腾讯滴滴阿里三星实习面经
先背景介绍下，LZ是PKU大四CS系，8月底去美帝读研。希望能在入学前攒经历，才想尽快去大公司实习，面试了一些公司，希望能回馈下。LZ本科有挺多科研经历，也有一点点论文发表，做了两个和NLP相关的项目，目前做的一个也打算投稿，所以申的岗位基本和NLP有关。以及大力给大家推荐B站的李宏毅机器学习/深度学习教程，对面试和科研感觉都很有帮助。
1.腾讯医疗AI实验室（已拿offer，决定去）
内推的是自己的学长。一面的是深圳分部的同事，人很好，自己正好有一点network让他认识了我，所以就捞了简历。面试内容很大一部分都是详细问了做过的项目，包括每一步是如何实现的，想法怎么来的。涉及到NLP的问题，问了有word2vec skip-gram的原理，negative sampling怎么做，为什么这么做，如何加速word2vec的训练。attention的机制，lstm和gru的原理，为什么可以解决梯度消失的问题。以及对于我做的一个跨语言情感分析的项目，还详细问了如何区分并提取每个语言不同的特征以及共同的特征。问了大约1h就说会尽快安排二面。
二面是同一天的晚上，是来自美国分部的同事，重点问了我之前发表论文的课题，包括我在其中负责的部分，对于时序数据的处理等。具体涉及NLP的问题，问了防止过拟合的做法，dropout的原理，batch normalization的原理，maxout激活函数的原理，因为我最近的课题用了Attent is all you need里的position embedding和Multihead的做法，他也详细问了各个步骤和原理，因为是晚上比较晚开始的面试，所以问了半小时就结束了。
hr面是第二天的晚上七点好像是，也是深圳的同事，问了简历中暑期科研的课题，我的背景，自己希望的工作地点这样。
然而等offer等了11天。。虽然中间有清明，但是流程还是过了很久。
2.滴滴时空深度学习算法实习生（已拿offer）
这个是急招的岗位，虽然没有内推但是很快就安排了面试，滴滴真的感觉是技术强，氛围好的公司，虽然没有面试间大雾_(:з」∠)_。
一面就是其他部门主管，我后来才知道，问的真的很详细很具体了。从我做的CNN开始问，用什么写的，kernel size是多少，把我项目里的CNN画出来，分析每一步的复杂度（就是W和b这种）。attention机制，如果有一维特别大怎么办，sgd、adagard、adam的原理，前两个要求推导。lstm和gru的原理，为什么可以解决梯度消失的问题，还画了computational grap并推了jacobian矩阵。ex的泰勒展开。word2vec的原理，negative sampling，画出示意图，推导公式。然后算法题写了一个递归，忘记具体题目了。
二面是这个部门的主管，真要命，但是问的东西更实际，直接就问了我实习的目标和要求，然后给了这个实习具体场景的问题，就是建模给起始和终点，判断这条路有没有可能被选中，我想了很久给了一个stack rnn的做法，面试官比较满意，就直接说挺好通过了。
第二天hr就电话联系商量入职，真是体验很好了，以后毕业还想来滴滴，如果能是新锐就更好了。
3.三星研究院（已拿offer）
当时同学怂恿投的，面试的感觉和别的公司都不太一样。
只有一面，但是有两个面试官。首先是30min做一套感觉是高中概率题。然后更考验工程感觉，因为项目是拿TensorFlow写的，现场用TensorFlow要求写一下逻辑回归，然后推导下逻辑回归公式，用最大似然就行。然后dropout中keep_prob是保留还是丢弃，Attention机制详细写下原理和公式，multihead的怎么做，这个能解决什么问题，为什么还要position embedding，还写了欧拉方程。还是同样地画我项目里的CNN示意图，然后改了一下kernel和channel，算一下复杂度和输出维度。word2vec, glovec, fasttext的原理，前两个的区别和联系，还推了公式。
感觉面试官和和蔼，说了过去做的具体项目是和三星的语音助手相关的。
4.阿里（二面跪）
阿里是机器学习的岗位，而且在杭州，是暑期实习，好像部门要求的是暑期来实习，明年能入职。从实习时间和未来入职看都不太匹配，而且二面没有准备好其他的NLP相关问题，就问了一点点就挂了电话。
一面的时候详细问了项目，问了决策树的原理，rf、gdbt的优势和原理。问了word2vec，问了svm的原理，LSTM每个门的公式，有哪些optimazor，之间的区别和联系。算法题写了个trie树。
二面的时候只问了NER的经典做法，还给了淘宝一个实际情景的问题（好像是评论的排序），但是自己说大概率留美感觉面试官的态度就冷淡了很多，面试完就说了希望以后还有机会就知道凉了。
祝大家offer多多。
#面经##内推##实习#
