双非沫硕春季找算法实习经历(附心得体会及大量面筋~)

        楼主双非沫硕(不敢称渣硕,牛客自称渣硕的都是大佬中的大佬),19年毕业,找的工作都是算法岗位,本硕均分科班。研究生才开始研究算法,本科基本0编程经验。。。因为去年10月在某小厂(比bat tmd)小点的公司待过小半年,因此算是有些实习经历。加上跟老师做的几个项目,因此简历还算看的过去。从3月初到4月中旬面了爱奇艺(两次)、美团、滴滴、头条、平安科技、还有神秘公司(因为最后去这家了,怕以后同事认出来,因此就不说名字了)这几个公司,都是提前批。
        楼主编程底子不是太好,面试初期挂大部分原因都是因为编程题没做出来。因此,要跟大家着重强调,你的基础知识、机器学习算法知识可以掌握的稍微差一些,但是编程题一定要大量刷!!最起码,剑指offer,leetcode前150题(包括hard)要滚瓜烂熟!楼主血的教训,当初去面滴滴,终面从上海飞到北京,感觉一开始跟面试官聊得很好,最后编程题让写个堆排序,我在那里吭哧吭哧写不出来。
        面试官:这个题应该很基础啊! 
        我:emmmm.....  
        面试官:你本科没学过数据结构吗?
        我:本科不是学计算机的
        面试官:那这题你很难想到方法了,好,面试就到这里吧
        我:no..........
        因此很多基础的题型一定要记牢!另外,很多题要找空间时间最优解。有一点我很不理解的就是,有的题确实调一些包,调一些库方法确实很容易就ac了,但是这真的不是面试官要考你的东西哎喂,面试官是在聘调包侠么。。。但是很多童鞋都很骄傲,不以为耻反以为荣,觉得自己用一两行程序就写出来了,在论坛里面炫耀。额,好吧,你开心就好。
        相比而言,很多机器学习算法相关的问题,相对就容易准备多了。以前看某大神把什么lr,gbdt,lightgbm,rf,svm,cnn,rnn啥的都叫“背诵题”,哈哈,我觉得说的很好。理解了背过了,一般就不会忘了。可能理解并且自己会推导公式这个过程比较恶心,但是只要努力,我觉得就不是问题。
        另外,希望大家调整好心态,当时我面完滴滴时心态也稍微有点崩,正好赶上清明节,还回家休养了几天(逃。最终还是挺了过来,找到了一家自己很满意的公司的实习岗位。
        回想找实习这一个多月,真的是自己进步最快的一段时间,在面试中查漏补缺,进步飞速,特别是两次爱奇艺面试经历,让我知道了很多自己的不足,因此,大家只要坚持不放弃,就会找到自己心仪的工作,加油!
        最后,附上面筋~不过很多大家都写烂的“背诵题”我就不写了,在这里只写一些不太常见的吧。

        爱奇艺第一次面试(一面挂):
        1.word2vec的原理,要公式推导
        2.rf和gbdt对数据方差和偏差上的区别
        3.随机森林会过拟合吗?加深树的深度会过拟合吗?为什么?
        4.凸函数的定义,sigmoid是凸函数吗
        5.python锁机制
        6.编程题:打印二叉树每层最右边结点值(当时编程能力太渣,现在想想就是个层序遍历。。。)
        7.智力题:左边m个小球,右边n个小球,在同一条光滑直线上相向而行,碰撞后原速相反方向返回,直到没有碰撞,一共碰撞了多少次。(这题还挺有难度的,当时推了十分钟没推出来,其实就差一点,回去又想了想,应该是m*n)
        面试官人很好,因为是春招的第一次面试,当时还挺渣的,加上他问的问题确实有点难度,有将近一半没答上来,毫无悬念的挂了。

       爱奇艺第二次面试(offer):
        他们部门主要做无监督学习的,还要掌握很多降维方法。
        1.EM算法和kmeans之间联系,和高斯混合模型间联系
        2.lda,pca原理
        3.函数式编程和面向对象区别?
        4.nlp中未登录词怎么处理?
 
        滴滴(前两次电话面,终面现场面,终面挂):
       1.spark的groupbykey和reducebykey区别?
       2.fm,fmm原理
       3.为什么深度学习精度比传统高?为什么用lstm做时间序列预测而不用传统方法?
       4.bp反向公式推导,bptt推导
       5.算法题1.leetcode上一个原题(二分法变形题)2.堆排序(竟然死在这个题上面了,蓝瘦)

       头条(二面挂):
       面头条心态就输了,觉得自己编程能力有点渣,头条又特别看重编程能力。所以,想去宇宙条,请刷leetcode...
       1.牛顿法优缺点?拟牛顿法原理?lbfgs?
       2.lr的核技巧
       3.除了bagging和boosting,还知不知道其他模型融合算法?stacking?bleeding?
       4.数学题(让我自己选编程题还是算法题,我作死,选了数学题):在一个圆上有任意三个点,组成锐角三角形概率。答案说对了,1/4,从极限角点推出来的,让我用积分公式算,gg....

       平安科技(offer):
       问的题都很基本,挺简单的,就不写了。。。

       神秘公司(offer):
       最终开心的去了这一家~
       1.gbdt+lr模型更新的先后顺序?频率呢?
       2.l1正则近端梯度下降?推导
       3.l1,l2防止过拟合为什么?不要画图,公式推导
       4.lstm的原理?画图。为什么可以防止梯度消失?跟cnn原理一样吗?
       5.算法题:给一个字符串,包含数字1-9和加减乘除,输出最后计算的结果
        
#实习#
全部评论
Mark
点赞 回复 分享
发布于 2018-04-25 23:02
堆排序我也不会.....emmm
点赞 回复 分享
发布于 2018-04-25 23:15
楼主是做什么的啊
点赞 回复 分享
发布于 2018-04-25 23:33
楼主厉害的
点赞 回复 分享
发布于 2018-04-25 23:44
你好,能问下平安科技问了什么吗
点赞 回复 分享
发布于 2018-04-26 11:43
苦尽甘来,恭喜songling
点赞 回复 分享
发布于 2018-04-26 14:21
诶 爱奇艺一面挂了 为什么还有二面啊。。
点赞 回复 分享
发布于 2018-09-04 11:08

相关推荐

评论
10
125
分享
牛客网
牛客企业服务