HR电话 告知原部门的算法工程师已经招满了，给我调到火车票了。然后安排了一次火车票那边的HR加面

3.28 40min，我投的算法，面试的岗位写的是应用研究。1.无自我介绍2.几个概统问题，边缘分布，联合分布，贝叶斯定理，假设检验等等3.问了大概10分钟的python操作，主要是numpy和pandas库，每次会给一个场景和要求，问我如何操作。4.了解哪些统计学习分类模型5.决策树建立过程6.逻辑回归的L1和L2正则7.介绍集成学习的boosting和bagging，哪种效果更好8.似乎还有一些其他的八股，不记得了9.问项目，问了我两个用到了聚类算法的项目。10.聚类如何自动确定簇数11.接下来就是聊天和反问了，没有技术问题了更新:过了，约二面

3.28 30min1.自我介绍2.介绍实习项目3.跨模态识别模型原理、结构以及训练过程(我挑了一个模型深入讲了一下)4.是否了解视频本身的属性，比如视频通道之类的(不了解，所以就没问了).5.后面就是闲聊了，问了我几个技术无关的问题。6.反问无手撕，面试体验倒是不错，但是太短了，也没问太多东西，感觉要挂更新:果然挂了😂唉

3.27 45min。携程的面试体验一直很好和一面类似，绝大多数时间都在拷打项目，问各种how和why的问题，以及你对项目的额外思考有一些零星的统计机器学习八股，感觉回答的不算好，机器学习八股没怎么记。有一些问题没答上来，但面试官会引导。无dl相关八股同样无手撕祈愿一个HR面携程捞捞更新：二面过了，约HR面

3.19 面了40分钟，今天第三场面试了，中午还开了个会，面完我感觉嗓子都哑了。面试体验不好，我回答问题的时候面试官好像一直在玩手机，而且岗位名字叫AIGC，但我感觉问得是NLP和大模型，和我感觉的AIGC不太一样，我以为至少会问点stable diffusion， lora之类的，而且我也有一个相关的项目，结果一个都没问。1.自我介绍2.你现在不是正在实习吗，为什么还在找实习3.挖了一下项目。4.介绍Whisper底层原理。5.经典的Bert全套八股。6.经典的Transformer全套八股文7.介绍一下缩放点积注意力机制，以及它有什么作用8.是否自己搭建过LLM，大概介绍一下(这里我没太懂面试官的搭建是什么意思，我回答了自己部署和训练大模型的经历)9.我咋做提示工程的10.介绍chatGPT的训练流程11.介绍RLHF完整训练过程12.手撕，找出第k大的数13.反问，我问为什么叫岗位叫AIGC，感觉岗位更像LLM更新:一面oc

3.19 45分钟不一样的面试体验，全程拷打项目，问得很细，0八股0手撕代码，面完我反问部门业务，面试官说校招是统招，目前还没区分具体业务，说3-5天会有结果，如果有后续的话，我可以问问二面面试官具体的业务是什么祈愿一个二面3.25更新:约二面辣

3.19 新版jd young或许是暑期?我没想到这岗位居然是搜广推，为什么名字是机器学习，jd也没看出来是搜广推。鼠鼠一点搜广推都不会，感觉把面试官都整笑了问了几个搜广推的问题，发现鼠鼠一个都不会后，就问了几个通用的ml，dl问题然后一个sql，一个手撕快排而且感觉我还在说实习时间的时候踩雷了，很快就面完了，必寄更新:简历转推荐给其他部门了，有没有uu知道这是什么情况

3.15 估计凉了，感觉面试官很nice，但我面得不行。28分钟电话面。约面的时候说要准备钉钉写代码，但结果并没有。1.大概3分钟自我介绍+简历介绍2.挖了几分钟的项目3.问了几个跨模态识别模型的原理（whisper和easyocr还有video-llama）4.XGBoost原理，训练过程，损失函数。5.各类回归、分类模型的损失函数、评价指标，以及它们是怎么计算的6.二分类任务是否可以用回归任务的损失函数，为什么？7.描述随机梯度下降的过程8.小批量梯度下降的batch怎么确定到这里就不是面试了，和面试官交流了几分钟，指出了我的一些不足，并给了我比较具体的学习建议，后来发散着也聊到了一些与这场面试无关的东西，比如职业规划之类的hhh。虽然面的不好，但是体验还是不错。还是非常感谢蚂蚁的面试官能给我很详细的反馈，以前面试官最多简单地说一些整体评价。不过，明天的蚂蚁笔试我已经有点不想做了，面试感觉已经寄了，不想花时间再去写笔试了更新：3月16早上感谢信，但是原志愿重新进入流程，估计复活赛了

3.15 面了有55分钟，这波没有盯着简历问，感觉以八股为主，面完就忙别的事情去了，忘了一部分面试题，也没录音，以下为回忆版1.自我介绍，快速过简历，然后稍微问了一些简历的项目实现。2.如何进行特征选择，不同的方法好处是什么3.遗传算法的适应度函数是怎么算出来的？存在什么样的问题，怎么改进4.Transformer的具体结构与实现。5.介绍一下Transformer的位置编码，有什么用，怎么实现的6.你了解多少种注意力机制？讲一下，它们之间的主要区别是什么7.你自己实现过注意力层吗，怎么实现的8.全套Bert八股，结构、输入、输出、预训练任务、特点等等9.介绍llava10.似乎还问了一些别的八股文，但我不记得了11.共享屏幕，写代码实现softmax, sigmoid12.算法题，最大子串13.反问面试体验也不错更新：就这一次面试，当晚oc

3.12 大概面了50分钟，大部分在深挖项目，实现细节问得比较深。1.自我介绍，把简历内容快速过了一遍，面试官还夸了一句我做过的东西蛮充实2.针对实习项目挖呀挖呀挖，这部分耗时最久，项目实现细节问得很详细3.介绍一下Bert4.GPT和Bert的区别5.介绍一下Roberta，它的改进点在哪6.Transformer和LSTM的结构与原理7.介绍RLHF技术8.介绍注意力机制9.现在的大模型的注意力机制和你讲的这个有什么不同10.提示工程11.算法题，寻找将一个单词变为另一个单词所需的最少操作步树，动态规划题12.算法题，合并链表13.反问面试体验良好，等后续吧3.21更新 流程终止鼠鼠哭了😩暑期实习给我整破防了，一个二面都没有，天天做那么多测评笔试不知道有什么用