非科班渣硕秋招总结-回馈牛客

本人本科硕士都是北京科技大学的，标准的 渣渣渣渣渣渣硕 一枚，在从8月中旬（我有点晚了啊）开始的秋招以来，在牛客网上看了很多面经，受益匪浅，才侥幸拿到了京东，创新工场的算法工程师职位和360的计算机视觉备胎池...只能说楼主太菜了，现在来分享一下我的心路经历，总结总结自己这黑暗的心路历程。祝还在第一线奋战的小伙伴们都能早日拿到自己满意的工作～

ps：如果想直接看面经直接往后翻就可以啦，接下来我要开始唠叨了～

-----------------------------------------------------------------------------

3年前我面临本科毕业选择的时候，我选择了考研读研来逃避找工作，因为自己本科太水了找工作肯定难难难。。，后来因为自己懒所以..直接就考本校了，还委托辅导员替我找了研究生的导师，现在想起来。自己真是挺***的当时。在2017来之前，我还是处于一种开心玩耍的状态，时不时去趟实验室划划水，做些实验，看些论文，周末还可以一起玩荣耀什么的生活不要太开心

年后回来我还觉得今年可以接着浪。。。结果。。。在春招就被狠狠打脸！所有的春招笔试都挂了，简直不能更惨，阿里甚至没有给内推的面试机会，那时候对我来说真是一次蜕变，实习工作找不到，实验室老师狠狠催论文，女朋友那边还有实验要帮忙做，当时我简直恨不得自己一天掰成两瓣来用，同时我意识到了自己究竟多菜,什么都是半吊子，c++会一点，java会一点，python会一点，都是那种不深入，只是会调用封装好的类库，但是却不知道底层如何实现的程度，什么事情都可以夸夸其谈，但是真正解决问题的过程中效率低，写的代码现在看来简直不堪入目。。有时候会写n个for循环不断嵌套导致程序不断卡死....只能说我当时真的黑暗到不行，我把手机电脑上的所有游戏都删了。。不断的刷leetcode题，看剑指offer的算法题，每天不断复习机器学习的算法推导，公式的来源，以及看lifeifei的cs231n的课程，那一段时间是我感觉进步最快的时候吧

8月初楼主有些膨胀了，回了趟家，网易提前批的笔试都是在家里做的（果然挂了），回来了就收到了网易笔挂的好消息？加上那时候互联网提前批快要结束了的紧迫感，紧张得要命，手里没有offer的时候，才能够感受到找工作的那种黑暗和绝望，那真的是不体验一遍无法感觉到，每天都是在实验室刷题，改简历，投简历，周末也不间断的做，感觉自己都快疯了，现在统计下自己没有offer的时候那真是海投啊，见什么公司先投再说，这一个月以来，最后投了70家offer吧，包括有的是牛客网的邮件的，内部人员的邮箱的，微信公众号的，官网的，只要能试过的方法我都试了，就为了让自己不错过任何一个机会 。当时提前批就面了一个京东，而且面完了大半个月都没有消息了，我都以为挂了。结果到9月中旬突然而来的jd的offer简直让我欣喜若狂，之前都还没有正式的offer，感觉自己愁死了都快。之后还面试了创新工场，也收获了一口头offer。现在我的心才慢慢放下来，我只能说大家的offer都在寄来的路上，希望大家最后都能收获自己满意的offer吧，这么一场黑暗而又努力的秋招，对自己也是一个磨练吧（文笔不好大家不要介意哈。。）

同时我说一些秋招中的感悟吧。。

1.公众号的内推坑！很坑，非常坑，很多时候都是投递了就没有音讯的，大家抱着试试的心态，千万不要孤注一掷

2.一定要刷题啊，牛客，leetcode，剑指offer等基本要过一遍，才能hode得住面试官的手撕代码。

3.如果是机器学习岗位，各种算法原理的推导，都要会啊

4.最重要的一点，利用好自己的资源，有师兄帮忙内推的千万找师兄，像百度这样直接部门内推的，能跳过笔试环节的一定要试试。能剩下很多事儿，秋招的笔试...都是看缘分，可能3道ac1.5.。。就能面试，也有可能ac3道照样被刷。

5.每回面试完都要总结，写面经就是一种不错的手段....

祝愿每一个参加秋招的勇士都能够找到自己心仪的offer～，2017.09.28

--------------------面经的分割线--------------------------

360(第一批大流程，备胎池沉底--计算机视觉)

作者：BATcome

链接：https://www.nowcoder.com/discuss/37925

来源：牛客网

alexnet的网络结构，自己试验是怎么基于AlexNet改进的；（貌似是5个卷积层，2个全连接层加一个softmax吧）

batch nor***zation原理是什么，实验的收敛速度增大了多少；（提升了3倍，我的）

VGG网络相比于AlexNet改进的地方在哪里，为什么（把77卷积核换成了33，因为1是卷积参数个数变少了，2是增加了非线性变换）

然后楼主强行安利了一发Relu和Sigmoid函数之间的差别（1.不会梯度弥散；2.稀疏参数；3.计算简单）

后来又问了一下LR和SVM的差别（同为2分类，SVM用的是hinge loss，LR用的是逻辑回归）

最后考了一道现场编程题，vector nums{2,3,4,5},target = 7，返回组成7的全部组合{{2,2,3},{2,5},{3,4}}这样子(一道深度优先算法，leetcode上就有，在此就不再赘述了)

至此就面过了一面，出来刷公众号就发现自己过了，等了20分钟就开始二面：

二面面试官主要就是问实习的经历了：

1.实习期间hash编码是怎么做的（cnn提取特征哈哈）

2.第二段的实习是做了什么（写了C++的提取feature_map的工具，并且做了网络压缩的工作）

3.简单说一下caffe你要重写类的话，要怎么加么（虽然一脸懵逼，但答了loss层加上layersetup,forward,backward,data层继承基础类）

4.由3引申出来问了caffe的类的工厂模式懂么？为什么caffe写了类放在相应目录下就可以？类的注册？（我说caffe类有一个factory.cpp中吧，里面定义了）

5.由4引申出来的手撕代码...写一个简单的工厂模式...C++代码（= =还好真看过不然就挂了）

然后二面就过了哈哈，出来等了1个小时进入了hr面，差不多就算进入了吹水环节吧：

1.机器学习和深度学习的区别是什么？（数学完成，经验驱动；数据量少，数据量大；）

2.你的缺点是什么。。（典型面试问题。。哈哈）

3.你有遇到需要计划的事儿么（这必须有啊。。将自己的经历）

3.如果给你百度的offer。。你会选哪个？（。。。。）

4.有什么想问的（我就问了现在AI研究院的状态）

陌陌（自然语言处理--hr面挂）：

1.LSTM的源代码（tensorflow），让每行解释含义

2.hmm的状态转移方程，如何用hmm分词

3.自然语言处理中同义词，反义词，相关词的识别情况，怎么解决

5.分词的详细过程，比如说，分词好了模型，但是突然火了一个新词王者荣耀，怎么让模型匹配（把模型中建为一个game，如果有新词的时候，把它匹配为game后原来的模型就可以用了）

6.经典的lstm加上hmm的分词结构是什么，lstm中遗忘们，输入门，输出门，以及状态转移方程是什么

7.知道如何去计算网络的参数的个数，lstm+dmm的网络参数多少

8.word2vec的具体原理，cbow实现过程，n-skim的算法实现，以及后续的负采样，层次softmax用法的原因

9.归并排序题

今日头条面经（计算机视觉--二面挂）：

1.reset，resnet的具体构造，分别有两篇不同的论文，他们之间的前后差异在哪里，取得了什么样的变化

2.vgg，vgg的参数多的原因，vgg还有哪些缺点，为什么vgg比起resnet来说网络大小更大

3.Inception ，1*1的卷积核有什么优点，为什么这么做，之后的V1，V2，V3，V4等都在哪些部分进行改进了

4.Relu优缺点，缺点是负值的那部分永无翻身之日，而且改变了输出的分布状态，最好可以加上一个BN来改进

5.svm的损失函数，对偶问题，拉格朗日算子

6.LR问题，损失函数是什么

7.原题：中值滤波是怎么做的，写代码，（简化版：如何求一个数组中的中位数：利用快速排序的思想迭代，可以达到O（n）的效果）

8.求一个数组中两个数的和为target的id

9.c++ stl库中，vector，map，vector<bool>的实现方法

10.从lenet5说起说一下计算机视觉的发展，每一代都比之前有什么改进

11.如果让你做网络数据的稀疏，会怎么做

百度面经（自然语言处理-二面挂）：

一面：（1小时）

1.问了一下hash编码的问题

hash编码检索的问题：如何检索hash，怎么样位置无关，这个本人不太会

2.对机器学习详细的了解

比如svm，lr

3.数据结构bst搜索树，非遍历情况实现

bst算法从小到大输出

4.1000w条数据，独立同分布地取出100个词，会怎么取

考虑一下概率密度函数

二面：（1小时）

1.问了一下具体的项目怎么做的；

2。问如果北京科技大学字符串检索，要怎么检索，检索后怎么提高效率

面试官答案（先对输入的字符串分词，分词完成之后挨个查询词，查询词后得到n个list的排序好的字符串，然后利用归并排序的算法，查询出来n个list敏感词有的部分）；

3.二叉树的平均深度，非递归的方法，最优实现

创新工厂面试（机器学习工程院-口头offer）：

先现场笔试：

1.剑指offer原题，排序二维矩阵中寻找是否含有target

2.丢硬币，正面是0.7，反面是0.3，连续丢两次正面就结束，求结束时丢硬币次数的期望

3.特征工程怎么做，如何处理相应的数据

4.深度学习中relu模块在那里使用，有什么作用

5.深度学习的超参数怎么调整？

一面：（30分钟）

1.没完没了地问项目

2.问给一个100维的特征会如何对其进行筛选

3.有没有用过cnn，cnn的具体数据推导

4.svm的推导，询问是否了解svm

二面：（30分钟）

1.项目是怎么做的

2.特征工程的构建

3.分布式工程会不会用

4.c++底层的stl库的实现机制，有哪些防止多线程的措施

5.你对我还有什么问题。

二面结束了后就给了口头offer，不知道能不能行

京东面试（推荐算法工程师--offer）

一面：

1。l1和l2正则化，区别？

2.为什么参数稀疏会好？有什么数学原理么？

3.面试官不懂cnn，详细介绍一下什么是cnn？

4.写一下快排代码

5.写一个字符串反转的代码，c++

二面：

1.问具体项目

2.推导一下BP神经网络

3.svm的推导，对偶问题，拉格朗日，优缺点等

4.设计一个结构来进行推荐的热词存储？1000w量级的（树结构）

5.输入con，就把con开头的热词都输出出来，设计数据结构，实现搜寻代码

秋招过程真的很靠实力，外加很大的运气，包括笔试过不过啊，面试官的情况啊，个人临场的发挥啊，导师的gank啊，这些都会对面试的结果产生巨大的影响，希望每位参加秋招的牛油都能够找到自己心仪的offer～，好了唠嗑完了。楼主要回去写论文了= =感觉快毕不了业，十一前没拿到offer的小伙伴也别灰心，之后大厂12月份各部门都会有很多补招的，到时候联系好自己的师兄师兄姐哦