作者?| Patric? ?整理?|?NewBeeNLP

面試錦囊之面經(jīng)分享系列，持續(xù)更新中?

歡迎后臺(tái)回復(fù)"面試"加入討論組交流噢?

寫在前面

渣本渣，因?yàn)榇髷?shù)據(jù)方面我了解的太少了，所以在面試過(guò)程中很多關(guān)于大數(shù)據(jù)的問(wèn)題我都回答不上來(lái)。

背景相關(guān)

碩士澳洲八大，IT。本科末流985，非IT。碩士因?yàn)榭鐚I(yè)，學(xué)的是Course Work，期間運(yùn)氣比較好，有機(jī)會(huì)和幾位老師一起做了幾項(xiàng)ML相關(guān)的項(xiàng)目，因此畢業(yè)后找的工作都是算法相關(guān)的，希望能夠幫助到正在找工作的小伙伴。

面經(jīng)

無(wú)論面試通過(guò)與否，都十分感謝在面試中遇到過(guò)的每一位面試官及HR小姐姐。大多數(shù)的面試官都非常nice，都在有意的引導(dǎo)我回答出正確答案。感覺(jué)面試比較玄學(xué)，面試過(guò)與不過(guò)，主要取決于基礎(chǔ)知識(shí)，除此之外也取決于眼緣。

騰訊算法（一面掛）

• 自我介紹

• 項(xiàng)目細(xì)扣

• LSTM與RNN的區(qū)別

• 梯度消失/爆炸產(chǎn)生原因

• 梯度消失解決方法

• 梯度爆炸解決方法

• Word2vec方法有哪些/區(qū)別

• 集成學(xué)習(xí)了解嗎

• XGBOOST/GBDT簡(jiǎn)單介紹，區(qū)別

• 無(wú)手撕

字節(jié)跳動(dòng)算法（三面掛）：

一面

• CNN中感受野/權(quán)值共享

• Resnet理解

• Resnet相比全連接什么區(qū)別

• Alexnet/VGG/Densenet/Googlenet

• 什么是梯度消失/爆炸

• RNN/LSTM解釋

• LSTM怎么緩解梯度消失/Resnet怎么緩解梯度消失

• 有什么方法能解決梯度消失

• 集成學(xué)習(xí)

• XGBOOST理解

• 手撕兩道：

• Two sum

• 最長(zhǎng)公共子序列（理解成子串-子串手撕一遍，子序列在子串基礎(chǔ)上修改）

二面

• 自我介紹

• 項(xiàng)目細(xì)扣

• 如何避免過(guò)擬合

• LSTM理解

• XGBOOST理解/損失函數(shù)/正則怎么算

• XGBOOST與GBDT對(duì)比/ Random Forest理解/Boosting與Bagging對(duì)比

• 為什么XGBOOST在大賽上表現(xiàn)很好/與GBDT相比優(yōu)勢(shì)

• 手撕兩道：

• 島嶼問(wèn)題

• 編輯距離

三面

• 自我介紹

• TCP哪一層

• HTTP/HTTPS區(qū)別

• HTTPS為什么Security

• 線程與進(jìn)程

• 鎖/悲觀鎖樂(lè)觀鎖

• 手撕一道：

• LC Hard。題目忘記了，只記得dfs+dp，撕了20多分鐘才撕出來(lái)。

360算法

一面

• 自我介紹

• 項(xiàng)目細(xì)扣

• 特征工程

• Precision/Recall/F-score/ROC/AUC

• AUC計(jì)算

• 項(xiàng)目為什么選用AUC和F-score，為什么不選用Recall

• LSTM與RNN的區(qū)別

• 梯度消失/爆炸的原因及解決方法

• word2vec方法介紹

• Transformer了解嗎/Bert了解嗎

• 除了神經(jīng)網(wǎng)絡(luò)，傳統(tǒng)的機(jī)器學(xué)習(xí)算法了解嗎

• Boosting和Bagging區(qū)別

• 簡(jiǎn)單介紹下XGBOOST/GBDT

• XGBOOST和GBDT區(qū)別

• SVM/SVM核函數(shù)

• 無(wú)手撕

二面

• 自我介紹

• 項(xiàng)目細(xì)扣

• Precision/Recall/F-score/ROC/AUC

• LSTM與RNN

• CNN中怎么做的卷積/卷積的優(yōu)勢(shì)/卷積之后接什么層/為什么做pooling/都有哪些pooling

• 卷積層/Pooling層（mean/max）的反向傳播

• 卷積層參數(shù)量計(jì)算

• 梯度消失/解決方法

• Resnet

• XGBOOST/GBDT/SVM/RF

• 特征工程

• 學(xué)過(guò)什么課/看了下成績(jī)單

• MapReduce/Spark/Hive

• Mit6.824

• 手撕一道：

• 記不太清了，沒(méi)有Hard那么費(fèi)勁，應(yīng)該是Medium/Easy難度。

HR面

• 自我介紹

• 跨專業(yè)/Gap一年干什么了

• 愛(ài)好等個(gè)人問(wèn)題

• 城市選擇

• 部門選擇理由

• 期望薪資

• 入職時(shí)間

華為硬件研究院算法（一面掛）

一面

• 自我介紹

• 部門介紹

• 崗位不太相符/為什么選擇

• 各基本算法理解/時(shí)間空間復(fù)雜度

• 口述鏈表翻轉(zhuǎn)

• 手撕兩道：

• 二分

• 堆排序

東芝語(yǔ)音識(shí)別算法

一面

• 自我介紹

• CNN/RNN/LSTM理解

• SVM/RF理解

• Precision/Recall/F-scor/ROC/AUC

• 語(yǔ)音識(shí)別算法

• 特征工程 -無(wú)手撕

筆試

• 前四道題都不難，LC Easy難度

• Python Keras 搭一個(gè)基本的CNN

二面（全程英文）

• 自我介紹

• 為什么選擇東芝

• 澳洲生活

• 入職時(shí)間

花椒直播算法

一面

• 自我介紹

• 項(xiàng)目細(xì)扣

• 激活函數(shù)/比較

• RNN理解

• LSTM門控/作用/各門的激活函數(shù)選擇原因

• SGD/BGD/momentum/Adam對(duì)比

• Adam優(yōu)點(diǎn)

• Resnet理解

• CNN各種模塊/名詞解釋

• 梯度消失/爆炸的原因/緩解方法/解決方法

• 常用的語(yǔ)言/庫(kù)/tensorflow-Keras/Theano/Pytorch

• 卷積層/Pooling層/dense層細(xì)扣

• 集成學(xué)習(xí)/Boosting/Bagging

• XGBOOST/GBDT/Random Forest

• XGBOOST的損失函數(shù)

• XGBOOST怎么避免過(guò)擬合/ XGBOOST正則

• 隨機(jī)森林的隨機(jī)性體現(xiàn)在哪兒

• LR/SVM理解

• SVM核函數(shù)/作用

• Wrangling/項(xiàng)目Wrangling解釋

• 無(wú)手撕

二面（相當(dāng)帥的一個(gè)小哥哥/眼睛帶笑）

• 自我介紹

• 項(xiàng)目細(xì)扣

• Word2vec理解/CBOW和Skip-gram對(duì)比

• Bert

• SVM理解/手推（太久沒(méi)看了沒(méi)推出來(lái)）

• LR手推

• XGBOOST/GBDT/Random Forest

• 各模型參數(shù)解釋/不同場(chǎng)合不同參數(shù)的影響

• RNN/LSTM理解/對(duì)比

• LSTM的方向傳播

• Kaggle比賽中LSTM及GRU的選擇

• CNN細(xì)扣

• 手撕一道：二分

Boss直聘算法

一面（面試官小姐姐很好看）

• 自我介紹等

• 項(xiàng)目細(xì)扣/各種參數(shù)/方法/架構(gòu)等設(shè)置及原因（非常非常細(xì)）

• 主要是關(guān)于大數(shù)據(jù)方面的考核，這方面并不擅長(zhǎng)。

• 手撕一道：大數(shù)據(jù)相關(guān)的題

面試官小姐姐非常非常nice。大數(shù)據(jù)并不擅長(zhǎng)，小姐姐一直在引導(dǎo)我，人也很美！

二面

• 自我介紹

• 項(xiàng)目細(xì)扣

• Word2vec理解/CBOW和Skip-gram對(duì)比

• Bert

• SVM

• XGBOOST/GBDT/Random Forest

• 激活函數(shù)

• Optimizer對(duì)比

• Adam優(yōu)點(diǎn)

• LSTM/RNN

• 梯度消失/爆炸

• 項(xiàng)目細(xì)扣

• 無(wú)手撕

三面

• 自我介紹

• 項(xiàng)目細(xì)扣

• 各種真實(shí)場(chǎng)景下的解決思路/例如做推薦都需要哪些特征，每種特征該怎么得到

• 無(wú)手撕

HR面

• 直切主題，很干脆，nice！

尾巴

以上列出的是我能回憶起的比較有代表性的面試，其他公司例如其他互聯(lián)網(wǎng)企業(yè)或國(guó)企銀行等，如果有小伙伴需要也可以告訴我。除此之外，以上列出的面試經(jīng)歷也有很多問(wèn)題記不太清了，可能或有一定程度的缺失。

希望大家都能拿到心儀的offer，也希望大家在日后的工作中更加努力，加油，加油，加油！

-?END?-

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊(cè)深度學(xué)習(xí)筆記專輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯獲取一折本站知識(shí)星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請(qǐng)掃碼進(jìn)群：

總結(jié)

以上是生活随笔為你收集整理的【面试招聘】春招面经集合 | 腾讯/字节/华为/东芝/360/Boss的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。